Statistika je jedním z nejzmatenějších témat pro fyziology a studenty fyziky. Nejspíš je to dáno tím, že nám více záleží na lidech a zdraví než na matematice, že?
Chápu, že vás více zajímá správné posouzení pacienta, dobrá manipulace a nejnovější léčebné metody, ale musím vám říct, že potřebujete znát statistické hodnoty speciálního testu a dokonce i čísla o prevalenci, předtestové a potestové pravděpodobnosti otázek, které kladete pacientům během celého anamnestického procesu!
Dokonce si troufám tvrdit, že bez znalosti výše uvedených čísel nebudete tušit, jakou váhu můžete přikládat některým otázkám, které pacientovi položíte (a odpovědím na ně), a budete provádět speciální testy, aniž byste skutečně věděli, co vám pozitivní či negativní výsledek napoví.
Když vidím nebo slyším, že fyzioterapeut provede speciální test, jako je Thessalyho test na menisky, je pozitivní a po něm si je stoprocentně jistý, že jeho pacient má meniskus, je mi z toho úzko!
PROSÍM, PŘESTAŇTE TO DĚLAT!
Proto vás vyzývám, abyste pokračovali ve čtení mého příspěvku, ve kterém se vám pokusím přiblížit, jak můžete a měli byste používat statistiku, abyste se stali lepšími lékaři, a jak tyto znalosti zvyšují vaše povědomí o procesu klinického uvažování!
Obecně platí, že začnete screeningem, poté anamnézou a následně základním vyšetřením. Na základě informací, které jste získali během výše uvedených částí, formulujete své hypotézy, které byste chtěli buď potvrdit, nebo zamítnout. V tomto případě vstupuje do hry citlivost a specifičnost. Pojďme se tedy nejprve podívat, co je to citlivost a specifičnost! Nejjednodušší je podívat se na krátké video, které jsme před časem natočili:
Takže to shrňme ještě jednou: Negativní výsledek 100% citlivého testu může nemoc vyloučit (SnNOut) a pozitivní výsledek 100% specifického testu může nemoc vyloučit (SpPIn).
Negativní výsledek 100% citlivého testu může nemoc vyloučit (SnNOut) a pozitivní výsledek 100% specifického testu může nemoc vyloučit (SpPIn).
Pomocí dvou mnemotechnických pomůcek SnNOut a SpPIn lze tyto dva pojmy poměrně snadno uvést do praxe.
Většinou lépe pochopíte jejich definici a jejich skutečnou hodnotu, pokud jste schopni tyto hodnoty vypočítat pomocí tabulky 2×2. Podívejte se na další video, které vám ukáže, jak provést výpočet:
V reálném životě bohužel neexistují téměř žádné 100% přesné testy, a proto budete mít mnoho falešně pozitivních a falešně negativních výsledků. Kromě toho nám citlivost a specifičnost říkají, jak často je test pozitivní u pacientů, o kterých již víme, že onemocnění mají, nebo ne. V praxi však nevíme, zda naši pacienti určitým stavem trpí, či nikoli. V praxi spíše interpretujeme výsledky pozitivního nebo negativního testu.
Obvykle se nedozvíte, jaká je pravděpodobnost, že pacient skutečně má nemoc s pozitivním výsledkem, a jak vysoká je pravděpodobnost, že pacient nemoc nemá s negativním výsledkem.
Tyto hodnoty se nazývají pozitivní prediktivní hodnota (PPV) a negativní prediktivní hodnota (NPV), nazývané také post-testové pravděpodobnosti. Uhodli jste - máme pro vás další video, které tyto hodnoty vysvětluje pomocí tabulky 2×2 a ukazuje, jak tyto hodnoty vypočítat:
Jak bylo zmíněno ve videu, PPV a NPV jsou skvělými nástroji, pokud máte dobrou představu o prevalenci vaší skupiny pacientů a pokud je tato prevalence totožná s prevalencí RCT, odkud jste získali statistické hodnoty pro konkrétní test. Pokud tomu tak není, jsou PPV a NPV v podstatě zbytečné.
Představte si, jak se v různých podmínkách mění pravděpodobnost přetržení předního zkříženého vazu (ACL) před testem: Například výskyt pacientů s přetrženým křížovým vazem v ordinaci praktického lékaře bude mnohem nižší než na sportovní klinice, která se specializuje na poranění kolene. Čím vyšší je prevalence, tím vyšší je PPV a nižší NPV.
Možná o tom v budoucnu natočíme i video, ale je důležité si uvědomit, že potřebujeme lepší hodnotu než PPV a NPV, a proto se do hry dostávají poměry pravděpodobnosti.
Poměr pravděpodobnosti kombinuje citlivost a specifičnost a říká nám, jak pravděpodobný je výsledek daného testu u lidí s daným onemocněním ve srovnání s pravděpodobností u lidí bez onemocnění. Podívejte se na následující video o poměrech pravděpodobnosti a jejich výpočtu:
V příkladu jsme použili Lachmanův test, který je jedním z nejpřesnějších testů, které se v klinické praxi používají, ale podívejme se na náš oblíbený Thessalyho test a na to, jak náš příklad dopadne:
Podle Goossense a kol. (2015), má Thessalyho test senzitivitu 64 % a specificitu 53 %, což znamená LR+ 1,36 a LR- 0,68. Jak již vidíte, tyto hodnoty jsou poměrně blízko LR = 1, což nám říká, že pravděpodobnost, že má člověk lézi menisku, změní jen velmi málo. Abychom tyto hodnoty aplikovali na příklad našeho případu natržení ACL, víme, že natržení ACL je často doprovázeno natržením menisku. Přestože náš pacient neuvádí žádné pocity zablokování nebo chycení, odhadujeme pravděpodobnost před testem na přibližně 30 %.
Náš nomogram bude vypadat takto:
Na základě (přesnějších) výpočtů jsme dospěli k následujícím pravděpodobnostem po testu:
- Šance před testem: Prevalence/(1-prevalence) = 0,3/(1-0,3) = 0,43
- Post-test odds (LR+): 0,43 x 1,36 = 0,58
- Pravděpodobnost po testu (LR+): šance po testu / (šance po testu+1) = 0,58/(0,58+1) = 0,37 (tedy 37 %)
- Šance po testu (LR-): 0,43 x 0,68 = 0,29
- Pravděpodobnost po testu (LR-): šance po testu / (šance po testu+1) = 0,29/ (0,29+1) = 0,22(22 %).
Při pozitivním Thessalyho testu se tedy šance na menzes zvýšila z předpokládaných 30 % na 37 % a při negativním Thessalyho testu se snížila na 22 %.
Chápete, proč mě děsí, když lidé provedou test a pak předpokládají, že jejich pacient určitě trpí nebo netrpí určitým onemocněním?! A to vše vychází z předpokladu šancí před testem, které většina lidí dokonce zapomíná brát v úvahu!
Pokud chcete provést více testů, například chcete přidat test přední zásuvky v našem příkladu ACL, budete vycházet z pravděpodobnosti před testem a pravděpodobnosti po testu Lachmanova testu. V případě pozitivního Lachmanova testu tedy začínáte s pravděpodobností 95 % před testem a v případě negativního Lachmanova testu začínáte s pravděpodobností 19 % před testem.
Většina testů má buď pozitivní, nebo negativní výsledek, existují však i skupiny testů s více výsledky. Pokud tedy vezmete například shluk Laslett, u 2 z 5 pozitivních testů dosáhnete LR+ 2,7, u 3/5 LR+ 4,3 atd.
Uvědomte si však, že při velmi vysoké pravděpodobnosti před testem má další test malou hodnotu a je lepší zahájit léčbu. Totéž platí i pro velmi nízkou předtestovou pravděpodobnost, v takovém případě se netestuje a stav se také neléčí.
Pokud k vám například přijde pacient s náhlým nástupem bolesti v dolní části zad, neurologickými příznaky v obou nohách, problémy s mikcí a anestezií sedla, budete si zcela jistí, že má syndrom kaudy, což je varovný signál a vyžaduje urgentní operaci. Jste-li si tedy řekněme 99 % jisti svou diagnózou, test s přímou nohou (SLR) s LR- 0,2 sníží pravděpodobnost po testu na 95 %, což je stále velmi vysoká pravděpodobnost a pacienta byste přesto chtěli poslat na operaci.
Naopak, pokud by byl test pozitivní, pravděpodobně byste se dostali z 99 % na 100 % jistotu, takže proč se vůbec testováním zabývat, zejména pokud se jedná o urgentní doporučení k operaci?
Totéž platí pro velmi nízkou pravděpodobnost před testem. Pokud k vám přijde pacient bez vyzařující bolesti pod kolenem, je pravděpodobnost radikulárního syndromu způsobeného hernií disku u tohoto pacienta velmi nízká, řekněme 5 %. Co by se tedy v tomto případě stalo, kdybyste provedli zrcadlovku s LR+ 2,0? Pravděpodobnost po testu by byla 10 %, a pokud by byl test negativní, pravděpodobnost po testu by se snížila na 4 %. Pokud jste si tedy téměř jisti, že pacient určitou nemocí netrpí, proč ji vůbec testovat?
V praxi samozřejmě rozhodnutí o provedení určitého testu vždy závisí na různých faktorech, jako jsou náklady, závažnost onemocnění, rizika testu atd.
Vraťme se nyní k tomu, co jsem tvrdil na začátku, že statistické hodnoty vám pomohou vyhodnotit výsledek vašeho dotazování při odebírání historie pacienta.
Ve skutečnosti lze každou otázku považovat za speciální test, jehož odpověď (ano nebo ne) buď zvýší, nebo sníží pravděpodobnost, že pacient trpí určitým onemocněním. To je také důvod, proč je důkladná anamnéza většinou důležitější než speciální testy, protože v podstatě provádíte řadu speciálních testů za sebou,
pokud jste dobrý klinik, který umí na základě odpovědí pacienta vytvořit hypotézu.
Vezměme si tedy jiný příklad: Jak ovlivňuje kladná odpověď na otázku o dlouhodobém užívání kortikosteroidů možnost vzniku zlomeniny páteře?
Podle Henschkeho a kol. (2009) má dlouhodobé užívání kortikosteroidů pozitivní LR+ 48,5. Prevalenci (pravděpodobnost před vyšetřením) zlomeniny páteře, která se objeví v primární péči, lze podle Williho odhadnout na 1-4 %.ams et al. (2013) u pacientů s bolestmi zad.
Při dlouhodobém užívání kortikosteroidů tedy dostaneme pravděpodobnost po testu 33 %, přestože jsme v tomto příkladu výpočtu předpokládali pouze 1% prevalenci.
Myslím, že je spravedlivé říci, že tato otázka ohledně kortikosteroidů by měla být vždy položena při screeningu zlomenin páteře!
Podívejme se nyní na další červený příznak, který se běžně používá při screeningu malignity u pacientů s bolestmi zad: Zákeřný nástup bolesti zad.
Podle Deyo et al. (1988, uznávám, že je to dost stará studie), LR+ pro tuto otázku je 1,1. Podle Henschkeho et al (2009) je prevalence malignit u pacientů s bolestmi zad ještě nižší než 1 %, ale my budeme pro zjednodušení počítat s tímto 1 %.
Zákeřný nástup červené vlajky tedy zvyšuje pravděpodobnost malignity jako příčiny bolesti zad po testu z 1 % na přesně 1,1 %. Myslím, že se shodneme na tom, že tento červený praporek by měl být vyřazen ze všech pokynů, ve kterých je uveden.
Ortopedická fyzioterapie horních a dolních končetin
Zvyšte své znalosti o 23 nejčastějších ortopedických patologiích za pouhých 40 hodin, aniž byste museli utrácet za kurzy CPD
Vím, že to byl dlouhý příspěvek a gratuluji a respektuji, pokud jste se sem dostali! Mým cílem bylo podat vám vysvětlení, jak pracovat se statistickými hodnotami, jako jsou senzitivita, specificita, PPV, NPV, a zejména s poměrem pravděpodobnosti, a uvědomit si jejich význam v celém fyzioterapeutickém procesu.
Bylo by fantastické, kdybyste mohli u svých budoucích pacientů zohlednit prevalenci určité hypotézy, mít představu o vlivu vašich anamnestických otázek na pravděpodobnost před testem a mohli byste správně vyhodnotit sílu vašeho speciálního testování.
Neváhejte se ptát v komentářích a sdílet tento příspěvek, pokud vám pomohl!
Děkujeme za přečtení!
Kai
Odkazy
