Статистика је једна од најзбуњујућих тема за физио и физио студенте. Највероватније је то због чињенице да нам је више стало до људи и здравља него до математике, зар не?
Па, схватам да сте више заинтересовани за правилно процену свог пацијента, добро руковање и најновије методе лечења, али морам да вам кажем да морате да знате статистичке вредности специјалног теста, па чак и бројеве о преваленци, пре-тесту , и вероватноће питања која постављате својим пацијентима током целог анамнестичког процеса након тестирања!
Чак бих се усудио да кажем да без знања о горе наведеним бројевима, нећете имати појма колику вредност можете ставити на одређена питања која постављате свом пацијенту (и одговоре на њих) и да ћете обављати посебне тестове без да знате шта ће вам рећи позитиван или негативан исход.
Када видим или чујем да физиотерапеут уради посебан тест као што је Тесалијски тест за лезије менискуса, он је позитиван, а они су после тога 100% сигурни да њихов пацијент има лезију менискуса, најежим се!
МОЛИМ ВАС ПРЕСТАНИТЕ ТО ДА РАДИТЕ!
Зато вас позивам да наставите да читате мој пост у којем ћу покушати да вам дам увид у то како можете и треба да користите статистику да бисте постали бољи физиотерапеут и како то знање повећава вашу свест о вашем процесу клиничког закључивања!
Уопштено говорећи, почећете са скринингом, затим са анамнезом, након чега следи основна процена. На основу информација које сте добили током наведених делова, формирате своје хипотезе које бисте желели да потврдите или одбаците. Овде долази до изражаја осетљивост и специфичност. Дакле, хајде да прво погледамо шта су осетљивост и специфичност! Најлакши начин је да погледате кратак видео који смо недавно снимили:
Дакле, да поново сумирамо: Негативан исход у 100% осетљивом тесту може искључити болест (СнНОут), а позитиван исход у 100% специфичном тесту може да пресуди о болести (СпПИн).
Негативан исход у 100% осетљивом тесту може искључити болест (СнНОут), а позитиван исход у 100% специфичном тесту може да пресуди о болести (СпПИн)
Са две мнемонике СнНОут и СпПИн, релативно је лако применити ова два концепта у пракси.
Већину времена ћете боље разумети њихову дефиницију и шта су заправо ако можете да израчунате ове вредности користећи табелу 2×2. Погледајте наш следећи видео, који ће вам показати како да урадите део прорачуна:
Нажалост, у стварном животу једва да постоје 100% тачни тестови, због чега ћете имати много лажно позитивних и лажно негативних резултата. Поврх тога, осетљивост и специфичност нам говоре колико често је тест позитиван код пацијената за које већ знамо да имају болест или не. У пракси, међутим, не знамо да ли наши пацијенти имају одређено стање или не. Оно што радије радимо у пракси је да тумачимо резултате позитивног или негативног теста.
Обично нећете знати колика је вероватноћа да пацијент заиста има болест са позитивним исходом и колика је вероватноћа да пацијент нема болест са негативним исходом.
Ове вредности се називају позитивна предиктивна вредност (ППВ) и негативна предиктивна вредност (НПВ), такође се називају вероватноће након тестирања. Погодили сте – имамо још један видео који објашњава ове вредности уз помоћ табеле 2×2 и показује вам како да израчунате ове вредности:
Сада, као што је поменуто у видео снимку, ППВ и НПВ су сјајни алати ако имате добру представу о преваленцији ваше групе пацијената и ако је ова преваленција идентична преваленци РЦТ-а, одакле сте добили своје статистичке вредности за одређени тест на првом месту. Ако то није случај, ППВ и НПВ постају прилично бескорисни.
Замислите како се вероватноћа руптуре предњег укрштеног лигамента (АЦЛ) пре тестирања мења у различитим поставкама: На пример, преваленција пацијената са кидањем АЦЛ-а у општој пракси биће много нижа него у спортској клиници која је специјализована за повреде колена. Што је преваленција већа, то је већи ваш ППВ и мањи ће бити ваш НПВ.
Можда ћемо у будућности снимити и видео о томе, али важно је запамтити да нам је потребна боља вредност од ППВ-а и НПВ-а, у чему ступају у игру односи вероватноће.
Однос вероватноће комбинује и осетљивост и специфичност и говори нам колика је вероватноћа да ће дати резултат теста бити код људи са овим стањем, у поређењу са вероватноћом код људи без тог стања. Погледајте следећи видео о односима вероватноће и како их можете израчунати:
У примеру смо користили Лахманов тест, који је један од најтачнијих тестова који постоје у клиничкој пракси, али хајде да погледамо наш вољени тест из Тесалије и како се наш пример тамо игра:
Према Гооссенсу ет ал. (2015), тест из Тесалије има осетљивост од 64% и специфичност од 53%, што резултира ЛР+ од 1,36 и ЛР- од 0,68. Као што већ видите, ове вредности су прилично близу ЛР = 1, што нам говори да ће врло мало променити вероватноћу да особа има лезију менискуса. Да бисмо применили ове вредности на пример нашег случаја кидања АЦЛ-а, знамо да су АЦЛ сузе често праћене сузама мениска. Иако наш пацијент не пријављује никакве сензације закључавања или хватања, процењујемо нашу вероватноћу пре тестирања на око 30%.
Наш номограм ће изгледати овако:
На основу (прецизнијих) прорачуна добијамо следеће вероватноће након тестирања:
– Шансе пре тестирања: Преваленција/(1-преваленција) = 0,3/(1-0,3) = 0,43
– Шансе после теста (ЛР+): 0,43 к 1,36 = 0,58
– Вероватноћа после теста (ЛР+): квоте после теста / (оддс после теста+1) = 0,58/(0,58+1) = 0,37 (дакле 37% )
– Шансе након теста (ЛР-): 0,43 к 0,68 = 0,29
– Вероватноћа после теста (ЛР-) : квоте после теста / (оддс после теста+1) = 0,29/ (0,29+1) = 0,22 ( 22% )
Дакле, са позитивним Тесалијским тестом, повећали сте своје шансе за мензикалну лезију са претпостављених 30% на 37%, а са негативним Тесалијским тестом, смањили сте своје шансе на 22%.
Видите зашто се избезумљујем ако људи раде тест, а онда претпостављају да њихов пацијент дефинитивно има или нема одређено стање?! И све се то заснива на претпоставци о квотама пре тестирања, које већина људи чак заборавља да узме у обзир!
Ако желите да извршите више тестова, рецимо да желите да додате тест предње фиоке у нашем примеру АЦЛ, базираћете своју вероватноћу пре тестирања на вероватноћи после теста Лахмановог теста. Дакле, у случају позитивног Лахмана, почећете са вероватноћом пре тестирања од 95%, а са негативним Лахманом, почећете са вероватноћом пре тестирања од 19%.
Иако већина тестова има позитиван или негативан исход, постоје и групе тестова са више исхода. Дакле, ако узмете кластер Ласлетт-а на пример, за 2 од 5 позитивних тестова завршићете на ЛР+ од 2,7, за 3/5 на ЛР+ од 4,3, итд.
Имајте на уму да са веома великом вероватноћом пре тестирања, други тест има малу вредност и боље је да почнете са лечењем. Исто важи и за веома малу вероватноћу пре тестирања у ком случају не тестирате и такође не лечите стање.
На пример, ако вам се пацијент јави са изненадним појавом болова у доњем делу леђа, неуролошким симптомима у обе ноге, проблемима са мокрењем и анестезијом у седлу, били бисте прилично сигурни да овај пацијент има синдром цауда екуина, што је црвена заставица и захтева хитну операцију. Дакле, ако сте 99% сигурни у своју дијагнозу, тест равне ноге (СЛР) са ЛР- од 0,2 ће смањити вероватноћу након тестирања на 95%, што је и даље веома високо и ипак бисте желели да пошаљете овог пацијента за операцију.
Заузврат, да је тест био позитиван, вероватно бисте прешли са 99% на 100% сигурности, па зашто се уопште трудити са тестирањем, посебно ако је ово хитно упућивање на операцију?
Исто важи и за веома ниску вероватноћу пре тестирања. Ако вам се пацијент јави без исијавања болова испод колена, шанса овог пацијента за радикуларни синдром због дискус херније је веома мала, рецимо претпостављамо 5%. Дакле, шта би се десило у овом случају ако бисте СЛР приказали са ЛР+ од 2,0? Завршили бисте са вероватноћом након тестирања од 10%, а ако је тест негативан, вероватноћа после теста би се смањила на можда 4%. Дакле, ако сте готово сигурни да пацијент нема одређену болест, зашто је уопште тестирати?
Наравно, у пракси, одлука да се уради одређени тест увек зависи од различитих фактора као што су трошкови, тежина болести, ризици теста итд.
Сада да се вратимо на оно што сам тврдио на почетку, да вам статистичке вредности помажу да процените исход вашег испитивања током узимања анамнезе.
У ствари, свако питање се може посматрати као посебан тест, у коме ће одговор (да или не) или повећати или смањити вероватноћу да пацијент има одређено стање. То је и разлог зашто је детаљна анамнеза већину времена важнија од специјалног тестирања јер се у основи ради низ посебних тестова за редом,
ако сте добар клиничар који зна како да формира хипотезу на основу одговора вашег пацијента.
Дакле, узмимо још један пример: Како позитиван одговор на питање о продуженој употреби кортикостероида утиче на могућност прелома кичме?
Према Хенсцхкеу и др. (2009) , продужена употреба кортикостероида има позитиван ЛР+ од 48,5. Преваленција (вероватноћа пре тестирања) прелома кичме који се представља у примарној здравственој заштити може се проценити између 1%-4% према Вилли амс ет ал. (2013) код пацијената који имају бол у доњем делу леђа.
Дакле, са продуженом употребом кортикостероида, завршићемо са вероватноћом после теста од 33% иако смо претпоставили само 1% преваленције у овом примеру израчунавања.
Мислим да је поштено рећи да ово питање о кортикостероидима увек треба постављати у процедури скрининга за фрактуре кичме!
Хајде сада да погледамо још једну црвену заставицу која се обично користи у скринингу за малигнитет код пацијената са болом у доњем делу леђа: Подмукли почетак болова у доњем делу леђа.
Према Деио ет ал. (1988 , признајем да је ово прилично стара студија), ЛР+ за ово питање је 1.1. Према Хенсцхкеу и сарадницима (2009) , преваленција малигнитета код пацијената са болом у доњем делу леђа је чак нижа од 1%, али ћемо израчунати са ових 1% само ради једноставности.
Дакле, подмукли почетак повећава посттест вероватноћу малигнитета као узрока болова у доњем делу леђа са 1% на тачно 1,1%. Мислим да се можемо сложити да ову црвену заставу треба избацити из сваке смернице у којој је наведена.
Ортопедска физиотерапија горњих и доњих екстремитета
Повећајте своје знање о 23 најчешће ортопедске патологије за само 40 сати без трошења богатства на курсеве ЦПД
Знам да је ово био дугачак пост и честитке и поштовање ако сте стигли овде! Моји циљеви су били да вам дам објашњење како да радите са статистичким вредностима као што су осетљивост, специфичност, ППВ, НПВ, а посебно односи вероватноће и да вас учиним свесним њихове важности у целом вашем физиотерапеутском процесу.
Било би фантастично када бисте могли да узмете у обзир преваленцију одређене хипотезе код ваших будућих пацијената, имате идеју о утицају ваших анамнестичких питања на вероватноћу пре тестирања и могли бисте правилно проценити снагу вашег специјалног тестирања.
Слободно постављајте питања у коментарима и поделите ову објаву на блогу ако вам је била од помоћи!
Хвала на читању!
Каи
Референце
