ความไว ความจำเพาะ ค่าการทำนาย และอัตราส่วนความน่าจะเป็นสำหรับผู้เริ่มต้น

สถิติเป็นหนึ่งในหัวข้อที่น่าสับสนที่สุดสำหรับนักกายภาพบำบัดและนักศึกษากายภาพบำบัด ส่วนใหญ่นี่เป็นเพราะว่าเราใส่ใจผู้คนและสุขภาพมากกว่าคณิตศาสตร์ใช่หรือไม่?

ฉันเข้าใจว่าคุณสนใจในการประเมินผู้ป่วยของคุณอย่างถูกต้อง การจัดการที่ดี และวิธีการรักษาที่ทันสมัยที่สุด แต่ฉันต้องบอกคุณว่าคุณจำเป็นต้องรู้ค่าทางสถิติของการทดสอบพิเศษและตัวเลขคู่เกี่ยวกับความชุก ความน่าจะเป็นก่อนการทดสอบ และหลังการทดสอบของคำถามที่คุณถามผู้ป่วยในระหว่างกระบวนการจดจำประวัติการรักษาทั้งหมดของคุณ!
ฉันกล้าพูดได้เลยว่า หากคุณไม่มีความรู้เกี่ยวกับตัวเลขที่กล่าวมาข้างต้น คุณจะไม่มีทางรู้เลยว่าคำถามบางข้อที่คุณถามคนไข้ของคุณ (และคำตอบของคำถามเหล่านั้น) มีค่ามากเพียงใด และคุณจะทำการทดสอบพิเศษโดยที่ไม่รู้จริงๆ ว่าผลลัพธ์เชิงบวกหรือเชิงลบจะบอกอะไรกับคุณได้บ้าง
เมื่อผมเห็นหรือได้ยินนักกายภาพบำบัดทำการทดสอบพิเศษ เช่น การทดสอบ Thessaly สำหรับโรคที่หมอนรองกระดูก ผลออกมาเป็นบวก และพวกเขาแน่ใจ 100% ในภายหลังว่าผู้ป่วยของพวกเขามีโรคที่หมอนรองกระดูก มันทำให้ผมสยอง!
ขอร้องหยุดทำแบบนั้นเถอะ!

นั่นเป็นสาเหตุที่ฉันขอแนะนำให้คุณอ่านโพสต์ของฉันต่อไป ซึ่งฉันจะพยายามให้ข้อมูลเชิงลึกแก่คุณว่าคุณสามารถและควรใช้สถิติเพื่อให้เป็นนักกายภาพบำบัดที่ดีขึ้นได้อย่างไร และความรู้ดังกล่าวช่วยเพิ่มความตระหนักรู้ของคุณเกี่ยวกับกระบวนการใช้เหตุผลทางคลินิกของคุณได้อย่างไร!

โดยทั่วไป คุณจะเริ่มด้วยการตรวจคัดกรอง จากนั้นประวัติสุขภาพ และตามด้วยการประเมินขั้นพื้นฐาน จากข้อมูลที่คุณได้รับในส่วนที่กล่าวถึงข้างต้น คุณกำลังสร้างสมมติฐานที่คุณต้องการยืนยันหรือปฏิเสธ  นี่คือจุดที่ความอ่อนไหวและความจำเพาะเข้ามามีบทบาท ก่อนอื่นเรามาดูกันว่าความไวและความจำเพาะคืออะไร วิธีที่ง่ายที่สุดคือการดูวิดีโอสั้น ๆ ที่เราได้ทำไว้เมื่อไม่นานนี้:

สรุปอีกครั้ง: ผลลัพธ์เชิงลบในการทดสอบที่มีความไว 100% สามารถตัดโรคได้ (SnNOut) และผลลัพธ์เชิงบวกในการทดสอบจำเพาะ 100% สามารถตัดโรคได้ (SpPIn)

การใช้คำช่วยจำสองคำคือ SnNOut และ SpPIn ทำให้การนำแนวคิดทั้งสองนี้ไปปฏิบัติจริงเป็นเรื่องง่าย
ส่วนใหญ่แล้ว คุณจะเข้าใจคำจำกัดความและความเป็นจริงของค่าเหล่านี้ได้ดีขึ้น หากคุณสามารถคำนวณค่าเหล่านี้โดยใช้ตาราง 2×2 ดูวิดีโอถัดไปของเราซึ่งจะแสดงวิธีการทำส่วนการคำนวณ:

น่าเสียดายที่ในชีวิตจริงไม่มีการทดสอบที่แม่นยำ 100% เลย ซึ่งนั่นเป็นเหตุผลว่าทำไมคุณจึงมักมีผลบวกปลอมและลบปลอมมากมาย ยิ่งไปกว่านั้น ความไวและความจำเพาะจะบอกเราได้ว่าการทดสอบนั้นจะเป็นบวกบ่อยเพียงใดในผู้ป่วยที่เรารู้ว่ามีโรคนี้หรือไม่ อย่างไรก็ตามในทางปฏิบัติเราไม่ทราบว่าผู้ป่วยของเรามีภาวะใดๆ หรือไม่ สิ่งที่เราชอบทำในทางปฏิบัติคือการตีความผลลัพธ์ของการทดสอบเชิงบวกหรือเชิงลบ
ปกติแล้ว คุณจะไม่ทราบว่าความน่าจะเป็นที่คนไข้จะมีโรคและผลการรักษาเป็นบวกคือเท่าไร และความน่าจะเป็นที่คนไข้จะไม่มีโรคและผลการรักษาเป็นลบมีสูงแค่ไหน
ค่าเหล่านี้เรียกว่าค่าการทำนายเชิงบวก (PPV) และค่าการทำนายเชิงลบ (NPV) เรียกอีกอย่างว่าความน่าจะเป็นหลังการทดสอบ คุณเดาถูกแล้ว – เรามีวิดีโออีกอันที่อธิบายค่าเหล่านี้โดยใช้ตาราง 2×2 และแสดงวิธีการคำนวณค่าเหล่านี้:

ขณะนี้ ตามที่กล่าวไว้ในวิดีโอ PPV และ NPV เป็นเครื่องมือที่ยอดเยี่ยมหากคุณมีความคิดที่ดีเกี่ยวกับอุบัติการณ์ของกลุ่มผู้ป่วยของคุณ และหากอุบัติการณ์นี้เหมือนกันกับอุบัติการณ์ของ RCT ซึ่งคุณได้รับค่าสถิติมาจากการทดสอบเฉพาะในตอนแรก หากไม่เป็นเช่นนั้น PPV และ NPV ก็จะไร้ประโยชน์โดยสิ้นเชิง
ลองนึกภาพว่าความน่าจะเป็นก่อนการทดสอบของการฉีกขาดของเอ็นไขว้หน้า (ACL) เปลี่ยนแปลงไปอย่างไรในสถานการณ์ที่แตกต่างกัน: ตัวอย่างเช่น อุบัติการณ์ของผู้ป่วยที่มีอาการฉีกขาดของ ACL ในคลินิกทั่วไปจะน้อยกว่าในคลินิกกีฬาที่เน้นเรื่องการบาดเจ็บที่หัวเข่ามาก ยิ่งอัตราการเกิดโรคสูงขึ้น PPV ของคุณก็จะสูงขึ้น และ NPV ของคุณก็จะต่ำลง
บางทีเราอาจสร้างวิดีโอเกี่ยวกับเรื่องนี้ในอนาคตด้วย แต่สิ่งสำคัญคือต้องจำไว้ว่าเราต้องการค่าที่ดีกว่า PPV และ NPV ซึ่งเป็นจุดที่อัตราส่วนความน่าจะเป็นจะเข้ามามีบทบาท

อัตราส่วนความน่าจะเป็นจะรวมทั้งความไวและความจำเพาะ และบอกเราว่าโอกาสที่ผลการทดสอบที่กำหนดไว้จะเป็นอย่างไรในผู้ที่มีภาวะดังกล่าว เมื่อเทียบกับโอกาสที่ผลการทดสอบจะเกิดขึ้นในผู้ที่ไม่มีภาวะดังกล่าว ดูวิดีโอต่อไปนี้เกี่ยวกับอัตราส่วนความน่าจะเป็นและวิธีการคำนวณ:

ในตัวอย่างนี้ เราใช้การทดสอบ Lachman ซึ่งเป็นหนึ่งในการทดสอบที่แม่นยำที่สุดในทางคลินิก แต่มาดูการทดสอบ Thessaly อันเป็นที่รักของเราและตัวอย่างของเรากันดีกว่า:
ตามรายงานของ Goossens et al. (2015) การทดสอบ Thessaly มีความไว 64% และความจำเพาะ 53% ซึ่งส่งผลให้ LR+ อยู่ที่ 1.36 และ LR- อยู่ที่ 0.68 อย่างที่คุณเห็นแล้ว ค่าเหล่านี้ใกล้เคียงกับ LR = 1 มาก ซึ่งบอกเราได้ว่าค่าเหล่านี้จะเปลี่ยนแปลงความน่าจะเป็นที่บุคคลจะมีการบาดเจ็บที่หมอนรองกระดูกเพียงเล็กน้อยเท่านั้น ในการใช้ค่าเหล่านี้กับตัวอย่างกรณีการฉีกขาดของ ACL เราทราบดีว่าการฉีกขาดของ ACL มักเกิดขึ้นพร้อมกับการฉีกขาดของหมอนรองกระดูก แม้ว่าผู้ป่วยของเราจะไม่รายงานว่ารู้สึกล็อคหรือติดขัด แต่เราประมาณความน่าจะเป็นก่อนการทดสอบไว้ที่ประมาณ 30%
โนโมแกรมของเราจะมีลักษณะดังนี้:

จากการคำนวณ (ที่แม่นยำยิ่งขึ้น) เราจะได้ค่าความน่าจะเป็นหลังการทดสอบดังต่อไปนี้:
– อัตราต่อรองก่อนการทดสอบ: ความชุก/(1-ความชุก) = 0,3/(1-0,3) = 0,43
– อัตราต่อรองหลังการทดสอบ (LR+): 0.43 x 1.36 = 0.58
– ความน่าจะเป็นหลังการทดสอบ (LR+): โอกาสหลังการทดสอบ / (โอกาสหลังการทดสอบ+1) = 0.58/(0.58+1) = 0.37 (ดังนั้น 37% )
– อัตราต่อรองหลังการทดสอบ (LR-): 0.43 x 0.68 = 0.29
– ความน่าจะเป็นหลังการทดสอบ (LR-) : อัตราต่อรองหลังการทดสอบ / (อัตราต่อรองหลังการทดสอบ+1) = 0,29/ (0,29+1) = 0,22 ( 22% )

ดังนั้น หากผลการทดสอบ Thessaly เป็นบวก โอกาสที่คุณจะเกิดโรคประจำเดือนจะเพิ่มขึ้นจาก 30% เป็น 37% และหากผลการทดสอบ Thessaly เป็นลบ โอกาสที่คุณจะเกิดโรคประจำเดือนจะลดลงเหลือ 22%
เห็นไหมว่าทำไมฉันต้องตกใจถ้าผู้คนทำการทดสอบ แล้วพวกเขาก็สรุปเอาว่าคนไข้ของพวกเขามีหรือไม่มีภาวะบางอย่างอย่างแน่นอน! ทั้งหมดนี้ขึ้นอยู่กับการสันนิษฐานถึงอัตราต่อรองก่อนการทดสอบ ซึ่งคนส่วนใหญ่ลืมที่จะนำมาพิจารณาด้วยซ้ำ!

หากคุณต้องการดำเนินการทดสอบหลายรายการ เช่น คุณต้องการเพิ่มการทดสอบลิ้นชักด้านหน้าในตัวอย่าง ACL ของเรา คุณจะต้องใช้ความน่าจะเป็นก่อนการทดสอบตามความน่าจะเป็นหลังการทดสอบของการทดสอบ Lachman ดังนั้น ในกรณีของ Lachman ที่เป็นบวก คุณจะเริ่มต้นด้วยความน่าจะเป็นในการทดสอบก่อน 95% และในกรณีของ Lachman ที่เป็นลบ คุณจะเริ่มต้นด้วยความน่าจะเป็นในการทดสอบก่อน 19%
แม้ว่าการทดสอบส่วนใหญ่จะมีผลลัพธ์เชิงบวกหรือเชิงลบ แต่ก็มีคลัสเตอร์การทดสอบที่มีผลลัพธ์หลายประการด้วยเช่นกัน ดังนั้นหากคุณนำคลัสเตอร์ของ Laslett มาเป็นตัวอย่าง สำหรับการทดสอบผลบวก 2 ใน 5 รายการ คุณจะได้ค่า LR+ เท่ากับ 2.7 สำหรับ 3/5 รายการ จะได้ค่า LR+ เท่ากับ 4.3 เป็นต้น

อย่างไรก็ตาม โปรดทราบว่าเนื่องจากความน่าจะเป็นในการทดสอบก่อนการรักษานั้นสูงมาก การทดสอบอีกครั้งจึงมีคุณค่าไม่มากนัก และจะดีกว่าหากเริ่มการรักษาของคุณเสียก่อน สิ่งเดียวกันนี้ยังเป็นจริงสำหรับความน่าจะเป็นในการทดสอบล่วงหน้าที่ต่ำมาก ซึ่งในกรณีนี้คุณไม่ได้ทดสอบและไม่ได้รักษาอาการนั้นด้วย

ตัวอย่างเช่น หากผู้ป่วยมาพบคุณพร้อมกับอาการปวดหลังส่วนล่างอย่างกะทันหัน มีอาการทางระบบประสาทที่ขาทั้งสองข้าง มีปัญหาในการปัสสาวะ และยาสลบแบบอานม้า คุณค่อนข้างมั่นใจได้ว่าผู้ป่วยรายนี้เป็นโรค cauda equina syndrome ซึ่งเป็นสัญญาณเตือนและจำเป็นต้องได้รับการผ่าตัดด่วน ดังนั้น หากคุณมั่นใจในการวินิจฉัยของคุณถึง 99% การทดสอบขาตรง (SLR) โดยมีค่า LR- 0.2 จะทำให้ความน่าจะเป็นหลังการทดสอบลดลงเหลือ 95% ซึ่งก็ยังถือว่าสูงมาก และคุณยังคงต้องการส่งผู้ป่วยรายนี้ไปผ่าตัด
ในทางกลับกัน หากการทดสอบเป็นบวก ความเป็นไปได้ที่คุณจะเพิ่มขึ้นจาก 99% เป็น 100% ดังนั้นทำไมต้องเสียเวลาทดสอบตั้งแต่แรก โดยเฉพาะหากนี่เป็นการส่งตัวไปผ่าตัดอย่างเร่งด่วน?

สิ่งเดียวกันนี้ก็เป็นจริงสำหรับความน่าจะเป็นในการทดสอบล่วงหน้าที่ต่ำมากเช่นกัน หากผู้ป่วยมาพบคุณโดยไม่มีอาการปวดร้าวลงไปใต้เข่า โอกาสที่ผู้ป่วยจะเกิดกลุ่มอาการรากประสาทเสื่อมอันเนื่องมาจากหมอนรองกระดูกเคลื่อนจะมีน้อยมาก โดยเราสมมติว่าอยู่ที่ 5% แล้วจะเกิดอะไรขึ้นในกรณีนี้หากคุณใช้ SLR ด้วย LR+ ที่ 2.0? คุณจะพบความน่าจะเป็นในการทดสอบหลังการทดสอบที่ 10% และหากการทดสอบเป็นลบ ความน่าจะเป็นในการทดสอบหลังการทดสอบจะลดลงเหลือประมาณ 4% ดังนั้นหากคุณเกือบจะแน่ใจว่าผู้ป่วยไม่ได้เป็นโรคบางชนิด เหตุใดจึงต้องทดสอบตั้งแต่แรก?
แน่นอนว่าในทางปฏิบัติ การตัดสินใจที่จะทำการทดสอบบางอย่างมักขึ้นอยู่กับปัจจัยหลายประการ เช่น ค่าใช้จ่าย ความรุนแรงของโรค ความเสี่ยงของการทดสอบ เป็นต้น

ตอนนี้เรามากลับไปที่สิ่งที่ฉันอ้างไว้ตอนต้น นั่นก็คือค่าสถิติช่วยให้คุณประเมินผลลัพธ์ของการซักถามระหว่างการซักประวัติผู้ป่วยได้
ในความเป็นจริง คำถามทุกข้อสามารถมองได้ว่าเป็นการทดสอบพิเศษ ซึ่งคำตอบ (ใช่หรือไม่) จะเพิ่มหรือลดความน่าจะเป็นที่ผู้ป่วยจะมีภาวะบางอย่าง นี่เป็นเหตุผลว่าทำไมการซักประวัติอย่างละเอียดจึงมีความสำคัญมากกว่าการทดสอบพิเศษ เพราะโดยทั่วไปแล้ว คุณจะต้องทำการทดสอบพิเศษชุดหนึ่งติดต่อกัน
หากคุณเป็นแพทย์ที่ดีที่รู้วิธีสร้างสมมติฐานโดยอิงจากคำตอบของคนไข้ของคุณ

มาดูตัวอย่างอื่นกัน: คำตอบเชิงบวกต่อคำถามเกี่ยวกับการใช้คอร์ติโคสเตียรอยด์เป็นเวลานานมีอิทธิพลต่อโอกาสการเกิดกระดูกหักกระดูกสันหลังอย่างไร
ตาม Henschke et al. (2009) การใช้คอร์ติโคสเตียรอยด์เป็นเวลานานมีค่า LR+ ในเชิงบวกที่ 48.5 อุบัติการณ์ (ความน่าจะเป็นก่อนการทดสอบ) ของกระดูกสันหลังหักที่เข้ารับการรักษาในโรงพยาบาลเบื้องต้นสามารถประมาณได้ระหว่าง 1%-4% ตามข้อมูลของ Williams et al. (2013) ในผู้ป่วยที่มีอาการปวดหลังส่วนล่าง
ดังนั้น หากใช้คอร์ติโคสเตียรอยด์เป็นเวลานาน ความน่าจะเป็นหลังการทดสอบจะอยู่ที่ 33% แม้ว่าในการคำนวณตัวอย่างนี้ เราจะถือว่ามีอุบัติการณ์เพียง 1% ก็ตาม
ฉันคิดว่ามันยุติธรรมที่จะบอกว่าคำถามเกี่ยวกับคอร์ติโคสเตียรอยด์นี้ควรได้รับการถามเสมอในขั้นตอนการคัดกรองภาวะกระดูกสันหลังหัก!
มาดูสัญญาณเตือนอีกประการหนึ่งที่มักใช้ในการคัดกรองมะเร็งในผู้ป่วยที่มีอาการปวดหลังส่วนล่าง: อาการปวดหลังส่วนล่างเริ่มรุนแรง
ตามรายงานของ Deyo et al. (1988 ฉันยอมรับว่านี่เป็นการศึกษาวิจัยที่ค่อนข้างเก่า) LR+ สำหรับคำถามนี้คือ 1.1 ตามที่ Henschke et al (2009) ระบุ อุบัติการณ์ของมะเร็งในผู้ป่วยที่มีอาการปวดหลังส่วนล่างนั้นต่ำกว่า 1% แต่เราจะคำนวณด้วย 1% นี้เพื่อความเรียบง่าย
ดังนั้นสัญญาณเตือนอันตรายที่เริ่มอย่างร้ายแรงจึงเพิ่มความน่าจะเป็นหลังการทดสอบของมะเร็งที่เป็นสาเหตุของอาการปวดหลังส่วนล่างจาก 1% เป็น 1.1% พอดี ฉันคิดว่าเราเห็นพ้องต้องกันว่าควรเอาธงแดงนี้ออกจากแนวปฏิบัติใดๆ ที่ระบุไว้

กายภาพบำบัดกระดูกและข้อส่วนบนและส่วนล่าง

เพิ่มพูนความรู้ของคุณเกี่ยวกับโรคทางกระดูกและข้อที่พบบ่อยที่สุด 23 โรคในเวลาเพียง 40 ชั่วโมง โดยไม่ต้องเสียเงินมากมายกับหลักสูตร CPD

เรียนรู้เพิ่มเติม

ฉันรู้ว่านี่เป็นโพสต์ที่ยาว และขอแสดงความยินดีและเคารพหากคุณได้มาอยู่ที่นี่! เป้าหมายของฉันคือการอธิบายให้คุณทราบถึงวิธีการทำงานกับค่าทางสถิติ เช่น ความไว ความจำเพาะ PPV NPV และโดยเฉพาะอัตราส่วนความน่าจะเป็น และทำให้คุณตระหนักถึงความสำคัญของค่าเหล่านี้ในกระบวนการกายภาพบำบัดทั้งหมดของคุณ
จะเป็นเรื่องยอดเยี่ยมมากหากคุณสามารถนำความชุกของสมมติฐานบางอย่างมาพิจารณากับผู้ป่วยในอนาคตของคุณได้ มีความคิดเกี่ยวกับผลกระทบของคำถามทางเวชศาสตร์การเจริญพันธุ์ของคุณต่อความน่าจะเป็นก่อนการทดสอบ และสามารถประเมินพลังของการทดสอบพิเศษของคุณได้อย่างเหมาะสม

โปรดอย่าลังเลที่จะถามคำถามในความคิดเห็นและแบ่งปันโพสต์บล็อกนี้หากคุณพบว่ามีประโยชน์!

ขอบคุณที่อ่านนะคะ!

ไก่

อ้างอิง

Goossens P, Keijsers E, van Geenen RJ, Zijta A, van den Broek M, Verhagen AP, และคณะ ความถูกต้องของการทดสอบ Thessaly ในการประเมินการฉีกขาดของหมอนรองกระดูกเมื่อเทียบกับการส่องกล้อง: การศึกษาความแม่นยำในการวินิจฉัย เจ.ออร์โธป.กายภาพบำบัดการกีฬา. 2558;45(1):18-24, บ1

Henschke N, Maher CG, Ostelo RW, de Vet HC, Macaskill P, Irwig L. สัญญาณเตือนการคัดกรองมะเร็งในผู้ป่วยที่มีอาการปวดหลังส่วนล่าง Cochrane Database Syst.Rev. 2013;(2):CD008686. doi(2):CD008686

วิลเลียมส์ CM, Henschke N, Maher CG, van Tulder MW, Koes BW, Macaskill P, และคณะ สัญญาณเตือนภัยสำหรับการคัดกรองกระดูกกระดูกสันหลังหักในผู้ป่วยที่มีอาการปวดหลังส่วนล่าง โคแครน
ฐานข้อมูล Syst Rev 2013;1:CD008643