testin tuloksia ei voi tulkita tuntematta pretest-todennäköisyyttä.
olen varma, että olemme kaikki kuulleet saman luennon seulontatesteistä. Olen varma, että olemme kaikki yllättyneet oudoista luvuista, jotka johtuvat näennäisesti erinomaisten testien soveltamisesta alhaisen riskin väestöryhmiin. Olen varma, että me kaikki tiedämme, että meidän ei pitäisi käyttää raskaustestejä miehille.
mutta nuo luokkahuoneesimerkit unohtuvat liian helposti kiireisiä hätävuoroja tehdessä. Tilaamme satoja testejä joka tunti (jos harkitset jokaista laboratoriotestiä erikseen), ja meillä ei yksinkertaisesti ole aikaa kamppailla Bayesin kaavan kanssa jokaisen testin kanssa.
useimmiten tullaan toimeen. Matematiikka toimii ilman tunnustamista, tai me sivuutamme testitulokset (kuten virheelliset valkosolujen määrät) tunnustamatta virallisesti Bayesilaisen selitystä niiden vääräksi. Mutta joskus käsitämme tämän uskomattoman väärin. Joskus tämä satuttaa potilaitamme.
siksi on tärkeää muistuttaa: testituloksia ei voi tulkita ilman, että tietää pretest-todennäköisyyden.
esimerkki: seulontatestit
tämän pääaineen yllättävimmät tulokset tulevat seulonnoista. Käytän teoreettista esimerkkiä, joka on otettu Jonathan Howardin erinomaisesta oppikirjasta ”kognitiiviset virheet ja diagnostiset virheet”: (Howard 2019)
Kuvittele Uusi CT-kuvaus, joka ei koskaan unohda rintasyöpätapausta (on 100% herkkä), mutta johtaa väärään positiiviseen lukemaan 5%: lla terveistä naisista (on 95% spesifinen). Se on fantastinen testi – tarkempi kuin useimmat käyttämämme. Haluaisimme käyttää sitä rintasyövän varhaiseen havaitsemiseen osana seulontaprotokollaa. Alle 50-vuotiailla naisilla rintasyövän yleisyys on yksi tuhannesta. Jos 45-vuotiaan Robinin testi on positiivinen, mikä on todennäköisyys, että hän sairastuu syöpään? (Testaa itsesi-tee arvaus nyt).
kuulostaa siltä, että Robinilla on aika suuri mahdollisuus sairastua syöpään. Tarkka testihän kertoo, että hänellä on syöpä. Mutta lasketaan. 1 000 naisen otoksessa odotetaan, että yhdellä on syöpä. TT on täydellinen ja tunnistaa naisen, jolla on syöpä. Väärien positiivisten 5 prosentin osuus tarkoittaa kuitenkin sitä, että tästä tuhannen naisen ryhmästä 50 saa vääriä positiivisia tuloksia. Positiivisia testejä on 51 ja todellisia syöpätapauksia vain 1. Siksi Robinin todennäköisyys sairastua syöpään positiivisesta TT: stä huolimatta on 1/51 eli noin 2 prosenttia.
erittäin tarkan testin positiivinen tulos, ja on edelleen vain 2% mahdollisuus, että potilaalla on sairaus?!
testituloksia, erityisesti korkean teknologian testeissä, kuten TTS-ja MRIs-testeissä, pidetään liian usein täydellisinä. Me yksinkertaisesti hyväksymme tulokset ”diagnoosina”, mutta Robinin tapaus on erinomainen muistutus testiemme virheettömyydestä. Vaikka CT olisi 99% spesifinen, posttest todennäköisyys olisi silti vain 10%. Se on yllättävää. Emme odota tarkkojen testien olevan väärässä useammin kuin oikeassa.
voisi väittää, että yksi tuhannesta on hyvin pieni todennäköisyys. Ensihoitolääketieteessä hoidamme oireilevia potilaita, joilla sairauden ilmaantuvuus on lähtötilanteessa korkeampi. (Valitettavasti, jos pidätte stressitestien käyttöämme, uskon, että pidätte tätä olettamusta virheellisenä.) Tästä syystä mielestäni seurantaesimerkki on vielä mielenkiintoisempi. Oletetaan sovellamme samaa CT 70-vuotias nainen, joka on 10% pretest todennäköisyys taudin. 1 000 potilaan ryhmässä nyt 100 potilasta sairastuu rintasyöpään, ja TT tunnistaa heidät kaikki. 900 terveestä naisesta 45: llä on positiivinen TT. Tulokset ovat siis paljon parempia. Jos sinulla on positiivinen CT, sinulla on 69% (100/145) mahdollisuus sairastua syöpään. Kuitenkin jopa skenaariossa, jossa on kohtalainen pretest todennäköisyys ja erittäin tarkka testi (paljon parempi kuin useimmat käytämme hätälääketieteessä), on vielä 30 prosentin mahdollisuus, että tämä on väärä positiivinen!
miten tämä koskee ensihoitoa?
testit on tulkittava (tai parempi vielä järjestää) pretest-todennäköisyyden tarkastelun jälkeen.
kuulen usein tarinoita ”suurista saaliista”. Ctpa: n määränneistä lääkäreistä, vaikka potilaan riski PE-ja PERC-negatiivisiin on pieni. TT-Kuva on positiivinen. Lääkäri kehuu laajalti tätä suurta pelastusta. Asukkaille opetetaan PERC-säännön virheellisyydestä, ja lopulta TT: Itä tilataan lisää.
varmaan näkee, mihin tämä on menossa. Tehdään se Matikka. Kun sopiva potilas on suljettu pois PERC pisteet, hän on noin 1,4% mahdollisuus PE. (Kline 2004) CT keuhkojen varjoainekuvaus on melko hyvä testi, vaikka olen aiemmin keskustellut tiedot osoittavat, että radiologit usein eri mieltä lopullisesta lukemasta. (Miller 2015) paras tieto on luultavasti peräisin PIOPED II-tutkimuksesta, jossa todettiin, että CTPA: lla on 83% herkkyys ja 96% spesifisyys verrattuna perinteiseen keuhkoangiografiaan. (Stein 2006) CT-tekniikka on muuttunut PIOPED-tutkimuksen jälkeen, joten herkkyys on lähes varmasti parempi (mutta minulla oli hyvin vaikea löytää moderni arvio). Laskelmiemme vuoksi oletan, että herkkyys on 95 prosenttia.
näin ollen jokaista 1000: ta alhaisen riskin PERC-negatiivista potilasta kohti tulee 14 PE: tä. TT-kuva otetaan 13: een näistä 14 potilaasta. Lopuilla 986 potilaalla TT-arvo on valheellisesti positiivinen 39: llä. Siksi CT on positiivinen 52: lla kokonaispotilaalla, mutta vain 13: lla näistä potilaista (25%) on todellinen PE.
joten kun kollega kehuskelee löytäneensä PE: n pieniriskiseltä, PERC-negatiiviselta potilaalta, on 75 prosentin mahdollisuus, että he ovat väärässä. On 75 prosentin mahdollisuus, että potilaalle on annettu tarpeetonta antikoagulanttia. 75%: n mahdollisuus, että vaikka CT oli väärä positiivinen, potilas ryntää päivystykseen rintakipua tai hengenahdistusta varten loppuelämänsä ajan, saa paljon enemmän testejä (ja mahdollisesti enemmän vääriä positiivisia). Toisin sanoen on 75 prosentin mahdollisuus, että vahingoitamme tätä potilasta.
testin tuloksia ei voi tulkita tuntematta pretest-todennäköisyyttä.
tämä pätee kaikkiin testeihimme. Tilaatpa sitten TT: n, verenkuvan, röntgenkuvan tai EKG: n. Testin tuloksia ei voi tulkita tuntematta teeskentelevää todennäköisyyttä. Se vahingoittaa potilaitasi.
Howard, J. (2018). Kognitiivisia virheitä ja diagnostisia virheitä. : Springer International Publishing.
Kline JA, Mitchell AM, Kabrhel C, Richman PB, Courtney DM. Kliiniset kriteerit tarpeettoman diagnostisen testauksen estämiseksi päivystyspotilailla, joilla epäillään keuhkoveritulppaa. Journal of thromboos and haemostasis: JTH. 2004; 2(8):1247-55.
Miller WT, Marinari LA, Barbosa E, et al. Pienet Keuhkovaltimovirheet eivät ole luotettavia keuhkoveritulpan indikaattoreita. Ann Am Thorac Soc. 2015. PMID: 25961445
Stein PD, Fowler SE, Goodman LR, et al. Tietokonetomografia akuutin keuhkoembolian varalta. New England journal of medicine. 2006; 354(22):2317-27.
Kuva: Crissy Jarvis on Unsplash