Statistika je ena od najbolj zmedenih tem za fizike in študente fizike. Najverjetneje je to posledica dejstva, da nas bolj kot matematika zanimajo ljudje in zdravje, kajne?
Razumem, da vas bolj zanimajo pravilna ocena pacienta, dobro ravnanje in najnovejše metode zdravljenja, vendar vam moram povedati, da morate poznati statistične vrednosti posebnega testa in celo številke o razširjenosti, predtestni in posttestni verjetnosti vprašanj, ki jih postavljate pacientom med celotnim anamnestičnim postopkom!
Upam si celo trditi, da brez poznavanja zgoraj omenjenih številk ne boste vedeli, kakšno vrednost lahko pripisujete določenim vprašanjem, ki jih postavljate pacientu (in odgovorom nanje), in boste izvajali posebne teste, ne da bi vedeli, kaj vam bo povedal pozitiven ali negativen rezultat.
Ko vidim ali slišim, da fizioterapevt opravi poseben test, kot je Thessalyjev test za ugotavljanje poškodb meniskusa, ki je pozitiven, in je po njem 100-odstotno prepričan, da ima njegov pacient poškodbo meniskusa, me kar stisne!
PROSIM, PRENEHAJTE S TEM!
Zato vas pozivam, da nadaljujete z branjem mojega prispevka, v katerem vam bom poskušal predstaviti, kako lahko in morate uporabljati statistiko, da postanete boljši fizioterapevt, in kako to znanje poveča vaše zavedanje o procesu kliničnega razmišljanja!
Na splošno boste najprej opravili pregled, nato anamnezo in nato osnovno oceno. Na podlagi informacij, ki ste jih pridobili med zgoraj navedenimi deli, oblikujete svoje hipoteze, ki jih želite potrditi ali zavrniti. Pri tem sta pomembni občutljivost in specifičnost. Zato si najprej oglejmo, kaj sta občutljivost in specifičnost! Najlažje si boste ogledali kratek videoposnetek, ki smo ga posneli pred nekaj časa:
Če torej še enkrat povzamemo: Negativen rezultat 100 % občutljivega testa lahko izključi bolezen (SnNOut), pozitiven rezultat 100 % specifičnega testa pa lahko izključi bolezen (SpPIn).
Negativen rezultat 100 % občutljivega testa lahko izključi bolezen (SnNOut), pozitiven rezultat 100 % specifičnega testa pa lahko izključi bolezen (SpPIn).
Z dvema mnemonikama SnNOut in SpPIn lahko ta dva koncepta razmeroma enostavno prenesete v prakso.
Večinoma boste bolje razumeli njihovo opredelitev in dejanske vrednosti, če jih boste lahko izračunali s pomočjo tabele 2 × 2. Oglejte si naslednji videoposnetek, v katerem boste videli, kako opraviti del z izračunom:
Žal v resničnem življenju skorajda ni 100-odstotno natančnih testov, zato boste imeli veliko lažno pozitivnih in lažno negativnih rezultatov. Poleg tega nam občutljivost in specifičnost povesta, kako pogosto je test pozitiven pri bolnikih, za katere že vemo, da imajo bolezen ali ne. V praksi pa ne vemo, ali imajo naši bolniki določeno stanje ali ne. V praksi raje interpretiramo rezultate pozitivnega ali negativnega testa.
Običajno ne boste vedeli, kolikšna je verjetnost, da bolnik dejansko ima bolezen s pozitivnim izidom, in kolikšna je verjetnost, da bolnik nima bolezni z negativnim izidom.
Ti vrednosti se imenujeta pozitivna napovedna vrednost (PPV) in negativna napovedna vrednost (NPV), imenovani tudi verjetnosti po testu. Uganili ste - pripravili smo še en videoposnetek, v katerem so te vrednosti razložene s pomočjo tabele 2×2 in v katerem boste videli, kako jih izračunati:
Kot je bilo omenjeno v videoposnetku, sta PPV in NPV odlični orodji, če imate dobro predstavo o razširjenosti vaše skupine bolnikov in če je ta razširjenost enaka razširjenosti v raziskavi RCT, iz katere ste pridobili statistične vrednosti za določen test. V nasprotnem primeru postaneta PPV in NPV precej neuporabna.
Predstavljajte si, kako se v različnih okoliščinah spreminja verjetnost pretrganja sprednje križne vezi (ACL) pred testiranjem: Na primer, v splošni ordinaciji bo pogostost bolnikov z raztrganino ACL veliko manjša kot v športni kliniki, ki je specializirana za poškodbe kolena. Večja kot je razširjenost, večja je PPV in manjša NPV.
Morda bomo v prihodnosti posneli videoposnetek tudi o tem, vendar se je treba zavedati, da potrebujemo boljšo vrednost od PPV in NPV, pri čemer pridejo v poštev razmerja verjetnosti.
Razmerje verjetnosti združuje občutljivost in specifičnost ter nam pove, kako verjeten je določen rezultat testa pri osebah z boleznijo v primerjavi s tem, kako verjeten je pri osebah brez bolezni. Oglejte si naslednji videoposnetek o razmerjih verjetnosti in njihovem izračunu:
V primeru smo uporabili Lachmanov test, ki je eden od najbolj natančnih testov v klinični praksi, vendar si poglejmo naš priljubljeni Thessalyjev test in kako se bo odrezal naš primer:
Po podatkih Goossensa in sod. (2015) je občutljivost testa Thessaly 64 %, specifičnost pa 53 %, kar pomeni LR+ 1,36 in LR- 0,68. Kot lahko vidite, so te vrednosti zelo blizu LR = 1, kar pomeni, da bodo zelo malo spremenile verjetnost, da ima oseba poškodbo meniskusa. Če te vrednosti uporabimo na primeru naše raztrganine ACL, vemo, da raztrganine ACL pogosto spremljajo raztrganine meniskusa. Čeprav naš bolnik ne poroča o občutkih zaklepanja ali zatikanja, ocenjujemo, da je verjetnost pred testom približno 30-odstotna.
Naš nomogram bo videti takole:
Na podlagi (natančnejših) izračunov dobimo naslednje verjetnosti po testu:
- Verjetnosti pred testom: Razširjenost/(1-razširjenost) = 0,3/(1-0,3) = 0,43
- Verjetnost po testu (LR+): 0,43 x 1,36 = 0,58
- Verjetnost po preizkusu (LR+): verjetnost po preizkusu / (verjetnost po preizkusu+1) = 0,58/(0,58+1) = 0,37 (torej 37 %)
- Verjetnost po preizkusu (LR-): 0,43 x 0,68 = 0,29
- Verjetnost po testu (LR-): verjetnost po testu / (verjetnost po testu+1) = 0,29/ (0,29+1) = 0,22(22 %)
S pozitivnim Thessalyjevim testom ste torej povečali možnost za meniskus s predvidenih 30 % na 37 %, z negativnim Thessalyjevim testom pa ste jo zmanjšali na 22 %.
Razumete, zakaj se vznemirjam, če ljudje opravijo test in nato domnevajo, da njihov pacient zagotovo ima ali nima določenega stanja?! Vse to temelji na predpostavki o verjetnosti pred testiranjem, ki jo večina ljudi celo pozabi upoštevati!
Če želite opraviti več testov, na primer v našem primeru ACL želite dodati test sprednjega predala, boste verjetnost pred testom določili na podlagi verjetnosti po testu Lachmanovega testa. V primeru pozitivnega Lachmanovega testa bo torej verjetnost pred testom 95 %, v primeru negativnega Lachmanovega testa pa bo verjetnost pred testom 19 %.
Večina testov ima pozitiven ali negativen izid, obstajajo pa tudi skupine testov z več izidi. Če na primer vzamemo skupino Laslett, bo pri 2 od 5 pozitivnih testov LR+ 2,7, pri 3/5 LR+ 4,3 itd.
Zavedajte se, da pri zelo visoki verjetnosti pred testiranjem še en test nima velike vrednosti in je bolje, da začnete z zdravljenjem. Enako velja za zelo majhno verjetnost pred testiranjem, v tem primeru ne testirajte in tudi ne zdravite bolezni.
Na primer, če k vam pride bolnik z nenadnim pojavom bolečin v križu, nevrološkimi simptomi v obeh nogah, težavami z mikcijo in anestezijo na sedlu, ste povsem prepričani, da ima ta bolnik sindrom cauda equina, kar je rdeča zastavica in zahteva nujno operacijo. Če ste recimo 99 % prepričani o svoji diagnozi, bo test ravne noge (SLR) z LR- 0,2 zmanjšal verjetnost po testu na 95 %, kar je še vedno zelo veliko in bi bolnika še vedno želeli poslati na operacijo.
Če pa bi bil test pozitiven, bi verjetno prešli z 99-odstotne na 100-odstotno gotovost, zakaj bi se torej sploh trudili s testiranjem, zlasti če gre za nujno napotitev na operacijo?
Enako velja za zelo nizko verjetnost pred testom. Če k vam pride bolnik, ki ne izžareva bolečine pod kolenom, je verjetnost, da gre pri tem bolniku za radikularni sindrom zaradi hernije diska, zelo majhna, recimo 5 %. Kaj bi se torej zgodilo v tem primeru, če bi SLR uporabljali z LR+ 2,0? Verjetnost po testu bi bila 10 %, če pa je test negativen, bi se verjetnost po testu zmanjšala na 4 %. Če ste torej skoraj prepričani, da pacient nima določene bolezni, zakaj bi jo sploh testirali?
Seveda je v praksi odločitev za izvedbo določenega testa vedno odvisna od različnih dejavnikov, kot so stroški, resnost bolezni, tveganja testa itd.
Vrnimo se k temu, kar sem trdil na začetku, da vam statistične vrednosti pomagajo oceniti rezultate vašega spraševanja med zbiranjem zgodovine bolnika.
Pravzaprav lahko vsako vprašanje obravnavamo kot poseben test, pri katerem odgovor (da ali ne) poveča ali zmanjša verjetnost, da ima bolnik določeno stanje. To je tudi razlog, zakaj je temeljita anamneza največkrat pomembnejša od posebnih preiskav, saj v bistvu opravite vrsto posebnih preiskav zapored,
če ste dober klinik, ki zna na podlagi bolnikovih odgovorov oblikovati hipotezo.
Vzemimo še en primer: Kako pozitiven odgovor na vprašanje o dolgotrajni uporabi kortikosteroidov vpliva na možnost zloma hrbtenice?
Po podatkih Henschkeja in sod. (2009) je pri dolgotrajni uporabi kortikosteroidov pozitivna LR+ 48,5. Prevalenca (predtestna verjetnost) zloma hrbtenice, ki se pojavi v primarnem zdravstvenem varstvu, je po Williju ocenjena na 1-4 %.ams et al. (2013) pri bolnikih z bolečinami v križu.
Pri dolgotrajni uporabi kortikosteroidov bomo torej dobili 33-odstotno verjetnost po testiranju, čeprav smo v tem primeru predvideli le 1-odstotno razširjenost.
Mislim, da je pošteno reči, da je treba to vprašanje o kortikosteroidih vedno postaviti v presejalnem postopku za zlome hrbtenice!
Oglejmo si še eno rdečo zastavico, ki se pogosto uporablja pri presejanju za maligne bolezni pri bolnikih z bolečinami v križu: Skrivnostni začetek bolečine v križu.
Po podatkih Deyo et al. (1988, priznavam, da je to precej stara študija), je LR+ za to vprašanje 1,1. Po podatkih Henschkeja in drugih (2009) je prevalenca malignih obolenj pri bolnikih z bolečinami v križu celo nižja od 1 %, vendar bomo zaradi enostavnosti računali s tem 1 %.
Tako rdeča zastavica zahrbtnega začetka poveča verjetnost malignosti kot vzroka bolečine v križu z 1 % na natanko 1,1 %. Mislim, da se lahko strinjamo, da bi bilo treba to rdečo zastavo odstraniti iz vsake smernice, v kateri je navedena.
Ortopedska fizioterapija zgornjih in spodnjih okončin
Izboljšajte svoje znanje o 23 najpogostejših ortopedskih patologijah v samo 40 urah, ne da bi porabili veliko denarja za tečaje CPD
Vem, da je bila to dolga objava in čestitke in spoštovanje, če ste prišli sem! Moj cilj je bil, da vam razložim, kako delati s statističnimi vrednostmi, kot so občutljivost, specifičnost, PPV, NPV in zlasti razmerja verjetnosti, ter vas seznanim z njihovim pomenom v celotnem fizioterapevtskem procesu.
Fantastično bi bilo, če bi lahko pri svojih prihodnjih pacientih upoštevali razširjenost določene hipoteze, imeli predstavo o vplivu vaših anamnestičnih vprašanj na verjetnost pred testiranjem in bi lahko ustrezno ocenili moč vašega posebnega testiranja.
V komentarju lahko postavite vprašanja in delite ta prispevek, če se vam je zdel koristen!
Hvala za branje!
Kai
Reference
