Statistika je jedna od najzbunjujućih tema za fizioterapeute i studente fizioteke. Najvjerojatnije je to zbog činjenice da više brinemo o ljudima i zdravlju nego o matematici, zar ne?
Pa, shvaćam da ste više zainteresirani za ispravnu procjenu vašeg pacijenta, dobro rukovanje i najnovije metode liječenja, ali moram vam reći da trebate znati statističke vrijednosti posebnog testa, pa čak i brojke o prevalenciji, prije testa , i posttestne vjerojatnosti pitanja koja postavljate svojim pacijentima tijekom cijelog anamnestičkog procesa!
Čak bih se usudio reći da bez znanja o gore navedenim brojevima, nećete imati pojma koliko vrijedite određenim pitanjima koja postavljate svom pacijentu (i odgovorima na njih) i provodit ćete posebne testove, a da zapravo ne znate što će vam reći pozitivan ili negativan ishod.
Kad vidim ili čujem da fizioterapeut radi poseban test kao što je Thessaly test za lezije meniskusa, on je pozitivan, a nakon toga su 100% sigurni da njihov pacijent ima leziju meniskusa, naježim se!
MOLIM VAS PRESTANITE TO RADITI!
Zato vas pozivam da nastavite čitati moj post u kojem ću vam pokušati dati uvid u to kako možete i trebate koristiti statistiku da postanete bolji fizioterapeut i kako to znanje povećava vašu svijest o vašem procesu kliničkog zaključivanja!
Općenito, počet ćete s probirom, zatim anamnezom, nakon čega slijedi osnovna procjena. Na temelju informacija koje ste dobili tijekom navedenih dijelova, formirate svoje hipoteze koje želite ili potvrditi ili odbaciti. Tu dolazi do izražaja osjetljivost i specifičnost. Dakle, prvo pogledajmo što su osjetljivost i specifičnost! Najlakši način je da pogledate kratki video koji smo maloprije napravili:
Pa da opet sažmemo: Negativan ishod 100% osjetljivog testa može isključiti bolest (SnNOut), a pozitivan ishod 100% specifičnog testa može isključiti bolest (SpPIn).
Negativan ishod u 100% osjetljivom testu može isključiti bolest (SnNOut), a pozitivan ishod u 100% specifičnom testu može presuditi u bolesti (SpPIn)
Uz dvije mnemotehnike SnNOut i SpPIn, relativno je lako staviti ova dva koncepta u praksu.
Većinu vremena bolje ćete shvatiti njihovu definiciju i što oni zapravo jesu ako možete izračunati te vrijednosti pomoću tablice 2×2. Pogledajte naš sljedeći video koji će vam pokazati kako napraviti dio izračuna:
Nažalost, u stvarnom životu jedva da postoje 100% točni testovi, zbog čega ćete imati mnogo lažno pozitivnih i lažno negativnih rezultata. Povrh toga, osjetljivost i specifičnost nam govore koliko je često test pozitivan kod pacijenata za koje već znamo da imaju bolest ili ne. U praksi, međutim, ne znamo imaju li naši pacijenti određeno stanje ili ne. Ono što u praksi radije činimo je tumačenje rezultata pozitivnog ili negativnog testa.
Obično nećete znati kolika je vjerojatnost da pacijent zaista ima bolest s pozitivnim ishodom i kolika je vjerojatnost da pacijent nema bolest s negativnim ishodom.
Te se vrijednosti nazivaju pozitivna prediktivna vrijednost (PPV) i negativna prediktivna vrijednost (NPV), a nazivaju se i posttestne vjerojatnosti. Pogađate – imamo još jedan video koji objašnjava ove vrijednosti uz pomoć tablice 2×2 i pokazuje vam kako izračunati ove vrijednosti:
Sada, kao što je spomenuto u videu, PPV i NPV su sjajni alati ako imate dobru predodžbu o prevalenciji vaše skupine pacijenata i ako je ta prevalencija identična prevalenciji RCT-a, odakle ste dobili svoje statističke vrijednosti za određeni test na prvom mjestu. Ako to nije slučaj, PPV i NPV postaju prilično beskorisni.
Zamislite kako se vjerojatnost pucanja prednjeg križnog ligamenta (ACL) prije testiranja mijenja u različitim postavkama: Na primjer, učestalost pacijenata s pukotinom ACL-a u ordinaciji opće prakse bit će puno niža nego u sportskoj klinici koja je specijalizirana za ozljede koljena. Što je veća prevalencija, veći će biti vaš PPV i niži NPV.
Možda ćemo u budućnosti napraviti i video o tome, ali važno je upamtiti da trebamo bolju vrijednost od PPV-a i NPV-a, gdje omjeri vjerojatnosti stupaju na scenu.
Omjer vjerojatnosti kombinira i osjetljivost i specifičnost i govori nam kolika je vjerojatnost danog rezultata testa kod osoba s tim stanjem, u usporedbi s vjerojatnošću kod ljudi bez tog stanja. Pogledajte sljedeći videozapis o omjerima vjerojatnosti i kako ih možete izračunati:
U primjeru smo koristili Lachmanov test, koji je jedan od najpreciznijih testova koji postoje u kliničkoj praksi, ali pogledajmo naš voljeni Thessaly test i kako naš primjer funkcionira tamo:
Prema Goossensu i sur. (2015.), Thessaly test ima osjetljivost od 64% i specifičnost od 53%, što rezultira LR+ od 1,36 i LR- od 0,68. Kao što već možete vidjeti, ove vrijednosti su prilično blizu LR = 1, što nam govori da će vrlo malo promijeniti vjerojatnost da osoba ima leziju meniskusa. Da primijenimo ove vrijednosti na primjer našeg slučaja razderotine ACL-a, znamo da su poderotine ACL-a često popraćene poderotinama meniska. Iako naš pacijent ne prijavljuje nikakve osjećaje zaključavanja ili hvatanja, procjenjujemo našu vjerojatnost prije testiranja na oko 30%.
Naš nomogram će izgledati ovako:
Na temelju (preciznijih) izračuna dolazimo do sljedećih vjerojatnosti nakon testiranja:
– Koeficijenti prije testiranja: Prevalencija/(1-prevalencija) = 0,3/(1-0,3) = 0,43
– Koeficijenti nakon testa (LR+): 0,43 x 1,36 = 0,58
– Post-test vjerojatnost (LR+): post-test izgledi / (post-test izgledi+1) = 0,58/(0,58+1) = 0,37 (dakle 37% )
– Koeficijenti nakon testa (LR-): 0,43 x 0,68 = 0,29
– Vjerojatnost nakon testiranja (LR-) : izgledi nakon testiranja / (izgledi nakon testiranja+1) = 0,29/ (0,29+1) = 0,22 ( 22% )
Dakle, s pozitivnim Thessaly testom, povećali ste svoje šanse za menzikalnu leziju s pretpostavljenih 30% na 37%, a s negativnim Thessaly testom, smanjili ste šanse na 22%.
Vidite zašto se iznerviram ako ljudi rade test i onda pretpostave da njihov pacijent definitivno ima ili nema određeno stanje?! I sve se to temelji na pretpostavci o izgledima prije testiranja, koje većina ljudi čak zaboravi uzeti u obzir!
Ako želite izvesti više testova, recimo da želite dodati test prednje ladice u naš primjer ACL-a, svoju vjerojatnost prije testiranja temeljit ćete na vjerojatnosti Lachmanova testa nakon testiranja. Dakle, u slučaju pozitivnog Lachmana, počet ćete s predtestnom vjerojatnošću od 95%, a kod negativnog Lachmana, počet ćete s predtestnom vjerojatnošću od 19%.
Iako većina testova ima pozitivan ili negativan ishod, postoje i testni klasteri s višestrukim ishodima. Dakle, ako uzmete skupinu Laslett, na primjer, za 2 od 5 pozitivnih testova završit ćete na LR+ od 2,7, za 3/5 na LR+ od 4,3, itd.
Ipak, imajte na umu da uz vrlo visoku vjerojatnost prije testiranja, drugi test nema veliku vrijednost i bolje je započeti liječenje. Isto vrijedi i za vrlo nisku vjerojatnost prije testiranja, u kojem slučaju ne testirate i također ne liječite stanje.
Na primjer, ako vam se pacijent javi s iznenadnom pojavom boli u donjem dijelu leđa, neurološkim simptomima u obje noge, problemima s mokrenjem i anestezijom na sedlu, bili biste prilično sigurni da taj pacijent ima sindrom caude equine, što je crvena zastavica i zahtijeva hitnu operaciju. Dakle, ako ste recimo 99% sigurni u svoju dijagnozu, test ravne noge (SLR) s LR- od 0,2 smanjit će vjerojatnost nakon testiranja na 95%, što je još uvijek vrlo visoko i ipak biste htjeli poslati ovog pacijenta za operaciju.
S druge strane, da je test bio pozitivan, vjerojatno biste išli s 99% na 100% sigurnosti, pa zašto se uopće mučiti s testiranjem, pogotovo ako se radi o hitnoj uputnici za operaciju?
Isto vrijedi i za vrlo nisku vjerojatnost prije testiranja. Ako vam se pacijent javi bez zračenja boli ispod koljena, vjerojatnost za radikularni sindrom zbog diskus hernije kod ovog pacijenta je vrlo niska, recimo pretpostavljamo 5%. Dakle, što bi se dogodilo u ovom slučaju da ste izveli SLR s LR+ od 2.0? Završili biste s vjerojatnošću nakon testiranja od 10%, a ako je test negativan, vjerojatnost nakon testiranja bi se smanjila na možda 4%. Dakle, ako ste gotovo sigurni da pacijent nema određenu bolest, zašto ga uopće testirati?
Naravno, u praksi odluka o provođenju određenog testa uvijek ovisi o raznim čimbenicima kao što su troškovi, težina bolesti, rizici testa itd.
Vratimo se sada na ono što sam tvrdio na početku, da vam statističke vrijednosti pomažu procijeniti ishod vašeg ispitivanja tijekom uzimanja povijesti bolesti.
Zapravo, svako pitanje može se promatrati kao poseban test, u kojem će odgovor (da ili ne) povećati ili smanjiti vjerojatnost da pacijent ima određeno stanje. To je i razlog zašto je temeljita anamneza većinom važnija od posebnih pretraga jer u osnovi radite niz posebnih pretraga zaredom,
ako ste dobar kliničar koji zna oblikovati hipotezu na temelju odgovora vašeg pacijenta.
Pa uzmimo još jedan primjer: Kako pozitivan odgovor na pitanje o dugotrajnoj primjeni kortikosteroida utječe na mogućnost prijeloma kralježnice?
Prema Henschkeu i sur. (2009) , produljena primjena kortikosteroida ima pozitivan LR+ od 48,5. Prevalencija (vjerojatnost prije testiranja) prijeloma kralježnice koji se javlja primarnoj zdravstvenoj zaštiti može se procijeniti između 1%-4% prema Willi amsu i sur. (2013) kod pacijenata koji imaju bol u donjem dijelu leđa.
Dakle, uz produljenu upotrebu kortikosteroida, završit ćemo s vjerojatnošću nakon testiranja od 33%, iako smo pretpostavili samo 1% prevalencije u ovom primjeru izračuna.
Mislim da je pošteno reći da se ovo pitanje o kortikosteroidima uvijek treba postaviti u postupku pregleda za prijelome kralježnice!
Pogledajmo sada još jednu crvenu zastavu koja se obično koristi u probiru malignih bolesti kod pacijenata s križoboljom: Podmukla pojava boli u donjem dijelu leđa.
Prema Deyo i sur. (1988. , priznajem da je ovo prilično stara studija), LR+ za ovo pitanje je 1,1. Prema Henschkeu i suradnicima (2009.) , prevalencija zloćudnih bolesti u bolesnika s križoboljom čak je niža od 1%, no mi ćemo izračunati s ovih 1% samo radi jednostavnosti.
Dakle, podmukli početak crvene zastavice povećava posttestnu vjerojatnost zloćudnosti kao uzroka križobolje s 1% na točno 1,1%. Mislim da se možemo složiti da ovu crvenu zastavu treba izbaciti iz svake smjernice u kojoj je navedena.
Ortopedska fizioterapija gornjih i donjih ekstremiteta
Povećajte svoje znanje o 23 najčešće ortopedske patologije u samo 40 sati bez trošenja bogatstva na CPD tečajeve
Znam da je ovo bio dug post i čestitam i poštujem ako ste stigli ovdje! Moji su ciljevi bili dati vam objašnjenje o tome kako raditi sa statističkim vrijednostima kao što su osjetljivost, specifičnost, PPV, NPV, a posebno omjeri vjerojatnosti te vas osvijestiti o njihovoj važnosti u vašem cijelom fizioterapeutskom procesu.
Bilo bi fantastično kada biste mogli uzeti u obzir prevalenciju određene hipoteze kod svojih budućih pacijenata, imati predodžbu o utjecaju vaših anamnestičkih pitanja na vjerojatnost prije testiranja i mogli ispravno procijeniti snagu vašeg posebnog testiranja.
Slobodno postavljajte pitanja u komentarima i podijelite ovaj post na blogu ako vam je pomogao!
Hvala vam na čitanju!
Kai
Reference
