Статистиката е една от най-объркващите теми за физиците и студентите по физика. Най-вероятно това се дължи на факта, че се грижим повече за хората и здравето, отколкото за математиката, нали?
Е, разбирам, че сте по-заинтересовани от правилната оценка на пациента, добрата работа с него и най-новите методи на лечение, но трябва да ви кажа, че трябва да знаете статистическите стойности на специален тест и дори числата за разпространението, вероятностите преди и след теста на въпросите, които задавате на пациентите си по време на целия анамнестичен процес!
Дори бих се осмелил да кажа, че без познаването на гореспоменатите числа няма да имате представа каква стойност можете да придадете на определени въпроси, които задавате на пациента си (и на отговорите им), и ще извършвате специални тестове, без да знаете какво ще ви каже положителният или отрицателният резултат.
Когато виждам или чувам, че физиотерапевт извършва специален тест като теста на Тесали за лезии на менискуса, той е положителен и след това е 100% сигурен, че пациентът му има лезия на менискуса, това ме кара да настръхвам!
МОЛЯ, СПРЕТЕ ДА ГО ПРАВИТЕ!
Ето защо ви призовавам да продължите да четете статията ми, в която ще се опитам да ви разясня как можете и трябва да използвате статистиката, за да станете по-добър физиотерапевт, и как това знание повишава осведомеността ви за процеса на клинично разсъждение!
Като цяло ще започнете с преглед, след това с анамнеза, последвана от основна оценка. Въз основа на информацията, която сте получили по време на гореспоменатите части, формулирате хипотези, които искате да потвърдите или отхвърлите. Тук се включват чувствителността и специфичността. Затова нека първо да разгледаме какво представляват чувствителността и специфичността! Най-лесният начин е да гледате краткото видео, което направихме преди време:
И така, за да обобщим отново: Отрицателният резултат при 100% чувствителен тест може да изключи заболяването (SnNOut), а положителният резултат при 100% специфичен тест може да изключи заболяването (SpPIn).
Отрицателният резултат при 100% чувствителен тест може да изключи заболяването (SnNOut), а положителният резултат при 100% специфичен тест може да установи заболяването (SpPIn).
С помощта на двата мнемоника SnNOut и SpPIn е сравнително лесно да приложите тези две концепции на практика.
В повечето случаи ще получите по-добра представа за дефиницията им и за това какво всъщност представляват, ако можете да изчислите тези стойности с помощта на таблица 2×2. Гледайте следващия видеоклип, в който ще ви покажем как да направите частта с изчисленията:
За съжаление, в реалния живот почти няма 100% точни тестове, поради което ще имате много фалшиво положителни и фалшиво отрицателни резултати. Освен това чувствителността и специфичността ни показват колко често тестът е положителен при пациенти, за които вече знаем, че имат или нямат заболяване. На практика обаче ние не знаем дали пациентите ни имат определено състояние или не. Това, което правим на практика, е да интерпретираме резултатите от положителен или отрицателен тест.
Обикновено няма да знаете каква е вероятността пациентът действително да има заболяване с положителен изход и колко голяма е вероятността пациентът да няма заболяване с отрицателен изход.
Тези стойности се наричат положителна предиктивна стойност (PPV) и отрицателна предиктивна стойност (NPV), наричани също така вероятности след теста. Досещате се, че имаме още един видеоклип, който обяснява тези стойности с помощта на таблицата 2×2 и ви показва как да ги изчислите:
Както беше споменато във видеото, PPV и NPV са чудесни инструменти, ако имате добра представа за разпространението на вашата група пациенти и ако това разпространение е идентично с разпространението в RCT, откъдето сте взели статистическите си стойности за конкретен тест. Ако случаят не е такъв, PPV и NPV стават почти безполезни.
Представете си как се променя вероятността за скъсване на предна кръстна връзка (ACL) преди теста при различни условия: Например честотата на пациентите с разкъсване на АСЛ в обща практика ще бъде много по-ниска, отколкото в спортна клиника, специализирана в травми на коляното. Колкото по-високо е разпространението, толкова по-висока е вашата PPV и толкова по-ниска NPV.
Може би в бъдеще ще направим видеоклип и за това, но е важно да запомните, че се нуждаем от по-добра стойност от PPV и NPV, което е мястото, където съотношенията на вероятност влизат в действие.
Коефициентът на вероятност съчетава чувствителност и специфичност и ни казва колко вероятно е даден резултат от теста да се получи при хора със заболяването в сравнение с вероятността да се получи при хора без заболяване. Гледайте следния видеоклип за коефициентите на вероятност и как можете да ги изчислите:
В примера използвахме теста на Лахман, който е един от най-точните тестове в клиничната практика, но нека да разгледаме любимия ни тест на Тесали и да видим как ще се отрази нашият пример:
Според Goossens et al. (2015 г.), тестът Thessaly има чувствителност от 64% и специфичност от 53%, което води до LR+ от 1,36 и LR- от 0,68. Както вече можете да видите, тези стойности са доста близки до LR = 1, което ни казва, че те ще променят вероятността даден човек да има лезия на менискуса много малко. За да приложим тези стойности към примера с нашия случай на разкъсване на ACL, знаем, че разкъсванията на ACL често са придружени от разкъсвания на менискала. Въпреки че нашият пациент не съобщава за никакви усещания за блокиране или хващане, ние оценяваме вероятността преди теста на около 30 %.
Нашата номограма ще изглежда така:
Въз основа на (по-точните) изчисления получаваме следните вероятности след теста:
- Шансове преди теста: Разпространение/(1-разпространение) = 0,3/(1-0,3) = 0,43
- Коефициенти след теста (LR+): 0,43 x 1,36 = 0,58
- Вероятност след теста (LR+): шансове след теста / (шансове след теста+1) = 0,58/(0,58+1) = 0,37 (т.е. 37%)
- Шансове след теста (LR-): 0,43 x 0,68 = 0,29
- Вероятност след теста (LR-): коефициент след теста / (коефициент след теста+1) = 0,29/ (0,29+1) = 0,22(22%)
Така че при положителен тест на Тесали шансовете ви за мензисна лезия се увеличават от предполагаемите 30 % на 37 %, а при отрицателен тест на Тесали шансовете ви намаляват до 22 %.
Разбирате ли защо се ужасявам, ако хората правят тест и след това приемат, че пациентът им определено има или няма определено състояние?! И всичко това се основава на предположението за шансовете преди теста, което повечето хора дори забравят да вземат под внимание!
Ако искате да извършите няколко теста, да речем, че искате да добавите теста на предното чекмедже в нашия пример с ACL, ще базирате вероятността си преди теста на вероятността след теста на Лахман. Така че в случай на положителен Лахман ще започнете с вероятност преди теста от 95%, а при отрицателен Лахман ще започнете с вероятност преди теста от 19%.
Въпреки че повечето тестове имат положителен или отрицателен резултат, има и групи тестове с множество резултати. Така например, ако вземете клъстера Ласлет, при 2 от 5 положителни теста ще получите LR+ от 2,7, при 3/5 - LR+ от 4,3 и т.н.
Все пак имайте предвид, че при много висока вероятност преди изследването друг тест няма голяма стойност и е по-добре да започнете лечението си. Същото важи и за много ниска вероятност преди теста, в който случай не се прави тест и не се лекува състоянието.
Например, ако пациентът ви се представи с внезапно появила се болка в кръста, неврологични симптоми в двата крака, проблеми с микцията и анестезия на седлото, ще бъдете почти сигурни, че този пациент има синдром на кауда еквина, което е червен флаг и изисква спешна операция. Така че, ако сте сигурни в диагнозата си на 99%, тестът с прав крак (SLR) с LR- от 0,2 ще намали вероятността след теста до 95%, което все още е много високо и вие все още бихте искали да изпратите този пациент за операция.
На свой ред, ако тестът е положителен, вероятно ще преминете от 99% към 100% сигурност, така че защо изобщо да се занимавате с тестване, особено ако става въпрос за спешно направление за операция?
Същото важи и за много ниска вероятност преди теста. Ако при вас дойде пациент, който не изпитва лъчиста болка под коляното, вероятността този пациент да има радикуларен синдром, дължащ се на дискова херния, е много малка, да речем 5%. И така, какво ще се случи в този случай, ако използвате SLR с LR+ от 2,0? Вероятността след теста ще бъде 10%, а ако тестът е отрицателен, вероятността след теста ще намалее до 4%. Така че, ако сте почти сигурни, че пациентът не страда от определено заболяване, защо изобщо го изследвате?
Разбира се, на практика решението за извършване на определен тест винаги зависи от различни фактори, като например разходи, тежест на заболяването, рискове от теста и др.
Нека сега се върнем към това, което твърдях в началото, че статистическите стойности ви помагат да оцените резултата от разпита си по време на снемането на историята на пациента.
Всъщност всеки въпрос може да се разглежда като специален тест, при който отговорът (да или не) ще увеличи или намали вероятността пациентът да има определено състояние. Това е и причината, поради която задълбочената анамнеза в повечето случаи е по-важна от специалните тестове, тъй като на практика извършвате поредица от специални тестове подред,
ако сте добър клиницист, който умее да формулира хипотеза въз основа на отговорите на пациента.
Нека вземем друг пример: Как влияе положителният отговор на въпроса за продължителната употреба на кортикостероиди върху вероятността от гръбначна фрактура?
Според Henschke et al. (2009), продължителната употреба на кортикостероиди има положителен LR+ от 48,5. Разпространението (вероятността преди теста) на фрактура на гръбначния стълб при постъпване в първичната медицинска помощ може да се оцени между 1 и 4 % според Williams et al. (2013) при пациенти с болки в кръста.
Така че при продължителна употреба на кортикостероиди ще получим вероятност след теста от 33%, въпреки че в това примерно изчисление сме приели само 1% разпространение.
Мисля, че е справедливо да се каже, че този въпрос за кортикостероидите трябва винаги да се задава при скрининговата процедура за гръбначни фрактури!
Нека сега разгледаме друг червен флаг, който често се използва при скрининга за злокачествени заболявания при пациенти с болки в кръста: Коварно начало на болки в кръста.
Според Deyo et al. (1988 г., признавам, че това е доста старо проучване), LR+ за този въпрос е 1,1. Според Henschke et al (2009) честотата на злокачествените заболявания при пациенти с болки в гърба е дори по-ниска от 1%, но ние ще изчислим този 1% само за улеснение.
Така че коварното начало с червен флаг увеличава вероятността след теста злокачественото заболяване да е причина за болка в кръста от 1% на точно 1,1%. Мисля, че можем да се съгласим, че този червен флаг трябва да бъде изхвърлен от всяка насока, в която е посочен.
Ортопедична физиотерапия на горните и долните крайници
Усъвършенствайте знанията си за 23-те най-често срещани ортопедични патологии само за 40 часа, без да харчите цяло състояние за курсове по CPD
Знам, че това беше дълъг пост и поздравления и уважение, ако сте стигнали до тук! Моята цел беше да ви обясня как да работите със статистически стойности като чувствителност, специфичност, PPV, NPV и особено с коефициентите на вероятност и да ви запозная с тяхното значение в целия физиотерапевтичен процес.
Би било фантастично, ако можехте да вземете предвид разпространението на определена хипотеза при бъдещите си пациенти, да имате представа за въздействието на вашите анамнестични въпроси върху вероятността за предварителен тест и да можете правилно да оцените силата на вашите специални тестове.
Чувствайте се свободни да задавате въпроси в коментар и да споделяте тази публикация, ако ви е била полезна!
Благодарим ви, че четете!
Кай
Препратки
