Lecturas clínicas · DermRX · Dermatology: A Pictorial Review (2.ª ed., 2010) · Actualizada a octubre de 2026
Síntesis propia en español del libro (edición de 2010, Estados Unidos); no es una traducción ni reproduce sus imágenes ni sus preguntas tipo test. Incluye una capa de actualización a octubre de 2026 elaborada por DermRX y citada con sus fuentes. Revisión clínica pendiente: las dosis, indicaciones y disponibilidad deben contrastarse con la ficha técnica vigente antes de aplicarlas.
Fuente: capítulo 29, pp. 571-584 del libro.
Variables, distribuciones y estadística descriptiva
El capítulo parte de la idea de variable aleatoria: una función que asigna un valor numérico a cada resultado de un estudio (incluidos desenlaces dicotómicos como «éxito» o «fracaso» de un tratamiento). Puede ser discreta, con una distribución de probabilidad, o continua, con una función de densidad de probabilidad.
- Distribución binomial. Describe el número de aciertos en n ensayos independientes de tipo sí/no, cada uno con la misma probabilidad p de acierto.
- Distribución normal (gaussiana). Curva en campana, simétrica, con el valor más frecuente en el centro; media y mediana coinciden. Alrededor del 68 % de los valores queda a ±1 desviación estándar (DE) de la media, el 95 % a ±1,96 DE (en la práctica, «2 DE») y el 99,7 % a ±3 DE. La regresión, la correlación, la prueba t y el análisis de la varianza asumen normalidad.
La estadística descriptiva resume los datos sin pretender inferir nada sobre la población.
| Aspecto | Medida | Idea clave |
|---|---|---|
| Tendencia central | Media aritmética | Suma de valores dividida por n; muy sensible a los valores atípicos |
| Mediana | Valor que deja la mitad de los datos por debajo y la mitad por encima; robusta frente a extremos | |
| Moda | Valor más frecuente; puede no existir o haber varias | |
| Dispersión | Varianza (σ²) | Media de las diferencias al cuadrado respecto a la media; vale 0 si todos los datos son iguales |
| Desviación estándar | Raíz cuadrada de la varianza; misma escala que la variable | |
| Error estándar de la media (EEM) | DE / √n: precisión con que se estima la media; disminuye al aumentar n y aumenta con la DE | |
| Rango | Valor máximo menos valor mínimo | |
| Forma | Asimetría | Positiva: cola larga a la derecha; negativa: cola larga a la izquierda |
| Curtosis | Apuntamiento de la distribución y peso de sus colas | |
| Asociación | Coeficiente de correlación (r) | De −1 a +1; cuanto más lejos de 0 en valor absoluto, más fuerte la relación lineal |
La distinción entre DE y EEM es de alto rendimiento: la DE describe la dispersión de las observaciones individuales; el EEM, la incertidumbre de la media estimada. Para variables discretas, el libro recuerda que la probabilidad es frecuencia/número total de ensayos (entre 0 y 1), el porcentaje es p×100 y la odds (en el libro, «probabilidades») es p/(1−p).
Inferencia: intervalo de confianza, contraste de hipótesis y potencia
Intervalo de confianza (IC). Rango de valores, calculado a partir de la muestra, que probablemente incluye el parámetro poblacional desconocido. Se elige el nivel de confianza (habitualmente 95 %, también 90 % o 99 %): si se repitiera el estudio muchas veces, el 95 % de los intervalos así construidos contendrían el valor verdadero. Bajar el nivel de confianza estrecha el intervalo; aumentar el tamaño muestral lo estrecha sin sacrificar confianza.
Hipótesis nula (H0). Supone que no hay diferencias en el parámetro estudiado (media, proporción, varianza) entre grupos, y que cualquier diferencia observada se debe al azar o al error de muestreo. El contraste busca reunir pruebas contra ella para rechazarla en favor de la hipótesis alternativa (asociación sistemática).
| Resultado del estudio | En realidad no hay diferencia | En realidad sí hay diferencia |
|---|---|---|
| Concluye «no hay diferencia» | Decisión correcta (1 − α) | Error de tipo II (β): falso negativo |
| Concluye «hay diferencia» | Error de tipo I (α): falso positivo | Decisión correcta (1 − β = potencia) |
- Error de tipo I (α). Rechazar una H0 cierta. El nivel de significación α se fija de antemano, habitualmente en 0,05.
- Error de tipo II (β). No rechazar una H0 falsa; típico de muestras pequeñas y se reduce aumentando el tamaño muestral. Para un tamaño muestral dado, reducir un tipo de error aumenta el otro; por eso se fija α y se minimiza β con más pacientes.
- Potencia (1 − β). Probabilidad de detectar una asociación si realmente existe. Suele exigirse un 80-90 %. Depende de α, del tamaño del efecto, del tamaño muestral y de la varianza: efectos pequeños, muestras pequeñas o mucha variabilidad la reducen.
Valor p. El libro lo presenta como la probabilidad de que la diferencia observada se deba solo al azar y lo identifica con el error α; ambas afirmaciones son simplificaciones incorrectas (véase Actualización a 2026). Conviene quedarse con lo esencial: el valor p mide la compatibilidad de los datos con H0 y los supuestos del análisis; α es el umbral de decisión fijado antes de ver los datos, y «p < 0,05» no cuantifica ni la magnitud ni la importancia clínica del efecto, que deben leerse en la estimación y su IC.
Rendimiento de las pruebas diagnósticas
Toda prueba diagnóstica produce cuatro resultados posibles al compararla con un patrón de referencia («patrón oro»), definido como un criterio objetivo o el estándar clínico vigente (el libro pone como ejemplo la flebografía en la trombosis venosa profunda).
| Prueba | Enfermedad presente | Enfermedad ausente |
|---|---|---|
| Positiva | A: verdadero positivo (VP) | B: falso positivo (FP) |
| Negativa | C: falso negativo (FN) | D: verdadero negativo (VN) |
| Índice | Fórmula | Qué responde | ¿Depende de la prevalencia? |
|---|---|---|---|
| Sensibilidad | A/(A+C) | De los enfermos, cuántos dan positivo; alta sensibilidad = pocos falsos negativos | No |
| Especificidad | D/(B+D) | De los sanos, cuántos dan negativo; alta especificidad = pocos falsos positivos | No |
| Valor predictivo positivo (VPP) | A/(A+B) | Si la prueba es positiva, probabilidad de estar enfermo | Sí: aumenta con la prevalencia |
| Valor predictivo negativo (VPN) | D/(C+D) | Si la prueba es negativa, probabilidad de estar sano | Sí: aumenta cuando la prevalencia baja |
Sensibilidad y especificidad expresan la validez intrínseca de la prueba; los valores predictivos, su fiabilidad en la población donde se aplica. El libro subraya que, en enfermedades poco frecuentes, el VPP depende sobre todo de la especificidad (cada punto de especificidad evita muchos falsos positivos), mientras que con prevalencias bajas el VPN es alto casi con independencia de la sensibilidad.
Medidas de frecuencia y de efecto
Incidencia: casos nuevos durante un periodo dividido por la población en riesgo en ese periodo. Estima el riesgo de desarrollar la enfermedad, sirve para estudiar factores etiológicos y procede típicamente de cohortes prospectivas. Prevalencia: casos existentes (antiguos y nuevos) en un momento (prevalencia puntual) o en un periodo (prevalencia de periodo) dividido por la población. Mide la carga de enfermedad y las necesidades asistenciales y procede típicamente de estudios transversales.
Con la tabla 2×2 de exposición (filas: expuesto A, B; no expuesto C, D) y enfermedad (columnas: sí, no):
| Medida | Cálculo | Diseño típico e interpretación |
|---|---|---|
| Riesgo relativo (RR) | [A/(A+B)] / [C/(C+D)] | Cohortes. RR = 1: sin asociación; RR > 1: mayor riesgo en expuestos; RR < 1: efecto «protector» |
| Odds ratio (OR) | (A×D)/(B×C) | Casos y controles (única medida de asociación que permiten). Se aproxima al RR si la enfermedad es rara y casos y controles representan bien a enfermos y no enfermos de la población |
| Riesgo atribuible | [A/(A+B)] − [C/(C+D)] | Exceso absoluto de riesgo asociado a la exposición |
| Número necesario a tratar (NNT) | 1 / (tasa de eventos sin tratamiento − tasa con tratamiento) | Ensayos clínicos: pacientes que hay que tratar para evitar un evento; no incorpora la calidad de vida |
La odds de un grupo es p/(1−p); la OR es el cociente entre las odds de dos grupos (tratado y control, expuesto y no expuesto, casos y controles). El NNT es el inverso de la reducción absoluta del riesgo y se redondea al entero superior.
Error, sesgo, confusión y validez
El libro distingue dos fuentes de error. El error aleatorio se cuantifica y controla con métodos estadísticos y reduce la fiabilidad (reproducibilidad, precisión) de una medida. El error sistemático (sesgo) desplaza los resultados en una dirección y reduce la validez (exactitud, veracidad).
Sesgos de selección, errores no aleatorios en el diseño o la ejecución:
- De muestreo: no todos los miembros de la población tienen una probabilidad conocida de entrar en la muestra.
- De asignación: diferencias sistemáticas entre los grupos de tratamiento y control.
- Autoselección de participantes o selección de sujetos o estudios por el investigador para respaldar su hipótesis.
- De falta de respuesta: los resultados difieren de los que se obtendrían con respuesta completa.
- Del entrevistador, por sus propios prejuicios; y, en diseños retrospectivos, sesgo de recuerdo (los afectados recuerdan mejor las exposiciones).
Confusión: una tercera variable asociada de forma independiente con la exposición y con el desenlace (edad, sexo, nivel socioeconómico, comorbilidades). La aleatorización es la mejor defensa frente al sesgo de asignación porque reparte por igual los factores pronósticos, incluidos los desconocidos; la secuencia debe permanecer oculta a clínicos e investigadores. El enmascaramiento (simple ciego: solo el paciente; doble ciego: paciente e investigador; evaluación ciega por terceros cuando no es posible otra cosa) evita que las expectativas sobre el tratamiento influyan en los resultados. El emparejamiento y el diseño prospectivo también limitan el sesgo.
Tipos de validez:
- Interna: ausencia de defectos metodológicos importantes, de modo que la relación causal entre intervención y efecto es creíble.
- De constructo: el efecto se debe a la intervención concreta y no a otros elementos asociados.
- Externa: generalización a otras poblaciones, entornos y momentos.
- De la conclusión estadística: las conclusiones se sostienen con el análisis realizado.
Para calcular el tamaño muestral de un ensayo hacen falta la diferencia que se quiere detectar, la tasa de respuesta esperada en un grupo, α (cuanto menor, más pacientes), la potencia (cuanto mayor, más pacientes) y si el contraste es de una o dos colas.
Diseños de estudio
El diseño se elige según el objetivo: describir y generar hipótesis (encuestas, estudios observacionales) o contrastarlas (estudios experimentales u observacionales analíticos). En los observacionales el investigador solo observa; en los experimentales interviene asignando el tratamiento.
| Diseño | Características | Ventajas y limitaciones |
|---|---|---|
| Caso clínico y serie de casos | Descripción de uno o varios pacientes, sin grupo control | Generan hipótesis y comunican observaciones inusuales; sin validez estadística |
| Transversal (encuesta) | Exposición y desenlace medidos a la vez, en un único momento | Estima prevalencia y asociaciones; repetido en el tiempo permite ver tendencias |
| Casos y controles | Parte del desenlace (casos frente a controles) y mira hacia atrás la exposición | Ideal para enfermedades raras o latencias largas; solo permite calcular OR; sesgos de recuerdo, de información y del investigador |
| Cohortes | Parte de la exposición y sigue a expuestos y no expuestos; concurrente (prospectiva) o histórica (retrospectiva, a partir de registros) | Calcula incidencia y RR; útil si el desenlace es frecuente o la latencia corta; sin aleatorización, expuesta a selección y confusión |
| Ensayo controlado aleatorizado (ECA) | Asignación aleatoria, enmascaramiento, grupo control (a menudo placebo), grupos paralelos | Diseño de referencia para inferir causalidad terapéutica |
| Ensayo cruzado | Cada sujeto recibe ambos tratamientos, con periodo de lavado | Útil en enfermedades crónicas estables y desenlaces a corto plazo; riesgo de efecto de arrastre |
| Medidas repetidas | Desenlace medido varias veces | Cuando se espera gran variabilidad basal |
| Factorial | Evalúa dos intervenciones frente a control en un único ensayo | Posible interacción y pérdida de potencia; exige más pacientes |
| Metaanálisis | Combinación estadística de varios estudios en una estimación global | Vulnerable al sesgo de publicación y a la heterogeneidad de calidad y diseño de los estudios |
Recuerda el sentido del tiempo: en el retrospectivo los hechos de interés ocurrieron antes de iniciar el estudio; en el prospectivo los formularios se diseñan al principio y los eventos se registran después. Un estudio longitudinal sigue a los mismos pacientes en varios momentos. La principal diferencia entre una cohorte y un ECA es que en la cohorte los individuos no se asignan al azar. Una cohorte construida con historias clínicas antiguas y analizada hoy es una cohorte retrospectiva (histórica o «prospectiva no concurrente»).
Ensayos clínicos: objetivos, análisis, fases y síntesis de la evidencia
Un ensayo exige una pregunta pertinente, instrumentos de medida, un diseño y un análisis adecuados y un tamaño muestral y procedimiento de muestreo definidos. Puede evaluar fármacos, productos sanitarios, biológicos u otras intervenciones, comparar lo nuevo con el tratamiento estándar o dos tratamientos establecidos. Por su objetivo hay ensayos de tratamiento, de cuidados de apoyo o calidad de vida, de prevención, de cribado y de diagnóstico. El placebo es una sustancia inerte indistinguible del tratamiento activo, de modo que la única diferencia entre grupos sea la intervención estudiada.
- Enfoque explicativo frente a pragmático. El explicativo estudia la eficacia en condiciones ideales y muy controladas, con un desenlace específico. El pragmático estudia la efectividad en la práctica real, con pacientes heterogéneos y a menudo sin placebo: «¿cuál es el mejor tratamiento para estos pacientes en estas circunstancias?».
- Análisis por intención de tratar. Cada paciente se analiza en el grupo al que fue aleatorizado, aunque no recibiera o abandonara el tratamiento. Preserva los beneficios de la aleatorización, refleja la falta de adherencia de la vida real y evita sobrestimar la eficacia.
- Análisis multivariable. Relaciona varios predictores (factores de riesgo, tratamientos) con un único desenlace y estima el efecto de cada uno ajustado por los demás.
Fases del desarrollo de un fármaco (según el libro, práctica de la FDA de EE. UU.):
| Fase | Objetivo | Participantes |
|---|---|---|
| Preclínica | Eficacia, toxicidad y farmacocinética en modelos no humanos | — |
| 0 | Microdosis exploratorias en humanos para agilizar el desarrollo | Muy pocos |
| 1 | Seguridad, farmacocinética y farmacodinamia; escalada de dosis única (SAD) o múltiple (MAD) hasta la dosis máxima tolerada | Voluntarios sanos (a veces pacientes) |
| 2 (2A dosis, 2B eficacia) | Primera evaluación de eficacia y seguridad | 100-300 |
| 3 | ECA multicéntricos frente al estándar; base de la autorización (suelen exigirse dos con éxito) o de ampliaciones de indicación | 1.000-2.000 o más |
| 4 | Poscomercialización: efectos adversos raros o tardíos; puede llevar a restricción o retirada | Población amplia |
Evaluación económica. Coste-efectividad (coste por resultado clínico), coste-beneficio (todo en unidades monetarias) y coste-utilidad (coste por año de vida ajustado por calidad, AVAC).
Síntesis de la evidencia. Las revisiones sistemáticas responden a una pregunta concreta con búsquedas exhaustivas y criterios predefinidos de selección y evaluación de estudios. Las guías de práctica clínica son recomendaciones explícitas basadas en la revisión y valoración de la evidencia para circunstancias clínicas concretas (véase Actualización a 2026).
Comparación de datos: pruebas estadísticas
Las pruebas paramétricas exigen muestras de poblaciones con distribución normal y varianzas similares, y tienen más potencia para detectar una diferencia si existe. Las no paramétricas no asumen ninguna distribución, a costa de menor potencia.
| Prueba | Para qué sirve |
|---|---|
| t de Student | Comparar las medias de dos grupos; siempre paramétrica. El estadístico t es la diferencia de medias dividida por su error estándar: cuanto mayor, más probable una diferencia significativa |
| Análisis de la varianza (ANOVA) | Contrastar si varios grupos proceden de una misma población (comparación global de medias). No identifica por sí solo qué grupos difieren |
| Ji al cuadrado (χ²) | Comparar frecuencias observadas y esperadas en tablas de contingencia. Tres usos: bondad de ajuste, homogeneidad entre poblaciones e independencia entre dos criterios de clasificación |
| Correlación | Grado de asociación entre dos variables tratadas por igual (ninguna es predictora); H0: r = 0 |
| Regresión | Predecir una variable dependiente a partir de una o varias independientes; tipos lineal (la más común), múltiple, ponderada y logística. La lineal asume relación lineal entre Y y X |
Claves de examen
- La DE describe la dispersión de los datos; el EEM (DE/√n) describe la precisión de la media y disminuye al aumentar la muestra.
- Sensibilidad y especificidad no dependen de la prevalencia; los valores predictivos sí: el VPP sube y el VPN baja cuando aumenta la prevalencia.
- Potencia = 1 − β; aumenta con el tamaño muestral y el tamaño del efecto y disminuye con la varianza y con un α más estricto.
- Error de tipo I = falso positivo (α); error de tipo II = falso negativo (β).
- Los estudios de casos y controles dan OR; las cohortes, incidencia y RR; la OR se aproxima al RR en enfermedades raras.
- NNT = 1/reducción absoluta del riesgo, redondeado al entero superior.
- La aleatorización controla la confusión, incluso por factores desconocidos; el análisis por intención de tratar preserva ese beneficio.
- Una cohorte reconstruida con registros históricos es una cohorte retrospectiva, no un estudio de casos y controles.
Actualización a 2026
Elaboración de DermRX; no procede del libro.
- CONSORT 2025 y SPIRIT 2025. CONSORT, la guía de comunicación de ECA (1996, 2001 y 2010), se actualizó en 2025 tras una revisión de alcance, un Delphi con 317 participantes y una reunión de consenso: añade siete ítems nuevos, revisa tres, elimina uno, integra elementos de las extensiones de daños, desenlaces y tratamientos no farmacológicos, y crea una sección de ciencia abierta, con una lista de 30 ítems más el diagrama de flujo de participantes[1]. Se publicó a la par SPIRIT 2025, actualización de la guía de 2013 para los protocolos de ensayos[2]. Cuando se lea un ECA dermatológico conviene comprobar con estas listas aleatorización, ocultación de la secuencia, enmascaramiento y desenlaces preespecificados.
- Estudios observacionales: STROBE y emulación del ensayo diana. STROBE (2007) es la guía de referencia para comunicar estudios de cohortes, casos y controles y transversales: 22 ítems, 18 comunes y 4 específicos de cada diseño[3]. Para preguntas causales sobre tratamientos con datos de registros o historias clínicas se ha extendido el marco del target trial: diseñar explícitamente el ECA hipotético que respondería la pregunta y emularlo con datos observacionales, lo que ayuda a evitar errores metodológicos frecuentes[4]. En 2025 la declaración TARGET fijó 21 ítems para comunicar estos estudios, entre ellos especificar el protocolo del ensayo diana (estimando causal, supuestos de identificación, plan de análisis), cómo se trasladó a los datos y análisis de sensibilidad[5].
- Estudios de precisión diagnóstica: STARD 2015. La sección del libro sobre sensibilidad, especificidad y valores predictivos se complementa hoy con STARD 2015, una lista de 30 ítems esenciales que incorpora la evidencia sobre fuentes de sesgo y de variabilidad en los estudios de precisión diagnóstica[6]. Es útil para valorar, por ejemplo, estudios de dermatoscopia, de pruebas moleculares o de algoritmos de inteligencia artificial frente al estudio histológico.
- Revisiones sistemáticas: PRISMA 2020. Sustituye a la declaración de 2009 e incorpora los avances en identificación, selección, valoración y síntesis de estudios: lista de 27 ítems, versión ampliada, lista específica para el resumen y diagramas de flujo revisados para revisiones originales y actualizadas[7].
- De la evidencia a la recomendación: GRADE. El libro define las guías de práctica clínica, pero no cómo se gradúan. El sistema GRADE parte de una pregunta explícita con todos los desenlaces importantes, califica la calidad (certeza) de la evidencia según diseño, riesgo de sesgo, imprecisión, inconsistencia, evidencia indirecta y magnitud del efecto, y formula recomendaciones fuertes o débiles (condicionales) según esa calidad y el balance entre beneficios y perjuicios; propone tablas de resumen de resultados con efectos relativos y absolutos por desenlace[8].
- Valor p, intervalos de confianza y potencia: interpretaciones erróneas. Una guía de referencia de 2016 cataloga 25 malas interpretaciones frecuentes del valor p, los IC y la potencia. Entre ellas, que el valor p sea la probabilidad de que la hipótesis nula sea cierta o de que el resultado se deba al azar (la definición que da el libro), y advierte de que elegir qué análisis presentar según sus valores p puede producir p pequeños aunque la hipótesis contrastada sea cierta[9]. Se recomienda informar y leer la magnitud del efecto con su IC, no solo la dicotomía «significativo/no significativo».
- Desenlaces centrados en el paciente: HOME y los core outcome sets. Los conjuntos mínimos de desenlaces (core outcome sets, COS) reducen la heterogeneidad y la comunicación selectiva de desenlaces. La iniciativa HOME (Harmonising Outcome Measures for Eczema) completó en 2019 el COS para ensayos de dermatitis atópica, con cuatro dominios: síntomas (POEM y escala numérica de picor máximo en 24 h), signos (EASI), calidad de vida (DLQI, CDLQI e IDQoL según la edad) y control a largo plazo (RECAP o ADCT)[10]. En 2024 se publicó una guía práctica para usarlo, con datos para calcular el tamaño muestral y homogeneizar la comunicación de resultados, de modo que los ensayos puedan combinarse en metaanálisis[11].
Fuentes de la actualización
- Hopewell S, Chan AW, Collins GS, et al. CONSORT 2025 statement: updated guideline for reporting randomised trials. BMJ. 2025;389:e081123. PMID 40228833
- Chan AW, Boutron I, Hopewell S, et al. SPIRIT 2025 statement: updated guideline for protocols of randomised trials. BMJ. 2025;389:e081477. PMID 40294953
- von Elm E, Altman DG, Egger M, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-7. PMID 18064739
- Hernán MA, Robins JM. Using big data to emulate a target trial when a randomized trial is not available. Am J Epidemiol. 2016;183(8):758-64. PMID 26994063
- Cashin AG, Hansford HJ, Hernán MA, et al. Transparent reporting of observational studies emulating a target trial: the TARGET Statement. BMJ. 2025;390:e087179. PMID 40903028
- Bossuyt PM, Reitsma JB, Bruns DE, et al. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ. 2015;351:h5527. PMID 26511519
- Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. PMID 33782057
- Guyatt G, Oxman AD, Akl EA, et al. GRADE guidelines: 1. Introduction-GRADE evidence profiles and summary of findings tables. J Clin Epidemiol. 2011;64(4):383-94. PMID 21195583
- Greenland S, Senn SJ, Rothman KJ, et al. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. Eur J Epidemiol. 2016;31(4):337-50. PMID 27209009
- Williams HC, Schmitt J, Thomas KS, et al. The HOME Core outcome set for clinical trials of atopic dermatitis. J Allergy Clin Immunol. 2022;149(6):1899-1911. PMID 35351441
- Thomas KS, Howells L, Leshem YA, et al. How to use the Harmonising Outcome Measures for Eczema Core Outcome Set for atopic dermatitis trials: a users’ guide. Br J Dermatol. 2024;190(4):527-535. PMID 38123134
Conexiones en DermRX
Enlaces a las fichas y herramientas de DermRX citadas en esta lectura; la primera mención de cada una en el texto también está enlazada.
Escalas y calculadoras: CDLQI · EASI · DLQI · POEM.
Fuente y alcance editorial
Ali A (ed.). Dermatology: A Pictorial Review. 2.ª ed. McGraw-Hill Specialty Board Review. Nueva York: McGraw-Hill Medical; 2010. ISBN 978-0-07-159727-2. Capítulo 29, páginas 571-584. Síntesis en español elaborada para DermRX a partir del texto de la obra aportado para esta lectura; no es una traducción ni sustituye al libro. El cuerpo resume el libro; los apartados «Actualización a 2026» y «Fuentes de la actualización» son elaboración de DermRX, con las fuentes consultadas en octubre de 2026. Revisión clínica individual pendiente. Lectura preparada en octubre de 2026.