Statystyka jest jednym z najbardziej zagmatwanych tematów dla fizjoterapeutów i studentów fizjoterapii. Najprawdopodobniej wynika to z faktu, że bardziej zależy nam na ludziach i zdrowiu niż na matematyce, prawda?
Cóż, rozumiem, że jesteś bardziej zainteresowany prawidłową oceną pacjenta, dobrą obsługą i najnowszymi metodami leczenia, ale muszę ci powiedzieć, że musisz znać wartości statystyczne specjalnego testu, a nawet liczby dotyczące częstości występowania, prawdopodobieństwa przed testem i po teście pytań, które zadajesz swoim pacjentom podczas całego procesu anamnestycznego!
Odważyłbym się nawet powiedzieć, że bez znajomości wyżej wymienionych liczb nie będziesz miał pojęcia, jaką wartość możesz przypisać niektórym pytaniom, które zadajesz swojemu pacjentowi (i odpowiedziom na nie) i będziesz wykonywać specjalne testy, nie wiedząc tak naprawdę, co powie ci pozytywny lub negatywny wynik.
Kiedy widzę lub słyszę, że fizjoterapeuta przeprowadza specjalny test, taki jak test Thessaly'ego, na uszkodzenie łąkotki, a jego wynik jest pozytywny i jest w 100% pewien, że jego pacjent ma uszkodzenie łąkotki, wzdrygam się!
PROSZĘ, PRZESTAŃ TO ROBIĆ!
Dlatego zachęcam Cię do dalszego czytania mojego wpisu, w którym postaram się dać Ci wgląd w to, jak możesz i powinieneś wykorzystywać statystyki, aby stać się lepszym fizjoterapeutą i jak ta wiedza zwiększa Twoją świadomość procesu rozumowania klinicznego!
Ogólnie rzecz biorąc, zaczniesz od badania przesiewowego, następnie anamnezy, po której nastąpi podstawowa ocena. Na podstawie informacji uzyskanych podczas wyżej wymienionych części formułujesz hipotezy, które chcesz potwierdzić lub odrzucić. W tym miejscu do gry wchodzą czułość i specyficzność. Przyjrzyjmy się więc najpierw, czym są czułość i swoistość! Najprostszym sposobem jest obejrzenie krótkiego wideo, które nagraliśmy jakiś czas temu:
Podsumowując jeszcze raz: Negatywny wynik w 100% czułym teście może wykluczyć chorobę (SnNOut), a pozytywny wynik w 100% specyficznym teście może wykluczyć chorobę (SpPIn).
Negatywny wynik w 100% czułym teście może wykluczyć chorobę (SnNOut), a pozytywny wynik w 100% specyficznym teście może wykluczyć chorobę (SpPIn).
Dzięki dwóm mnemonikom SnNOut i SpPIn stosunkowo łatwo jest zastosować te dwie koncepcje w praktyce.
W większości przypadków lepiej zrozumiesz ich definicję i czym one są, jeśli będziesz w stanie obliczyć te wartości za pomocą tabeli 2×2. Obejrzyj nasz następny film, który pokaże Ci, jak wykonać część obliczeniową:
Niestety, w prawdziwym życiu nie ma prawie żadnych w 100% dokładnych testów, dlatego będziesz mieć wiele wyników fałszywie dodatnich i fałszywie ujemnych. Co więcej, czułość i swoistość mówią nam, jak często test daje wynik pozytywny u pacjentów, o których już wiemy, że mają chorobę lub nie. W praktyce nie wiemy jednak, czy nasi pacjenci cierpią na określone schorzenie, czy też nie. To, co raczej robimy w praktyce, to interpretacja wyników pozytywnego lub negatywnego testu.
Zazwyczaj nie wiesz, jakie jest prawdopodobieństwo, że pacjent rzeczywiście ma chorobę z pozytywnym wynikiem i jak wysokie jest prawdopodobieństwo, że pacjent nie ma choroby z negatywnym wynikiem.
Wartości te nazywane są pozytywną wartością predykcyjną (PPV) i negatywną wartością predykcyjną (NPV), zwanymi również prawdopodobieństwami po teście. Zgadłeś - mamy kolejny film, który wyjaśnia te wartości za pomocą tabeli 2×2 i pokazuje, jak je obliczyć:
Teraz, jak wspomniano w filmie, PPV i NPV są świetnymi narzędziami, jeśli masz dobre pojęcie o częstości występowania w grupie pacjentów i jeśli ta częstość występowania jest identyczna z częstością występowania w RCT, skąd uzyskano wartości statystyczne dla konkretnego testu. Jeśli tak nie jest, PPV i NPV stają się praktycznie bezużyteczne.
Wyobraź sobie, jak zmienia się prawdopodobieństwo zerwania więzadła krzyżowego przedniego (ACL) przed testem w różnych warunkach: Na przykład częstość występowania pacjentów z zerwaniem ACL w gabinecie ogólnym będzie znacznie niższa niż w klinice sportowej specjalizującej się w urazach kolana. Im wyższa częstość występowania, tym wyższa wartość PPV i niższa wartość NPV.
Być może w przyszłości nakręcimy również film na ten temat, ale ważne jest, aby pamiętać, że potrzebujemy lepszej wartości niż PPV i NPV, czyli tam, gdzie w grę wchodzą współczynniki prawdopodobieństwa.
Współczynnik prawdopodobieństwa łączy w sobie zarówno czułość, jak i swoistość i mówi nam, jak prawdopodobny jest dany wynik testu u osób z chorobą w porównaniu z prawdopodobieństwem jego wystąpienia u osób bez choroby. Obejrzyj poniższy film na temat współczynników prawdopodobieństwa i sposobu ich obliczania:
W przykładzie wykorzystaliśmy test Lachmana, który jest jednym z najdokładniejszych testów stosowanych w praktyce klinicznej, ale spójrzmy na nasz ukochany test Thessaly i jak wygląda nasz przykład:
Według Goossens i in. (2015), test Thessaly ma czułość 64% i swoistość 53%, co daje LR+ 1,36 i LR- 0,68. Jak już widzisz, wartości te są dość zbliżone do LR = 1, co mówi nam, że bardzo nieznacznie zmienią prawdopodobieństwo, że dana osoba ma uszkodzenie łąkotki. Aby zastosować te wartości na przykładzie naszego przypadku zerwania ACL, wiemy, że zerwaniu ACL często towarzyszy zerwanie łąkotki. Chociaż nasz pacjent nie zgłasza żadnych odczuć blokowania lub chwytania, szacujemy nasze prawdopodobieństwo przed testem na około 30%.
Nasz nomogram będzie wyglądał następująco:
Na podstawie (dokładniejszych) obliczeń otrzymujemy następujące prawdopodobieństwa po teście:
- Szanse przed testem: Prewalencja/(1-prewalencja) = 0,3/(1-0,3) = 0,43
- Szanse po teście (LR+): 0,43 x 1,36 = 0,58
- Prawdopodobieństwo po teście (LR+): szanse po teście / (szanse po teście+1) = 0,58/(0,58+1) = 0,37 (więc 37%)
- Szanse po teście (LR-): 0,43 x 0,68 = 0,29
- Prawdopodobieństwo po teście (LR-): szanse po teście / (szanse po teście+1) = 0,29/ (0,29+1) = 0,22(22%)
Tak więc z pozytywnym wynikiem testu Thessaly, zwiększyłeś swoje szanse na wystąpienie zmiany mensalnej z zakładanych 30% do 37%, a z negatywnym wynikiem testu Thessaly, zmniejszyłeś swoje szanse do 22%.
Widzisz, dlaczego denerwuję się, gdy ludzie wykonują test, a następnie zakładają, że ich pacjent na pewno ma lub nie ma określonej choroby? A wszystko to opiera się na założeniu szans przed testem, które większość ludzi nawet zapomina wziąć pod uwagę!
Jeśli chcesz wykonać wiele testów, powiedzmy, że chcesz dodać test szuflady przedniej w naszym przykładzie ACL, oprzesz prawdopodobieństwo przed testem na prawdopodobieństwie po teście Lachmana. Tak więc w przypadku pozytywnego Lachmana, zaczniesz z prawdopodobieństwem 95% przed testem, a w przypadku negatywnego Lachmana, zaczniesz z prawdopodobieństwem 19% przed testem.
Podczas gdy większość testów ma wynik pozytywny lub negatywny, istnieją również klastry testów z wieloma wynikami. Jeśli więc weźmiesz na przykład klaster Lasletta, dla 2 z 5 pozytywnych testów uzyskasz LR+ na poziomie 2,7, dla 3/5 LR+ na poziomie 4,3 itd.
Pamiętaj jednak, że przy bardzo wysokim prawdopodobieństwie przedtestowym kolejny test ma niewielką wartość i lepiej jest rozpocząć leczenie. To samo dotyczy bardzo niskiego prawdopodobieństwa przed testem, w którym to przypadku nie przeprowadzasz testu i nie leczysz choroby.
Na przykład, jeśli pacjent zgłasza się do Ciebie z nagłym bólem w dolnej części pleców, objawami neurologicznymi w obu nogach, problemami z oddawaniem moczu i znieczuleniem siodła, możesz być prawie pewien, że ten pacjent ma zespół ogona końskiego, który jest czerwoną flagą i wymaga pilnej operacji. Jeśli więc masz 99% pewności co do diagnozy, test prostej nogi (SLR) z LR- wynoszącym 0,2 zmniejszy prawdopodobieństwo po teście do 95%, co nadal jest bardzo wysokie i nadal chciałbyś wysłać tego pacjenta na operację.
Z kolei, jeśli wynik testu byłby pozytywny, prawdopodobnie zwiększyłbyś pewność z 99% do 100%, więc po co w ogóle zawracać sobie głowę badaniem, zwłaszcza jeśli jest to pilne skierowanie na operację?
To samo dotyczy bardzo niskiego prawdopodobieństwa przed testem. Jeśli zgłosi się do Ciebie pacjent bez promieniującego bólu poniżej kolana, prawdopodobieństwo wystąpienia u niego zespołu korzeniowego z powodu przepukliny dysku jest bardzo niskie, załóżmy 5%. Więc co by się stało w tym przypadku, gdybyś wykonał lustrzankę z LR + 2.0? Prawdopodobieństwo po teście wyniosłoby 10%, a jeśli wynik testu byłby negatywny, prawdopodobieństwo po teście spadłoby do 4%. Więc jeśli jesteś prawie pewien, że pacjent nie ma określonej choroby, po co w ogóle ją badać?
Oczywiście w praktyce decyzja o wykonaniu określonego badania zawsze zależy od różnych czynników, takich jak koszty, stopień zaawansowania choroby, ryzyko związane z badaniem itp.
Wróćmy teraz do tego, co twierdziłem na początku, że wartości statystyczne pomogą Ci ocenić wynik Twojego pytania podczas zbierania historii pacjenta.
W rzeczywistości każde pytanie może być postrzegane jako specjalny test, w którym odpowiedź (tak lub nie) albo zwiększy, albo zmniejszy prawdopodobieństwo, że pacjent ma określoną chorobę. Jest to również powód, dla którego dokładny wywiad jest w większości przypadków ważniejszy niż specjalne testy, ponieważ w zasadzie wykonujesz serię specjalnych testów z rzędu,
jeśli jesteś dobrym klinicystą, który wie, jak sformułować hipotezę na podstawie odpowiedzi pacjenta.
Weźmy więc inny przykład: Jak pozytywna odpowiedź na pytanie o długotrwałe stosowanie kortykosteroidów wpływa na ryzyko złamania kręgosłupa?
Według Henschke i in. (2009), długotrwałe stosowanie kortykosteroidów ma dodatni LR+ wynoszący 48,5. Częstość występowania (prawdopodobieństwo przed badaniem) złamania kręgosłupa zgłaszającego się do podstawowej opieki zdrowotnej można oszacować na 1%-4% wedługWilliamsa i wsp. (2013) u pacjentów z bólem krzyża.
Tak więc przy długotrwałym stosowaniu kortykosteroidów prawdopodobieństwo wystąpienia choroby po teście wyniesie 33%, mimo że w tych przykładowych obliczeniach przyjęliśmy tylko 1% częstości występowania.
Myślę, że uczciwie jest powiedzieć, że to pytanie o kortykosteroidy powinno być zawsze zadawane w procedurze badań przesiewowych w kierunku złamań kręgosłupa!
Przyjrzyjmy się teraz innej czerwonej fladze, która jest powszechnie stosowana w badaniach przesiewowych w kierunku nowotworów złośliwych u pacjentów z bólem krzyża: Podstępny początek bólu krzyża.
Według Deyo i in. (1988, przyznaję, że jest to dość stare badanie), LR+ dla tego pytania wynosi 1,1. Według Henschke i wsp. (2009) częstość występowania nowotworów złośliwych u pacjentów z bólem krzyża jest nawet niższa niż 1%, ale dla uproszczenia obliczymy ten 1%.
Tak więc podstępny początek czerwonej flagi zwiększa prawdopodobieństwo nowotworu złośliwego jako przyczyny bólu krzyża po badaniu z 1% do dokładnie 1,1%. Myślę, że możemy się zgodzić, że ta czerwona flaga powinna zostać wyrzucona z każdego przewodnika, w którym jest wymieniona.
Fizjoterapia ortopedyczna kończyn górnych i dolnych
Zwiększ swoją wiedzę na temat 23 najczęstszych patologii ortopedycznych w zaledwie 40 godzin bez wydawania fortuny na kursy CPD
Wiem, że to był długi post, gratuluję i szanuję, jeśli tu dotarłeś! Moim celem było wyjaśnienie ci, jak pracować z wartościami statystycznymi, takimi jak czułość, swoistość, PPV, NPV, a zwłaszcza współczynniki prawdopodobieństwa i uświadomienie ci ich znaczenia w całym procesie fizjoterapeutycznym.
Byłoby fantastycznie, gdybyś mógł wziąć pod uwagę częstość występowania określonej hipotezy u swoich przyszłych pacjentów, mieć pojęcie o wpływie pytań anamnestycznych na prawdopodobieństwo przed testem i móc właściwie ocenić moc swoich specjalnych testów.
Zachęcamy do zadawania pytań w komentarzach i udostępniania tego wpisu, jeśli okazał się pomocny!
Dziękujemy za przeczytanie!
Kai
Referencje
