Вербальная аутопсия: как узнать причину смерти

34-летняя женщина умирает дома, в деревне в четырёх часах от ближайшей больницы. Она была беременна на седьмом месяце и, по словам сестры, жаловалась на сильную головную боль, отёки ног, а в последнюю ночь у неё случился судорожный приступ. Ни один врач её не осматривал, и тело похоронили на следующий день. Недели спустя обученная интервьюер приходит к семье и задаёт ряд вопросов о последних днях. Сцена вымышлена и написана для обучения.

Этот текст посвящён вербальной аутопсии — методу, который использует интервью с родственниками, чтобы оценить причину смерти, которую никто не засвидетельствовал. Идея — показать, как она работает, что говорят исследования о её точности и почему она важна для глобального здравоохранения. Если вы играете в случай дня в NEXO, вы узнаете задачу: прийти к причине по подсказкам, о которых рассказали, а не которые увидели.

Главные пункты

• Почти половина смертей в мире не имеет засвидетельствованной причины.
• Вербальная аутопсия — это структурированное интервью с родственниками или ухаживающими, проводимое после периода траура.
• Всемирная организация здравоохранения опубликовала в 2016 году стандартизированный инструмент, читаемый автоматическими программами.
• Алгоритмы InterVA, InSilicoVA и Tariff интерпретируют ответы.
• По сравнению с полной диагностической аутопсией совпадение по каждому случаю было низким в Мапуту.
• Вопросы об обстоятельствах смерти дают полезную информацию для планирования.

Смерти, которые никто не регистрирует

Знать, от чего умирают люди, — отправная точка для решений о том, куда вкладывать средства в здравоохранение. Обзор применения вербальной аутопсии в политике здравоохранения напоминает, что одна из двух смертей в мире не регистрируется (Thomas и соавторы, 2018). Другой анализ оценивает, что менее трети смертей в мире получают установленную причину (de Savigny и соавторы, 2017). Авторы InterVA-5 описывают смерти без свидетельства как почти половину глобальной смертности и как источник большой неопределённости для планирования здравоохранения (Byass и соавторы, 2019).

Комментарий патологов добавляет контекст: более двух третей населения мира живёт и умирает в странах без работающей системы регистрации актов гражданского состояния, где большинство смертей происходит вне медицинских учреждений и не учитывается и не классифицируется по причине. В таких местах вербальная аутопсия стала основным методом определения причины смерти (Fligner и соавторы, 2011).

Почему свидетельство не доходит

Литература по теме указывает несколько причин отсутствия зарегистрированной причины. Большинство смертей происходит вне медицинских учреждений, а системы регистрации актов гражданского состояния не работают во многих странах (Fligner и соавторы, 2011). Не хватает обученных врачей для свидетельствования смертей, а создание полной системы регистрации заняло десятилетия или века в таких странах, как Швеция, Великобритания и Австралия (Hazard и соавторы, 2020).

Регистрация актов гражданского состояния и статистика естественного движения населения

Системы регистрации актов гражданского состояния и статистики естественного движения населения, известные по английской аббревиатуре CRVS, существуют, чтобы учитывать рождения и смерти и регистрировать их причины. Там, где медицинское свидетельствование редко, вербальная аутопсия была предложена как лучшая доступная альтернатива для восполнения пробела в причинах смерти (de Savigny и соавторы, 2017). Это требует встроить интервью в рутину системы, а не только в исследовательские проекты, с проведением вербальной аутопсии в сообществе и привязкой к регистрации каждой смерти (de Savigny и соавторы, 2017).

Те же авторы утверждают, что автоматические методы позволяют отслеживать причины смерти в рамках CRVS экономично и почти в реальном времени (de Savigny и соавторы, 2017). Обзор 26 работ, выполненных в 15 странах с низким и средним доходом в Африке, Азии, на Ближнем Востоке и в Южной Америке, рассмотрел применение вербальной аутопсии для ориентирования политики и улучшений в системах здравоохранения и описывает её как прагматичное и временное решение проблемы отсутствия работающей CRVS (Thomas и соавторы, 2018). Текст об one health показывает ещё одну область, где эпиднадзор зависит от данных, собранных вдали от больницы.

Метод в повседневной практике разных стран

Инструмент SmartVA, объединяющий сокращённый опросник и алгоритм Tariff 2.0, был переведён и применён в таких странах, как Бангладеш, Бразилия, Китай, Колумбия, Папуа — Новая Гвинея, Филиппины, Мьянма, Перу, Руанда, Соломоновы Острова, Шри-Ланка и Замбия (Hazard и соавторы, 2020). Авторы рассказывают об опыте его использования как части повседневной работы гражданской регистрации и напоминают, что он показал результат равный или лучший, чем у большинства альтернативных методов, включая причину, указанную врачами.

Что такое вербальная аутопсия

Патологи напоминают, что для большинства врачей термин вербальная аутопсия звучит как противоречие. Тем не менее речь идёт о чётко определённой процедуре, которая устанавливает причину смерти на основе структурированных интервью с родственниками, друзьями и ухаживающими и изучения доступных медицинских записей (Fligner и соавторы, 2011). Осмотра тела и взятия тканей нет. Слово аутопсия появляется потому, что цель та же: выяснить, почему человек умер.

Вербальная аутопсия — это структурированное интервью с близким родственником или ухаживающим умершего человека, проведённое после периода траура (Nichols и соавторы, 2018). Затем ответы интерпретируют врачи или алгоритмы, чтобы прийти к вероятной причине.

Кто отвечает и когда

Интервью проводится в сообществе, после культурно приемлемого периода траура (de Savigny и соавторы, 2017). В сцене в начале сестра — информант. Она видела головную боль, отёк и судороги, и эти три подсказки вместе с беременностью входят в вопросы опросника.

Опросник и свободный рассказ

Опросники ВОЗ следуют общей структуре (Nichols и соавторы, 2018). Они начинаются с даты и места интервью, места исследования и домохозяйства, продолжаются данными основного информанта и социально-демографическими данными умершего человека и проходят через историю травм и несчастных случаев. Затем идёт список симптомов с продолжительностью каждого, медицинские услуги, использованные до смерти, справка и медицинские документы, хранящиеся дома, если они есть, и, наконец, свободный рассказ о событиях до смерти с причиной по мнению информанта.

Этот свободный рассказ считается essential, когда анализ проводят врачи (Nichols и соавторы, 2018). Он позволяет увидеть порядок событий, чего один список симптомов не показывает.

Инструмент ВОЗ

Версия инструмента ВОЗ 2016 года была разработана, чтобы служить международным стандартом и читаться напрямую автоматическими программами, такими как InterVA, InSilicoVA и Tariff 2.0. К ней прилагаются руководства для интервьюеров и супервизоров, и она доступна в виде шаблона для электронного сбора на платформе Open Data Kit (Nichols и соавторы, 2018). Сбор можно вести на бумаге или на планшете (de Savigny и соавторы, 2017).

Сократить, не теряя информации. Группа исследователей систематически разработала сокращённую версию опросника, использованного в валидационном исследовании консорциума PHMRC. Оптимальный размер выбирали, анализируя, как падает результативность по мере сокращения инструмента, для взрослых, детей и новорождённых (Serina и соавторы, 2015). Эта сокращённая версия вместе с Tariff 2.0 дала начало SmartVA, подготовленному для масштабного использования на планшетах и телефонах (Nichols и соавторы, 2018).

От рассказа к причине: врачи и алгоритмы

После интервью кто-то должен приписать ответам причину. Один способ — проверка форм врачами. Другой — использование алгоритмов. Крупное исследование сравнило пять автоматических методов — InterVA-4, Random Forest, Simplified Symptom Pattern, Tariff и King-Lu — с проверкой врачами, используя 12 535 смертей из разных популяций с надёжно установленной причиной (Murray и соавторы, 2014).

InterVA основан на правиле Байеса (Nichols и соавторы, 2018). Версия InterVA-5 была разработана в соответствии со стандартом ВОЗ 2016 (Byass и соавторы, 2019).

Три наиболее упоминаемых семейства алгоритмов — это InterVA, основанный на правиле Байеса, InSilicoVA, одна из программ, читающих инструмент ВОЗ 2016, и Tariff 2.0 со SmartVA, алгоритм, упакованный с сокращённым опросником PHMRC (Nichols и соавторы, 2018).

Все три принимают данные инструмента ВОЗ 2016, что позволяет сравнивать результаты между странами и между методами (Nichols и соавторы, 2018).

Логика, стоящая за алгоритмом

Правило Байеса — тот же принцип, что и предтестовая вероятность: исходят из шанса каждой гипотезы и корректируют этот шанс по мере каждой новой информации. Разница в том, что клиницист делает это в уме, а программа — сама. Текст о базовой частоте в диагностике показывает, почему исходная распространённость так сильно влияет на этот расчёт.

Насколько точно оценивается причина

Самый важный вопрос о любом диагностическом методе — насколько он точен. Чтобы ответить, нужен эталон. Консорциум PHMRC создал строгие диагностические критерии, с лабораторными, патологическими и визуализационными находками, чтобы выявить смерти с подтверждённой причиной в медицинских учреждениях, и разработал опросник вербальной аутопсии на основе стандартов ВОЗ (Murray и соавторы, 2011). Цель состояла в том, чтобы собрать чётко определённые эталонные смерти для валидации методов приписывания причины.

С этой базой исследователи сравнили методы. У взрослых точность по доле причин у автоматических методов составила от 0,764 до 0,770 против 0,680 у проверки врачами и 0,625 у InterVA (Murray и соавторы, 2014). У детей Tariff достиг 0,783, проверка врачами — 0,678, а InterVA — 0,520 (Murray и соавторы, 2014). У новорождённых значения составили 0,817, 0,719 и 0,629 (Murray и соавторы, 2014).

Сравнение с полной аутопсией

Исследование	Использованный эталон	Основная находка
Murray 2011	Смерти в медицинских учреждениях с клиническими, лабораторными и визуализационными критериями	Создана валидационная база PHMRC
Murray 2014	База PHMRC	Автоматические методы превзошли врачебную проверку по доле причин
Menéndez 2020	Полная диагностическая аутопсия в Мапуту	Низкое согласие для туберкулёза, малярии и пневмонии

Самый суровый тест пришёл из Мапуту, в Мозамбике. Исследователи сравнили InterVA с полной диагностической аутопсией на 316 смертях. Ни одна из смертей от туберкулёза не была выявлена вербальной аутопсией, а чувствительность составила 33 для малярии и 36 для пневмонии на каждые 100 смертей от этих причин. Алгоритм приписал 26 смертей эклампсии, но лишь 4 имели эту причину при аутопсии (Menéndez и соавторы, 2020). Чувствительность также была нулевой для диарейных болезней и диссеминированных инфекций и составила 32 на каждые 100 для ВИЧ. В 16 смертях модель не пришла к однозначному результату.

Авторы приходят к выводу, что эти результаты не помогают укрепить доверие к текущим оценкам причин смерти (Menéndez и соавторы, 2020). Они также напоминают, что передача малярии в Мапуту низкая, что влияет на интерпретацию цифр по этой причине.

Популяция и индивид

Эти результаты кажутся противоречивыми, но измеряют разные вещи. Точность по доле причин показывает, правильно ли метод определяет распределение причин в большой группе. Согласие по отдельным случаям показывает, правильно ли он определяет причину каждой смерти. В исследовании PHMRC согласие с поправкой на случайность для автоматических методов у взрослых составило около половины, ниже точности по доле причин (Murray и соавторы, 2014). Метод может хорошо оценивать долю смертей от какой-либо причины в регионе и при этом ошибаться в том, какие именно смерти были этими.

Где метод ошибается

Точность вербальной аутопсии сильно зависит от качества диагностических критериев, возраста умершего и типа заболевания. Смерти с неспецифичными признаками и симптомами особенно трудны (Fligner и соавторы, 2011). Авторы упоминают трудность отделения смертей от малярии от вызванных другими лихорадочными заболеваниями, такими как сепсис, менингит, энцефалит и пневмония. Материнские, перинатальные смерти и мертворождения также имеют плохую диагностическую специфичность.

Случай эклампсии в Мапуту иллюстрирует проблему на практике: алгоритм отнёс к этой причине гораздо больше смертей, чем подтвердила аутопсия (Menéndez и соавторы, 2020). В сцене в начале гипертензивное заболевание беременности — гипотеза, которая привлекает больше всего внимания, но метод сам по себе её не подтвердил бы. Это тот же короткий путь, о котором говорится в тексте о дифференциальной диагностике по подсказкам: яркая подсказка может прекратить поиск слишком рано.

Источники ошибок, описанные в исследованиях

• Неспецифичные признаки и симптомы (Fligner и соавторы, 2011).
• Лихорадки разных причин, которые выглядят похоже в рассказе (Fligner и соавторы, 2011).
• Материнские и перинатальные смерти с плохой специфичностью (Fligner и соавторы, 2011).
• Отсутствие какого-либо медицинского источника информации во многих опросниках (Fligner и соавторы, 2011).
• Нулевая чувствительность к туберкулёзу по сравнению с полной аутопсией (Menéndez и соавторы, 2020).
• Смерти без окончательного результата модели (Menéndez и соавторы, 2020).

Когда методы дополняют друг друга

Патологоанатомическая аутопсия долгое время считается эталоном для определения причины смерти (Fligner и соавторы, 2011). Главное препятствие — необходимость патологов, ассистентов и гистологической лаборатории, которых не хватает во многих странах с низким и средним доходом. Ещё одна проблема — культурные и религиозные установки в отношении смерти и обращения с телом, которые различаются по странам и требуют индивидуального подхода.

Авторы предлагают постоянно оценивать часть смертей с помощью патологоанатомической аутопсии вместе с вербальной аутопсией, чтобы улучшить качество данных о смертности и выявить новые или возникающие заболевания (Fligner и соавторы, 2011). Они также напоминают, что те же допущения, которые приводят к ошибке в до 40 из каждых 100 смертей, засвидетельствованных врачами, присутствуют и в данных вербальной аутопсии. Текст о сессиях по заболеваемости и смертности показывает ту же логику обучения на ошибках в меньшем масштабе.

Помимо причины: обстоятельства смерти

Биологическая причина — лишь часть истории. Исследователи в Агинкурте, Южная Африка, создали короткий набор вопросов о пути к помощи и обстоятельствах и событиях вокруг смерти и включили его в краткий опросник вербальной аутопсии ВОЗ 2012 года (D'Ambruoso и соавторы, 2016). Среди изученных смертей 39 из каждых 100 семей не обратились за помощью, 36 из каждых 100 сочли помощь слишком дорогой и 33 из каждых 100 не обратились в медицинское учреждение.

Авторы приходят к выводу, что добавление этих вопросов даёт информацию, дополняющую распределение причин и значимую для планирования здравоохранения (D'Ambruoso и соавторы, 2016). Цель состояла в создании показателей о процессах помощи, обстоятельствах и событиях, связанных с системой здравоохранения и социальным контекстом.

Вопросы о пути к помощи

Темы набора Agincourt требуют, чтобы интервью выяснило, обращалась ли семья за помощью, доходил ли человек до медицинского учреждения, повлияли ли расходы на решение искать помощи, какой путь лечения прошёл человек и какие события произошли незадолго до момента смерти (D'Ambruoso и коллеги, 2016).

Применение в общественном здравоохранении и в клинике

Данные вербальной аутопсии питают оценки бремени болезней, планирование программ и оценку вмешательств. Обзор 26 работ обнаружил примеры применения метода для ориентации политики в разных странах (Thomas и коллеги, 2018). SmartVA был представлен как способ быстро улучшить знание о причинах смерти в сельских популяциях с ограниченными ресурсами, с опытом в Мьянме, Папуа-Новой Гвинее, Бангладеш и на Филиппинах (Hazard и коллеги, 2020).

Для клинициста вербальная аутопсия даёт прямой урок: она показывает, сколько можно вывести только из рассказа и сколько теряется. Текст о признаках, симптомах и истории обсуждает, как толковать то, что приходит из речи пациента и сопровождающего.

Чему вербальная аутопсия учит тех, кто ведёт приём

Опросник ВОЗ отделяет список симптомов с длительностью каждого от свободного рассказа и от причины по мнению информанта (Nichols и коллеги, 2018). Это разделение — хорошая модель для консультации, где рассказ сопровождающего тоже смешивает увиденное с выведенным. Текст о диагностической неопределённости рассматривает, как взвешивать подсказки, переданные третьими лицами.

На приёме это означает записывать каждый симптом с его длительностью, просить свободный рассказ в том порядке, в каком события происходили, отдельно отмечать, что информант считает причиной, и спрашивать о медицинских документах, хранящихся дома.

Рассуждение о сцене начала

Учебная последовательность для сцены с использованием описанных выше шагов может быть такой:

1. Контекст. Молодая женщина, беременность семь месяцев, смерть дома.
2. Подсказки. Сильная головная боль, отёк ног, судороги.
3. Опросник. Записать каждый симптом с длительностью и собрать свободный рассказ сестры.
4. Атрибуция. Проверка врачом или алгоритмом.
5. Предел. Материнские смерти имеют плохую специфичность при вербальной аутопсии, и в Мапуту эклампсия приписывалась чрезмерно.
6. Обстоятельства. Спросить, обращалась ли семья за помощью и дошла ли до учреждения.
7. Запись. Выбрать код предполагаемой причины, зная о неопределённости.

Шаг 7 напоминает, что предполагаемая причина тоже нуждается в коде. Умение найти правильный код в МКБ-10 — часть работы. Текст о подготовке к пандемиям показывает другое применение данных надзора, а текст о холере, кори и недоедании в конфликтах напоминает, как подсчёт смертей направляет ответ в кризисах.

Как NEXO помогает тренировать это рассуждение

В NEXO случай дня вымышленный, с реальной клинической картиной и до шести последовательных подсказок, и вы предлагаете диагноз, ища код в МКБ-10.

Ограничения использования игры описаны на странице экономики NEXO. Если вы исследуете преподавание клинического рассуждения, страница для Researcher объясняет, как связаться. Специалисты, которые пишут или проверяют случаи, найдут информацию в разделах Curator и Creators, а учреждения могут узнать о предложении на странице для партнёрств.

Частые вопросы

Применяется ли вербальная аутопсия там, где нет свидетельства о смерти?

Её предложили как лучшую альтернативу там, где медицинская сертификация смерти редка (de Savigny и коллеги, 2017).

Существует ли стандартизированный опросник ВОЗ?

Инструмент ВОЗ 2016 служит международным стандартом, и его могут читать InterVA, InSilicoVA и Tariff 2.0 (Nichols и коллеги, 2018).

Могут ли алгоритмы заменить проверку врачами?

В оценке распределения причин исследования показывают преимущество алгоритмов. В базе PHMRC автоматические методы имели точность выше, чем проверка врачами (Murray и коллеги, 2014).

Может ли вербальная аутопсия ошибиться в причине конкретной смерти?

В Мапуту сравнение с полной аутопсией показало низкое согласие для туберкулёза, малярии и пневмонии (Menéndez и коллеги, 2020).

Можно ли использовать интервью, чтобы понять сбои системы здравоохранения?

Вопросы об обстоятельствах показали семьи, которые не обращались за помощью или считали уход слишком дорогим (D'Ambruoso и соавторы, 2016).

Ключевые выводы

• Почти половина смертей в мире не имеет засвидетельствованной причины.
• Вербальная аутопсия — это структурированное интервью с родственниками, проводимое после периода траура.
• Инструмент ВОЗ 2016 года стандартизирует интервью и позволяет проводить автоматический анализ.
• В базе PHMRC алгоритмы превзошли врачебную проверку по доле причин.
• По сравнению с полной аутопсией в Мапуту совпадение по каждому случаю было низким.
• Малоспецифичные симптомы и материнские смерти труднее всего классифицировать.
• Вопросы об обстоятельствах дают полезную информацию для планирования.
• Патологоанатомическая аутопсия части смертей может улучшить качество данных.

Хотите потренировать мышление с постепенно открывающимися подсказками? Сыграйте в случай дня.

Источники

1. Byass P, Hussain-Alkhateeb L, D'Ambruoso L, et al. An integrated approach to processing WHO-2016 verbal autopsy data: the InterVA-5 model. BMC Med. 2019. PMID 31146736.
2. D'Ambruoso L, Kahn K, Wagner RG, et al. Moving from medical to health systems classifications of deaths: extending verbal autopsy to collect information on the circumstances of mortality. Glob Health Res Policy. 2016. PMID 29202052.
3. de Savigny D, Riley I, Chandramohan D, et al. Integrating community-based verbal autopsy into civil registration and vital statistics (CRVS): system-level considerations. Glob Health Action. 2017. PMID 28137194.
4. Fligner CL, Murray J, Roberts DJ. Synergism of verbal autopsy and diagnostic pathology autopsy for improved accuracy of mortality data. Popul Health Metr. 2011. PMID 21806831.
5. Hazard RH, Buddhika MPK, Hart JD, et al. Automated verbal autopsy: from research to routine use in civil registration and vital statistics systems. BMC Med. 2020. PMID 32146903.
6. Menéndez C, Quintó L, Castillo P, et al. Limitations to current methods to estimate cause of death: a validation study of a verbal autopsy model. Gates Open Res. 2020. PMID 33145479.
7. Murray CJ, Lopez AD, Black R, et al. Population Health Metrics Research Consortium gold standard verbal autopsy validation study: design, implementation, and development of analysis datasets. Popul Health Metr. 2011. PMID 21816095.
8. Murray CJ, Lozano R, Flaxman AD, et al. Using verbal autopsy to measure causes of death: the comparative performance of existing methods. BMC Med. 2014. PMID 24405531.
9. Nichols EK, Byass P, Chandramohan D, et al. The WHO 2016 verbal autopsy instrument: An international standard suitable for automated analysis by InterVA, InSilicoVA, and Tariff 2.0. PLoS Med. 2018. PMID 29320495.
10. Serina P, Riley I, Stewart A, et al. A shortened verbal autopsy instrument for use in routine mortality surveillance systems. BMC Med. 2015. PMID 26670275.
11. Thomas LM, D'Ambruoso L, Balabanova D. Verbal autopsy in health policy and systems: a literature review. BMJ Glob Health. 2018. PMID 29736271.