Para tiPara empresas
EntrarConsulta gratis
  1. Inicio
  2. /
  3. Nomograma de Fagan

Calculadora clínica gratuita

Nomograma de Fagan: calculadora de probabilidad posprueba

El nomograma de Fagan convierte la probabilidad preprueba de un diagnóstico y la razón de verosimilitud (RV o LR) de una prueba en la probabilidad posprueba. En esta calculadora gratuita de Arkangel AI ingresa la probabilidad previa y la sensibilidad y especificidad, o las RV, y verás el resultado positivo y negativo, el cálculo y el nomograma.

Actualizado: 1 de noviembre de 2026

Calcula la probabilidad posprueba

%

Entre 0 y 100

Exactitud de la prueba ingresada como
%

De 0 a 100

%

De 0 a 100

Resultado

Nomograma de Fagan: probabilidad preprueba 30.0%. Resultado positivo (RV+ 8.5): probabilidad posprueba 78.5%. Resultado negativo (RV− 0.167): probabilidad posprueba 6.7%.

Probabilidad preprueba: 30.0%

Si la prueba es positiva

78.5%

RV+ 8.5: aumento moderado de la probabilidad

Si la prueba es negativa

6.7%

RV− 0.167: disminución moderada de la probabilidad

Arma un diagnóstico diferencial con Arkangel

Nomograma de Fagan

Nomograma de Fagan: probabilidad preprueba 30.0%. Resultado positivo (RV+ 8.5): probabilidad posprueba 78.5%. Resultado negativo (RV− 0.167): probabilidad posprueba 6.7%.Probabilidadpreprueba %Razón deverosimilitudProbabilidadposprueba %0.10.10.20.20.50.511225510102020303040405050606070708080909095959898999999.599.599.899.899.999.910001001010.10.010.001Resultado positivoResultado negativo

Paso a paso

Si la prueba es positiva

  1. RV+ = sensibilidad / (1 − especificidad) = 0.85 / (1 − 0.9) = 8.5
  2. Odds preprueba = 0.3 / (1 − 0.3) = 0.429
  3. Odds posprueba = 0.429 × 8.5 = 3.64
  4. Probabilidad posprueba = 3.64 / (1 + 3.64) = 78.5%

Si la prueba es negativa

  1. RV− = (1 − sensibilidad) / especificidad = (1 − 0.85) / 0.9 = 0.167
  2. Odds preprueba = 0.3 / (1 − 0.3) = 0.429
  3. Odds posprueba = 0.429 × 0.167 = 0.0714
  4. Probabilidad posprueba = 0.0714 / (1 + 0.0714) = 6.7%

¿Qué es el nomograma de Fagan?

El nomograma de Fagan es una forma gráfica del teorema de Bayes que T. J. Fagan publicó en 1975 como una carta de una página en el New England Journal of Medicine. Responde una pregunta clínica diaria: si un diagnóstico tenía cierta probabilidad antes de una prueba, ¿qué probabilidad tiene después del resultado?

Funciona con razones de verosimilitud (RV, también llamadas cocientes de probabilidad o likelihood ratios, LR). Una RV indica cuántas veces más (o menos) probable es un resultado en personas con la enfermedad que en personas sin ella. Las escalas logarítmicas del nomograma convierten la multiplicación del teorema de Bayes en una línea recta.

Fórmula de la probabilidad posprueba

El nomograma dibuja tres operaciones. Con probabilidades expresadas como fracción (30% = 0.30), el cálculo exacto es:

  • RV+ = sensibilidad / (1 − especificidad)
  • RV− = (1 − sensibilidad) / especificidad
  • Odds preprueba = probabilidad preprueba / (1 − probabilidad preprueba)
  • Odds posprueba = odds preprueba × RV
  • Probabilidad posprueba = odds posprueba / (1 + odds posprueba)

Los odds (en México también llamados momios) expresan la probabilidad de que algo ocurra frente a que no ocurra. Se usa la RV+ si la prueba sale positiva y la RV− si sale negativa.

Cómo usar el nomograma de Fagan

  1. 1

    Ubica la probabilidad preprueba en la escala izquierda: tu estimación de que el paciente tenga la enfermedad antes de la prueba, según la prevalencia, el cuadro clínico o una escala clínica validada.

  2. 2

    Ubica la razón de verosimilitud de la prueba en la escala central: RV+ para un resultado positivo y RV− para uno negativo.

  3. 3

    Traza una línea recta desde el punto de la izquierda, pasando por el punto central, hasta la escala derecha.

  4. 4

    Lee la probabilidad posprueba donde la línea cruza la escala derecha y compárala con tus umbrales para tratar o pedir más estudios.

Ejemplo resuelto

Un paciente tiene una probabilidad preprueba del 30%. La prueba tiene una sensibilidad del 85% y una especificidad del 90%, los valores por defecto de la calculadora.

  1. RV+ = 0.85 / (1 − 0.90) = 8.5, y RV− = (1 − 0.85) / 0.90 ≈ 0.167.
  2. Odds preprueba = 0.30 / (1 − 0.30) ≈ 0.429.
  3. Resultado positivo: odds posprueba = 0.429 × 8.5 ≈ 3.64, así que la probabilidad posprueba = 3.64 / (1 + 3.64) ≈ 78.5%.
  4. Resultado negativo: odds posprueba = 0.429 × 0.167 ≈ 0.0714, así que la probabilidad posprueba = 0.0714 / (1 + 0.0714) ≈ 6.7%.

Un resultado positivo sube la probabilidad del 30% a cerca del 78%; uno negativo la baja a cerca del 7%. Si alguno basta para actuar depende de tus umbrales, no solo de la prueba.

Cómo interpretar la razón de verosimilitud

Cuanto más lejos de 1 está una RV, más cambia la probabilidad. Las RV mayores de 10 o menores de 0.1 se consideran evidencia fuerte para confirmar o descartar un diagnóstico en la mayoría de los casos (Deeks y Altman, BMJ 2004). Con probabilidades preprueba entre 10% y 90%, las aproximaciones de McGee estiman el cambio sin calculadora.

Razón de verosimilitudCambio aproximado de la probabilidadInterpretación
> 10+45 puntos o másAumento grande: evidencia fuerte para confirmar
5 a 10+30 a +45 puntosAumento moderado de la probabilidad
2 a 5+15 a +30 puntosAumento pequeño de la probabilidad
0.5 a 2Menos de 15 puntosCambio mínimo: rara vez decisivo por sí solo
0.2 a 0.5−15 a −30 puntosDisminución pequeña de la probabilidad
0.1 a 0.2−30 a −45 puntosDisminución moderada de la probabilidad
< 0.1−45 puntos o másDisminución grande: evidencia fuerte para descartar

Cambios aproximados según McGee, J Gen Intern Med 2002 (RV 2 ≈ +15, 5 ≈ +30 y 10 ≈ +45 puntos porcentuales; sus inversos son simétricos). Una RV de 1 no cambia la probabilidad.

Preguntas frecuentes

¿Cómo se calcula la probabilidad posprueba?

Convierte la probabilidad preprueba en odds con p / (1 − p), multiplícalos por la razón de verosimilitud del resultado y vuelve a probabilidad con odds / (1 + odds). Con una probabilidad preprueba del 30% y una RV de 8.5: 0.429 × 8.5 = 3.64 odds, que equivalen a una probabilidad posprueba de alrededor del 78.5%.

¿Cómo se obtiene la razón de verosimilitud a partir de la sensibilidad y la especificidad?

La razón de verosimilitud positiva es sensibilidad / (1 − especificidad) y la negativa es (1 − sensibilidad) / especificidad, con ambos valores como fracción. Una prueba con 85% de sensibilidad y 90% de especificidad tiene RV+ = 0.85 / 0.10 = 8.5 y RV− = 0.15 / 0.90 ≈ 0.17. Con especificidad del 100% exacto, la RV+ no está definida.

¿Qué probabilidad preprueba debo usar?

Usa la mejor estimación para tu paciente: la prevalencia de la enfermedad en un entorno parecido, ajustada por la historia clínica y el examen físico, o el resultado de una escala de predicción clínica validada. La probabilidad preprueba cambia según el entorno, así que una misma prueba puede dar probabilidades posprueba muy distintas.

¿El nomograma de Fagan es lo mismo que el teorema de Bayes?

Sí. El nomograma es el teorema de Bayes en forma de odds dibujado sobre escalas logarítmicas: los odds posprueba son los odds preprueba multiplicados por la razón de verosimilitud. Trazar la línea da una estimación visual rápida y calcular da el valor exacto. Esta calculadora hace las dos cosas, para que compares el trazo con los números.

¿Qué limitaciones tiene el nomograma de Fagan?

Depende de la calidad de sus datos. Las razones de verosimilitud vienen de estudios cuyos pacientes pueden ser distintos de los tuyos, la probabilidad preprueba es una estimación y encadenar varias pruebas multiplicando sus RV supone que son independientes, lo que muchas veces no se cumple. Usa el resultado para apoyar el juicio clínico, no para reemplazarlo.

Herramientas relacionadas

  • IA para el diagnóstico diferencial
  • Todas las calculadoras clínicas gratuitas
  • Fagan nomogram calculator (English)

Para agentes y desarrolladores

Esta calculadora acepta los datos en la URL y tiene una versión JSON gratuita, sin registro, con los mismos parámetros:

Página con datos
https://arkangel.ai/es/nomograma-de-fagan?pretest_pct=20&sens_pct=90&spec_pct=80
Resultado en JSON
https://arkangel.ai/tools/nomograma-de-fagan.json?pretest_pct=20&sens_pct=90&spec_pct=80
Parámetros
pretest_pct, mode, sens_pct, spec_pct, lr_pos, lr_neg
Catálogo de herramientas
https://arkangel.ai/tools.jsonhttps://arkangel.ai/tools/openapi.json

Fuentes

  • Fagan TJ. Nomogram for Bayes theorem. N Engl J Med. 1975;293(5):257. — la carta original que describe el nomograma (en inglés)
  • Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004;329(7458):168-169. — definición de las razones de verosimilitud; valores mayores de 10 y menores de 0.1 como evidencia fuerte para confirmar o descartar (en inglés)
  • McGee S. Simplifying likelihood ratios. J Gen Intern Med. 2002;17(8):647-650. — cambio aproximado de la probabilidad para las razones de verosimilitud más comunes (en inglés)
  • Centre for Evidence-Based Medicine, University of Oxford. Likelihood ratios. — fórmulas a partir de la sensibilidad y la especificidad, con un ejemplo resuelto (en inglés)
  • Pita Fernández S, Pértegas Díaz S. Pruebas diagnósticas: sensibilidad y especificidad. Cad Aten Primaria. 2003;10:120-124. Fisterra. — definición en español de sensibilidad, especificidad y razón de verosimilitud positiva y negativa

Actualizado: 2026-11-01. Esta calculadora es para educación y apoyo a la decisión clínica de profesionales de la salud. No reemplaza el juicio clínico ni las guías locales, y los datos que ingresas no salen de tu navegador.

Al ingresar aceptas los términos y la política de privacidad.

© 2026 Arkangel AI.

Empresa

Quiénes somosPreciosContactoPrivacidadTérminosSeguridad y cumplimiento

Producto

MedSearchPara aseguradorasPara hospitalesPara farmacéuticasIA para MédicosBúsqueda médica con IAInvestigaciónCasos de usoCalculadorasCambios

Recursos

BlogAlternativa a OpenEvidenceAlternativa a UpToDateCálculo de goteoEquivalencia de corticoidesNomograma de FaganTarifas SOAT 2026Centro de Auditoría MédicaHerramientas para auditores médicosPodcastAcademyBoletínAfiliadosAssessment de adopción de IA

Inteligencia Aumentada