PIR 2025 · Pregunta 116
Trastornos de síntomas somáticos y relacionados¿Cuál de las siguientes descripciones es correcta en relación con la evolución del trastorno de síntomas neurológicos funcionales?:
Ver respuesta sin contestar
Respuesta correcta: C (clave oficial publicada)
Explicación
El pronóstico del trastorno de síntomas neurológicos funcionales (TSNF) es variable y, en general, reservado. La evidencia actual (DSM-5-TR y revisiones sistemáticas) indica que la evolución favorable se asocia a una edad de inicio joven y a una corta duración de los síntomas antes del diagnóstico. La larga duración crónica se asocia a peor pronóstico y mayor consolidación del síntoma. Los ataques psicógenos no epilépticos (APNE) rara vez remiten espontáneamente.
C. El DSM-5-TR y los estudios de seguimiento (p. ej., Gelauff et al., 2014) establecen que un diagnóstico precoz y una edad joven son predictores de mejor evolución y mayor probabilidad de remisión. Esta es la única opción que refleja con precisión los factores pronósticos validados.
- A. Falsa. Aunque manuales clásicos sugerían una remisión espontánea frecuente en síntomas agudos, la evidencia actual y el DSM-5-TR indican que el curso suele ser persistente o recurrente, con una proporción importante de pacientes que mantienen síntomas y discapacidad a largo plazo.
- B. Falsa. Invierte el factor pronóstico: la larga duración de los síntomas es un predictor de mal pronóstico, no de buen pronóstico.
- D. Falsa. Los APNE tienen un curso crónico en la mayoría de los casos sin tratamiento específico; la remisión espontánea es minoritaria (estimada en torno al 10-20%).
Fuentes
- DSM-5-TR. Manual diagnóstico y estadístico de los trastornos mentales, 5.ª ed., texto revisado (APA, 2022)
- Gelauff JM, Stone J, Edwards MJ, Carson A. The prognosis of functional (psychogenic) motor symptoms: a systematic review. J Neurol Neurosurg Psychiatry. 2014;85(5):559-66
- Reuber M, Elger CE. Psychogenic nonepileptic seizures: review and update. Epilepsy Behav. 2003;4(3):205-16
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.