Statistik adalah salah satu topik yang paling membingungkan bagi para fisioterapis dan mahasiswa fisioterapi. Kemungkinan besar hal ini disebabkan oleh fakta bahwa kita lebih peduli pada manusia dan kesehatan daripada matematika, bukan?
Saya mengerti bahwa Anda lebih tertarik untuk menilai pasien Anda dengan benar, penanganan yang baik, dan metode pengobatan terbaru, tetapi saya harus memberi tahu Anda bahwa Anda perlu mengetahui nilai statistik dari tes khusus dan angka genap mengenai prevalensi, probabilitas pre-test, dan post-test dari pertanyaan-pertanyaan yang Anda tanyakan kepada pasien Anda selama proses anamnesis Anda!
Saya bahkan berani mengatakan bahwa tanpa pengetahuan tentang angka-angka yang disebutkan di atas, Anda tidak akan tahu berapa banyak nilai yang dapat Anda berikan pada pertanyaan-pertanyaan tertentu yang Anda ajukan kepada pasien Anda (dan jawabannya) dan Anda akan melakukan tes khusus tanpa benar-benar mengetahui apa yang akan menjadi hasil positif atau negatif.
Ketika saya melihat atau mendengar seorang fisio melakukan tes khusus seperti tes Thessaly untuk lesi meniskus, hasilnya positif, dan mereka 100% yakin setelahnya, bahwa pasien mereka memiliki lesi meniskus, itu membuat saya ngeri!
TOLONG BERHENTI MELAKUKAN ITU!
Itulah mengapa saya mendorong Anda untuk terus membaca tulisan saya di mana saya akan mencoba memberi Anda wawasan tentang bagaimana Anda dapat dan harus menggunakan statistik untuk menjadi fisioterapis yang lebih baik dan bagaimana pengetahuan tersebut meningkatkan kesadaran Anda tentang proses penalaran klinis Anda!
Secara umum, Anda akan memulai dengan pemeriksaan, kemudian anamnesis, diikuti dengan penilaian dasar. Berdasarkan informasi yang Anda dapatkan selama bagian yang disebutkan di atas, Anda membentuk hipotesis yang ingin Anda konfirmasi atau tolak. Di sinilah sensitivitas dan kekhususan berperan. Jadi, pertama-tama, mari kita cermati, apa itu sensitivitas dan spesifisitas! Cara termudah adalah dengan menonton video pendek yang kami buat beberapa waktu lalu:
Jadi untuk menyimpulkannya lagi: Hasil negatif pada tes sensitif 100% dapat menyingkirkan penyakit (SnNOut) dan hasil positif pada tes spesifik 100% dapat menyingkirkan penyakit (SpPIn).
Hasil negatif pada tes sensitif 100% dapat menyingkirkan penyakit (SnNOut) dan hasil positif pada tes spesifik 100% dapat menyingkirkan penyakit (SpPIn)
Dengan dua mnemonik SnNOut dan SpPIn, relatif mudah untuk mempraktikkan kedua konsep ini.
Sering kali, Anda akan lebih memahami definisi dan apa sebenarnya nilai tersebut jika Anda dapat menghitung nilai-nilai ini menggunakan tabel 2×2. Tonton video kami berikutnya, yang akan menunjukkan kepada Anda bagaimana melakukan bagian perhitungan:
Sayangnya, dalam kehidupan nyata, hampir tidak ada tes yang 100% akurat, sehingga Anda akan mendapatkan banyak hasil positif palsu dan negatif palsu. Selain itu, sensitivitas dan spesifisitas memberi tahu kita seberapa sering tes positif pada pasien yang sudah kita ketahui mengidap penyakit atau tidak. Dalam praktiknya, kami tidak tahu apakah pasien kami memiliki kondisi tertentu atau tidak. Apa yang kami lakukan dalam praktiknya adalah menafsirkan hasil tes positif atau negatif.
Anda biasanya tidak akan tahu berapa probabilitas bahwa pasien benar-benar menderita penyakit dengan hasil positif dan seberapa tinggi probabilitas pasien tidak menderita penyakit dengan hasil negatif.
Nilai-nilai ini disebut nilai prediksi positif (PPV) dan nilai prediksi negatif (NPV), yang juga disebut probabilitas post-test. Anda dapat menebaknya - kami memiliki video lain yang menjelaskan nilai-nilai ini dengan bantuan tabel 2×2 dan menunjukkan kepada Anda cara menghitung nilai-nilai ini:
Sekarang, seperti yang disebutkan dalam video, PPV dan NPV adalah alat yang hebat jika Anda memiliki gagasan yang baik tentang prevalensi kelompok pasien Anda dan jika prevalensi ini identik dengan prevalensi RCT, di mana Anda mendapatkan nilai statistik Anda untuk tes tertentu sejak awal. Jika tidak demikian, PPV dan NPV menjadi tidak berguna.
Bayangkan bagaimana probabilitas pra-tes pecahnya ligamen anterior cruciatum (ACL) berubah dalam pengaturan yang berbeda: Sebagai contoh, prevalensi pasien yang mengalami robekan ACL di klinik umum akan jauh lebih rendah daripada di klinik olahraga yang mengkhususkan diri pada cedera lutut. Semakin tinggi prevalensi, semakin tinggi PPV Anda dan semakin rendah NPV Anda.
Mungkin kami akan membuat video tentang hal ini di masa mendatang, tetapi penting untuk diingat bahwa kami membutuhkan nilai yang lebih baik daripada PPV dan NPV, dan di sinilah rasio kemungkinan berperan.
Rasio kemungkinan menggabungkan sensitivitas dan spesifisitas dan memberi tahu kita seberapa besar kemungkinan hasil tes yang diberikan pada orang dengan kondisi tersebut, dibandingkan dengan seberapa besar kemungkinannya pada orang yang tidak memiliki kondisi tersebut. Tonton video berikut ini tentang rasio kemungkinan dan cara menghitungnya:
Dalam contoh, kami menggunakan tes Lachman, yang merupakan salah satu tes paling akurat yang ada di luar sana dalam praktik klinis, tetapi mari kita lihat tes Thessaly yang kita cintai dan bagaimana contoh kita bermain di luar sana:
Menurut Goossens et al. (2015), tes Thessaly memiliki sensitivitas 64% dan spesifisitas 53%, yang menghasilkan LR+ 1,36 dan LR- 0,68. Seperti yang sudah Anda lihat, nilai-nilai ini cukup dekat dengan LR = 1, yang memberi tahu kita bahwa nilai-nilai ini hanya akan mengubah sedikit saja probabilitas seseorang memiliki lesi meniskus. Untuk menerapkan nilai-nilai ini pada contoh kasus robekan ACL, kita tahu bahwa robekan ACL sering kali disertai dengan robekan meniscal. Meskipun pasien kami tidak melaporkan adanya sensasi mengunci atau menangkap, kami memperkirakan probabilitas pra-tes kami sekitar 30%.
Nomogram kita akan terlihat seperti ini:
Berdasarkan perhitungan (yang lebih akurat), kami mendapatkan probabilitas post-test berikut ini:
- Peluang pre-test: Prevalensi/(1-prevalensi) = 0,3/(1-0,3) = 0,43
- Peluang post-test (LR+): 0,43 x 1,36 = 0,58
- Probabilitas post-test (LR+): peluang post-test / (peluang post-test + 1) = 0,58 / (0,58 + 1) = 0,37 (jadi 37%)
- Peluang post-test (LR-): 0,43 x 0,68 = 0,29
- Probabilitas post-test (LR-): peluang post-test / (peluang post-test + 1) = 0,29 / (0,29 + 1) = 0,22(22%)
Jadi, dengan tes Thessaly positif, Anda telah meningkatkan kemungkinan lesi mens dari 30% menjadi 37% dan dengan tes Thessaly negatif, Anda telah menurunkan kemungkinan Anda menjadi 22%.
Lihatlah mengapa saya panik jika orang melakukan tes dan kemudian mereka berasumsi bahwa pasien mereka pasti memiliki atau tidak memiliki kondisi tertentu?! Dan ini semua didasarkan pada asumsi peluang pra-tes, yang kebanyakan orang bahkan lupa untuk mempertimbangkannya!
Jika Anda ingin melakukan beberapa tes, katakanlah Anda ingin menambahkan tes Laci Anterior dalam contoh ACL kami, Anda akan mendasarkan probabilitas pra-tes pada probabilitas pasca-tes tes Lachman. Jadi, dalam kasus Lachman positif, Anda akan mulai dengan probabilitas pra-tes 95%, dan dengan Lachman negatif, Anda akan mulai dengan probabilitas pra-tes 19%.
Meskipun sebagian besar tes memiliki hasil positif atau negatif, ada juga kelompok tes dengan beberapa hasil. Jadi, jika Anda mengambil klaster Laslett sebagai contoh, untuk 2 dari 5 tes positif, Anda akan mendapatkan LR+ 2,7, untuk 3/5 dengan LR+ 4,3, dan seterusnya.
Perlu diketahui bahwa dengan probabilitas pre-test yang sangat tinggi, tes lain memiliki nilai yang kecil dan lebih baik untuk memulai perawatan Anda. Hal yang sama berlaku untuk probabilitas pra-tes yang sangat rendah dalam hal ini Anda tidak melakukan tes dan juga tidak mengobati kondisi tersebut.
Sebagai contoh, jika seorang pasien datang kepada Anda dengan nyeri punggung bawah yang tiba-tiba, gejala neurologis pada kedua kaki, masalah dengan berkemih dan anestesi pelana, Anda akan cukup yakin bahwa pasien ini menderita sindrom cauda equina, yang merupakan tanda bahaya dan memerlukan pembedahan segera. Jadi, jika Anda yakin 99% dengan diagnosis Anda, tes kaki lurus (SLR) dengan LR- 0,2 akan menurunkan probabilitas post-test menjadi 95%, yang masih sangat tinggi dan Anda masih ingin mengirim pasien ini untuk menjalani pembedahan.
Sebaliknya, jika hasil tesnya positif, Anda mungkin akan mendapatkan kepastian 99% hingga 100%, jadi mengapa harus repot-repot melakukan tes, terutama jika ini adalah rujukan mendesak untuk operasi?
Hal yang sama juga berlaku untuk probabilitas pre-test yang sangat rendah. Jika seorang pasien datang kepada Anda tanpa rasa sakit yang menjalar di bawah lutut, kemungkinan pasien ini mengalami sindrom radikuler akibat herniasi diskus sangat rendah, katakanlah kita asumsikan 5%. Jadi, apa yang akan terjadi dalam kasus ini jika Anda menggunakan SLR dengan LR+ 2.0? Anda akan mendapatkan probabilitas post-test sebesar 10% dan jika tes negatif, probabilitas post-test akan menurun menjadi sekitar 4%. Jadi, jika Anda hampir yakin, bahwa pasien tidak mengidap penyakit tertentu, mengapa harus mengujinya sejak awal?
Tentu saja, dalam praktiknya, keputusan untuk melakukan tes tertentu selalu bergantung pada berbagai faktor seperti biaya, tingkat keparahan penyakit, risiko tes, dll.
Sekarang mari kita kembali ke apa yang saya katakan di awal, bahwa nilai statistik membantu Anda untuk mengevaluasi hasil dari pertanyaan Anda selama pengambilan riwayat pasien.
Faktanya, setiap pertanyaan dapat dilihat sebagai tes khusus, di mana jawabannya (ya atau tidak) akan meningkatkan atau menurunkan probabilitas bahwa pasien memiliki kondisi tertentu. Ini juga merupakan alasan mengapa anamnesis menyeluruh seringkali lebih penting daripada pengujian khusus karena pada dasarnya Anda melakukan serangkaian pengujian khusus secara berurutan,
jika Anda adalah seorang klinisi yang baik yang tahu bagaimana membentuk hipotesis berdasarkan jawaban pasien Anda.
Jadi, mari kita ambil contoh lain: Bagaimana jawaban positif terhadap pertanyaan tentang penggunaan kortikosteroid dalam jangka waktu lama memengaruhi kemungkinan patah tulang belakang?
Menurut Henschke et al. (2009), penggunaan kortikosteroid dalam jangka waktu lama memiliki LR+ positif 48,5. Prevalensi (probabilitas pra-tes) fraktur tulang belakang yang datang ke layanan primer dapat diperkirakan antara 1%-4% menurutWilliams et al. (2013) pada pasien yang mengalami nyeri punggung bawah.
Jadi, dengan penggunaan kortikosteroid yang berkepanjangan, kita akan mendapatkan probabilitas post-test sebesar 33% meskipun kita mengasumsikan hanya 1% dari prevalensi dalam perhitungan contoh ini.
Saya rasa cukup adil untuk mengatakan bahwa pertanyaan tentang kortikosteroid ini harus selalu ditanyakan dalam prosedur skrining untuk patah tulang belakang!
Sekarang mari kita lihat tanda bahaya lain yang biasanya digunakan dalam pemeriksaan keganasan pada pasien dengan nyeri punggung bawah: Timbulnya nyeri punggung bawah yang berbahaya.
Menurut Deyo et al. (1988, saya akui ini adalah penelitian yang cukup lama), LR+ untuk pertanyaan ini adalah 1,1. Menurut Henschke et al (2009), prevalensi keganasan pada pasien dengan nyeri punggung bawah bahkan lebih rendah dari 1%, tetapi kami akan menghitung dengan 1% ini untuk mempermudah.
Jadi, onset berbahaya meningkatkan probabilitas post-test keganasan sebagai penyebab nyeri punggung bawah dari 1% menjadi 1,1%. Saya rasa kita bisa sepakat bahwa bendera merah ini harus dikeluarkan dari pedoman apa pun yang mencantumkannya.
Fisioterapi Ortopedi pada Ekstremitas Atas & Bawah
Tingkatkan Pengetahuan Anda tentang 23 Patologi Ortopedi Paling Umum Hanya dalam 40 Jam Tanpa Menghabiskan Banyak Uang untuk Kursus CPD
Saya tahu ini adalah tulisan yang panjang dan selamat dan hormat jika Anda berhasil sampai di sini! Tujuan saya adalah untuk memberikan penjelasan kepada Anda tentang cara bekerja dengan nilai-nilai statistik seperti sensitivitas, spesifisitas, PPV, NPV, dan terutama rasio kemungkinan dan untuk membuat Anda sadar akan pentingnya nilai-nilai tersebut dalam keseluruhan proses fisioterapi Anda.
Akan sangat luar biasa jika Anda dapat memperhitungkan prevalensi hipotesis tertentu dengan pasien Anda di masa depan, memiliki gambaran tentang dampak pertanyaan anamnestik Anda pada probabilitas pra-tes, dan Anda dapat mengevaluasi dengan baik kekuatan pengujian khusus Anda.
Jangan ragu untuk mengajukan pertanyaan di kolom komentar dan membagikan artikel blog ini jika Anda merasa terbantu!
Terima kasih telah membaca!
Kai
Referensi
