nu puteți interpreta rezultatele unui test fără a cunoaște probabilitatea de pretestare.
sunt sigur că am auzit cu toții aceeași prelegere despre testele de screening. Sunt sigur că am fost cu toții surprinși de numerele ciudate care rezultă din aplicarea testelor aparent excelente la populațiile cu risc scăzut. Sunt sigur că știm cu toții că nu ar trebui să folosim teste de sarcină la bărbați.
dar aceste exemple de clasă sunt prea ușor de uitat atunci când lucrează schimburi de urgență ocupat. Comandăm sute de teste în fiecare oră (dacă luați în considerare fiecare test de laborator separat) și pur și simplu nu avem timp să ne luptăm cu formula lui Bayes cu fiecare test.
de cele mai multe ori ne descurcăm. Matematica funcționează fără a fi recunoscută sau ignorăm rezultatele testelor (cum ar fi numărul eronat de celule albe din sânge) fără a recunoaște în mod oficial explicația Bayesiană pentru că acestea sunt greșite. Dar uneori greșim incredibil. Uneori, acest lucru îi rănește pe pacienții noștri.
deci, este important să vă reamintim: nu puteți interpreta rezultatele testelor fără a cunoaște probabilitatea pretestării.
un exemplu: teste de Screening
cele mai surprinzătoare rezultate ale acestui principal provin din screening. Voi folosi un exemplu teoretic ridicat din excelentul manual” erori Cognitive și greșeli de Diagnostic ” de Jonathan Howard: (Howard 2019)
Imaginați-vă o nouă scanare CT care nu ratează niciodată un caz de cancer de sân (este 100% sensibil), dar are ca rezultat o lectură fals pozitivă la 5% dintre femeile sănătoase (este 95% specifică). Este un test fantastic – mai precis decât majoritatea pe care le folosim. Am dori să-l folosim pentru a detecta cancerul de sân devreme, ca parte a unui protocol de screening. La femeile cu vârsta sub 50 de ani, rata cancerului de sân este de 1 din 1000. Dacă Robin, o femeie de 45 de ani, are un test pozitiv, care este probabilitatea ca ea să aibă cancer? (Testați-vă – faceți o presupunere acum).
se pare că Robin are o șansă destul de mare de cancer. La urma urmei, un test foarte precis spune că are cancer. Dar să facem calculele. Într-un eșantion de 1.000 de femei, ne așteptăm ca 1 să aibă cancer. CT este perfect și identifică o femeie cu cancer. Cu toate acestea, rata fals pozitivă de 5% înseamnă că din acest grup de o mie de femei, 50 vor primi rezultate fals pozitive. Există 51 de teste pozitive și doar 1 caz adevărat de cancer. Prin urmare, șansa lui Robin de a avea cancer, în ciuda CT-ului pozitiv, este de 1/51, sau aproximativ 2%.
un rezultat pozitiv la un test foarte precis, și există încă doar o șansă de 2% pacientul are boala?!
rezultatele testelor, în special cele de la testele de înaltă tehnologie, cum ar fi CTs și RMN, sunt prea des tratate ca fiind perfecte. Pur și simplu Acceptăm rezultatele ca „diagnosticul”, dar cazul lui Robin este o amintire excelentă a failibilității testelor noastre. Chiar dacă CT a fost specific 99%, probabilitatea posttest ar fi totuși doar 10%. E surprinzător. Nu ne așteptăm ca testele exacte să fie greșite mai des decât au dreptate.
s-ar putea argumenta că 1 din 1000 este o probabilitate pretest foarte scăzut. În medicina de urgență, avem grijă de pacienții simptomatici cu o incidență inițială mai mare a bolii. (Din păcate, dacă luați în considerare utilizarea testelor de stres, cred că veți găsi această presupunere incorectă.) Din acest motiv, cred că exemplul de urmărire este și mai interesant. Să presupunem că aplicăm același CT unei femei de 70 de ani, care are o probabilitate de pre-testare de 10% a bolii. Într-un grup de 1.000 de pacienți, acum 100 de pacienți vor avea cancer de sân, iar CT le va identifica pe toate. Dintre cele 900 de femei sănătoase, 45 vor avea CTs pozitive. Deci rezultatele sunt mult mai bune. Dacă aveți un CT pozitiv, aveți o șansă de 69% (100/145) de a avea cancer. Cu toate acestea, chiar și într-un scenariu cu o probabilitate moderată de pretest și un test foarte precis (mult mai bun decât majoritatea pe care îl folosim în medicina de urgență) există încă o șansă de 30% ca acesta să fie un fals pozitiv!
cum se aplică acest lucru la medicina de urgență?
testele trebuie interpretate (sau mai bine ordonate) după luarea în considerare a probabilității de pretest.
aud frecvent povești despre „capturi mari”. Dintre medicii care au comandat un CTPA, în ciuda faptului că pacientul are un risc scăzut pentru PE și PERC negativ. Scăzut și iată, CT este pozitiv. Doctorul se laudă pe larg despre această mare salvare. Locuitorii sunt învățați despre failibilitatea regulii PERC și, în cele din urmă, sunt ordonate mai multe CTs.
puteți vedea, probabil, în cazul în care acest lucru se întâmplă. Să facem asta matematica. După ce un pacient adecvat este exclus de scorul PERC, are aproximativ 1,4% șanse de PE. (Kline 2004) o angiogramă pulmonară CT este un test destul de bun, deși am discutat anterior date care demonstrează că radiologii adesea nu sunt de acord cu privire la citirea finală. (Miller 2015) cele mai bune date pe care le avem provin probabil din studiul PIOPED II, care a constatat că un CTPA are o sensibilitate de 83% și o specificitate de 96% în comparație cu angiografia pulmonară tradițională. (Stein 2006) tehnologia CT sa schimbat de la studiul PIOPED, astfel încât sensibilitatea este aproape sigur mai bună (dar am avut foarte greu să găsesc o estimare modernă). De dragul calculelor noastre, voi presupune doar o sensibilitate de 95%.
astfel, pentru fiecare 1000 de pacienți cu risc scăzut PERC negativ observați în ED, vor exista 14 PEs. CT va prinde 13 dintre acești 14 pacienți. Pentru restul de 986 de pacienți, CT va fi fals pozitiv în 39. Prin urmare, CT va fi pozitiv la 52 de pacienți în total, dar doar 13 dintre acești pacienți (25%) au de fapt un PE.
deci, atunci când un coleg se laudă cu găsirea unui EP la un pacient cu risc scăzut, PERC negativ, există șanse de 75% să greșească. Există o șansă de 75% Ca pacientului să i se administreze anticoagulant inutil. O șansă de 75% Ca, deși CT-ul a fost fals pozitiv, pacientul să se grăbească la secția de urgență pentru orice durere toracică sau dificultăți sau respirație pentru tot restul vieții, obținând mult mai multe teste (și potențial mai multe fals pozitive). Cu alte cuvinte, există 75% șanse să rănim acest pacient.
nu puteți interpreta rezultatele unui test fără a cunoaște probabilitatea pretestului.
acest lucru este valabil pentru toate testele noastre. Indiferent dacă comandați un CT, un număr de sânge, o radiografie sau un ECG. Nu puteți interpreta rezultatele unui test fără a cunoaște probabilitatea pretestului. Încercarea de a face acest lucru vă va răni pacienții.
Howard, J. (2018). Erori Cognitive și greșeli de Diagnostic. : Editura Springer International.
Kline JA, Mitchell am, Kabrhel C, Richman PB, Courtney DM. Criterii clinice pentru prevenirea testelor de diagnostic inutile la pacienții Departamentului de urgență cu suspiciune de embolie pulmonară. Jurnalul de tromboză și hemostază: JTH. 2004; 2(8):1247-55.
Miller WT, Marinari LA, Barbosa E, și colab. Defectele arterei pulmonare mici nu sunt indicatori fiabili ai emboliei pulmonare. Ann Am Thorac Soc. 2015. PMID: 25961445
Stein PD, Fowler SE, Goodman LR, și colab. Tomografie computerizată Multidetector pentru embolie pulmonară acută. New England journal of medicine. 2006; 354(22):2317-27.
fotografie de Crissy Jarvis pe Unsplash