Предтестовая вероятность: как читать анализы

Анализ возвращается положительным, и первая реакция — принять результат за диагноз. На этом этапе, однако, один и тот же положительный D-димер может означать совершенно разные вещи у двух пациентов, а один и тот же отрицательный анализ может закрыть исследование в одном случае и почти ничего не сказать в другом. Разница в том, что вы думали до того, как назначили анализ.

NEXO — это ежедневная игра по медицинской диагностике: один клинический случай в день, шесть последовательных подсказок и обратная связь по близости МКБ-10 на пяти уровнях.

Этот текст объясняет предтестовую вероятность и то, как она меняет интерпретацию анализов: расчёт с шансом и отношением правдоподобия, пример с D-димером при подозрении на тромбоз глубоких вен, пороги, которые говорят, когда анализ меняет тактику, и самые частые ошибки оценки. Краткий способ использовать отношения правдоподобия в уме и применение находок из анамнеза и физикального осмотра в качестве тестов — в тексте о дифференциальном диагнозе с подсказками; здесь в центре внимания следующий шаг — дополнительное исследование.

Главные пункты

• Предтестовая вероятность — это шанс, что болезнь присутствует до анализа, оценённый по анамнезу, физикальному осмотру и эпидемиологии.
• Результат анализа не говорит, есть ли болезнь; он умножает уже имевшийся у вас шанс на отношение правдоподобия этого результата.
• Один и тот же результат приводит к очень разным посттестовым вероятностям в зависимости от исходной вероятности.
• Прогностические ценности зависят от распространённости в изученной группе; чувствительность и специфичность сами по себе не говорят о вероятности болезни у вашего пациента.
• Анализ помогает только тогда, когда вероятность находится между двумя порогами: ниже первого тестировать не стоит; выше второго уже лечат.
• Специалисты склонны переоценивать вероятность до и после анализов, и тренировка оценки — часть клинического мышления.

Содержание

• Что такое предтестовая вероятность
• От вероятности к шансу и обратно
• Пример с D-димером
• Чувствительность, специфичность и прогностические ценности
• Когда анализ не меняет тактику
• Почему мы ошибаемся в оценке
• Как тренировать оценку
• Частые вопросы
• Чек-лист для интерпретации анализа

Что такое предтестовая вероятность

Предтестовая вероятность — это ваша оценка того, что у пациента есть болезнь, до того как вы узнали результат анализа. Она рождается из того, что вы уже знаете: возраст, пол, контекст, симптомы, находки физикального осмотра и частота болезни в месте, где вы принимаете. После анализа эта оценка обновляется и становится посттестовой вероятностью.

Диагноз в таком взгляде — это гипотеза, и абсолютная уверенность недостижима, сколько бы анализов ни назначалось (Kassirer, 1989). Задача — снизить неопределённость настолько, чтобы принять лучшее терапевтическое решение (Kassirer, 1989). Думать о предтестовой вероятности — практичный способ понять, сколько неопределённости есть и насколько анализ может её уменьшить.

Откуда берётся оценка

Есть три основных источника. Первый — распространённость в контексте: одна и та же жалоба имеет разные распределения болезней в первичной помощи, в приёмном отделении и в стационаре больницы третьего уровня. Второй — находки у самого пациента, каждая со своим весом. Третий — правила клинического прогнозирования, которые объединяют несколько находок в балльную шкалу и были валидированы на группах пациентов.

Когда существует валидированное правило, оно обычно служит самой надёжной опорой. В исследовании Wells и коллег врачи использовали клиническую модель, чтобы классифицировать пациентов с подозрением на тромбоз глубоких вен как вероятных или маловероятных до любого анализа (Wells et al., 2003). Пример ниже показывает, что происходит с одним и тем же анализом в каждой группе.

Оценка — не догадка

Оценка может быть грубой и всё равно полезной. Сказать «низкая», «средняя» или «высокая» уже меняет способ чтения результата, а с практикой можно прийти к разумным числовым диапазонам. Что не работает — пропустить этот этап и позволить анализу решать в одиночку, потому что, как показывают следующие разделы, анализ на это не способен.

Гипотеза до анализа

На практике предтестовая вероятность существует только для определённой гипотезы. Не оценивают вероятность «чего-то»; оценивают вероятность тромбоза глубоких вен, пневмонии, инфекции мочевыводящих путей. Поэтому список гипотез идёт перед назначением обследований, и каждое обследование должно отвечать на вопрос об одной гипотезе из списка. Как составить и упорядочить этот список, рассказано в тексте о клиническом мышлении.

От вероятности к шансу и обратно

Инструмент, связывающий предтестовую вероятность с результатом, — это отношение правдоподобия. Это доля больных с данным результатом, делённая на долю людей без заболевания с тем же результатом (Grimes и Schulz, 2005). Значения больше 1 указывают, что результат связан с наличием заболевания, а значения меньше 1 — с его отсутствием (Deeks и Altman, 2004).

Расчёт в три шага

Отношение правдоподобия применяется не напрямую к вероятности, а к шансу (odds). Предтестовый шанс, умноженный на отношение правдоподобия, даёт посттестовый шанс, который затем снова превращается в вероятность (Deeks и Altman, 2004). Три шага таковы:

1. Предтестовый шанс = вероятность ÷ (1 − вероятность).
2. Посттестовый шанс = предтестовый шанс × отношение правдоподобия.
3. Посттестовая вероятность = посттестовый шанс ÷ (1 + посттестовый шанс).

В примере из статьи Deeks и Altman курение 40 пачек-лет и более имело отношение правдоподобия 20,4 для обструктивной болезни дыхательных путей (Deeks и Altman, 2004). Исходя из вероятности 0,1, шанс равен 0,11; умноженный на 20,4, он составляет 2,27; а итоговая вероятность равна 0,69 (Deeks и Altman, 2004).

Тот же результат, три точки отсчёта

Теперь то же отношение правдоподобия 20,4 из статьи Deeks и Altman (Deeks и Altman, 2004), применённое к другим исходным вероятностям. Числа ниже — это редакционный расчёт, выполненный по формуле из статьи.

Предтестовая и посттестовая вероятность	Расчёт через шанс (редакционный расчёт)
С 1% примерно до 17% (редакционный расчёт с отношением правдоподобия из Deeks и Altman, 2004)	Предтестовый шанс 0,01 ÷ 0,99 = 0,0101; посттестовый шанс 0,0101 × 20,4 = 0,206; вероятность 0,206 ÷ 1,206 ≈ 0,17 (отношение и формула из Deeks и Altman, 2004)
С 10% примерно до 69% (пример из самой статьи Deeks и Altman, 2004)	Предтестовый шанс 0,1 ÷ 0,9 = 0,111; посттестовый шанс 0,111 × 20,4 = 2,27; вероятность 2,27 ÷ 3,27 ≈ 0,69 (отношение и формула из Deeks и Altman, 2004)
С 50% примерно до 95% (редакционный расчёт с отношением правдоподобия из Deeks и Altman, 2004)	Предтестовый шанс 0,5 ÷ 0,5 = 1; посттестовый шанс 1 × 20,4 = 20,4; вероятность 20,4 ÷ 21,4 ≈ 0,95 (отношение и формула из Deeks и Altman, 2004)

Редакционный расчёт на основе отношения правдоподобия и формулы из Deeks и Altman, 2004; исходные точки 1% и 50% и округления принадлежат редактору.

Урок из таблицы: результат с высоким отношением правдоподобия, которое считается сильным, всё равно оставляет заболевание маловероятным, когда исходная вероятность очень низкая (редакционный расчёт выше). Именно поэтому одна и та же информация может подтвердить диагноз у одного пациента и лишь вызвать сомнение у другого.

Номограмма Фагана

Чтобы избежать преобразований, существует номограмма: линейка с тремя колонками, в которой прямая линия соединяет предтестовую вероятность с отношением правдоподобия и показывает посттестовую вероятность (Fagan, 1975). В статье Deeks и Altman приведена номограмма с тем же примером курения, от 0,1 примерно до 0,7 (Deeks и Altman, 2004). Для мысленного упрощения без номограммы см. упрощённый метод в тексте о дифференциальном диагнозе.

Сила отношения правдоподобия

Отношения выше 10 и ниже 0,1 считаются сильным доказательством для подтверждения или исключения диагноза в большинстве ситуаций (Deeks и Altman, 2004). Отношения, близкие к 1, мало меняют решение, тогда как очень высокие или очень низкие отношения значительно меняют оценку (Grimes и Schulz, 2005). «Сильное» здесь всегда относительно точки отсчёта, как показала таблица.

Результаты с несколькими уровнями

Не всякое исследование делится на положительное и отрицательное. У исследований с результатом в виде диапазонов может быть отношение правдоподобия для каждого диапазона (Grimes и Schulz, 2005). В примере Deeks и Altman у каждого диапазона стажа курения своё отношение: 20,4 для 40 пачек-лет и более, 1,01 для 20–40 и 0,55 для до 20 (Deeks и Altman, 2004). Читать сильно изменённое значение как слегка изменённое значит выбрасывать информацию.

Пример с D-димером

Пример Wells и коллег — хорошая иллюстрация предтестовой вероятности на практике, потому что он показывает одно и то же исследование в двух группах с разной исходной вероятностью (Wells et al., 2003). Приведённые ниже числа сверены по полному тексту статьи.

Дизайн исследования

Амбулаторные пациенты с подозрением на тромбоз глубоких вен нижних конечностей были классифицированы по клинической модели как вероятные (2 балла и более) или маловероятные (менее 2) и рандомизированы на изолированное УЗИ или D-димер с последующим УЗИ (Wells et al., 2003). В группе D-димера те, кто был маловероятным и имел отрицательный D-димер, не проходили УЗИ (Wells et al., 2003).

Исходная вероятность в каждой группе

Среди 1 082 пациентов, завершивших наблюдение, распространённость проксимального тромбоза глубоких вен или тромбоэмболии лёгочной артерии составила 15,7% (Wells et al., 2003). В вероятной группе она составила 27,9%; в маловероятной — 5,5% (Wells et al., 2003). Внутри ветви D-димера доли составили 28,7% среди вероятных и 5,1% среди маловероятных (Wells et al., 2003).

Одно и то же исследование, два результата

Группа (ветвь D-димера)	Исходная вероятность	Отрицательная прогностическая ценность	Положительная прогностическая ценность
Маловероятно	5,1% (Wells et al., 2003)	99,1% (Wells et al., 2003)	14,1% (Wells et al., 2003)
Вероятно	28,7% (Wells et al., 2003)	89,0% (Wells et al., 2003)	38,6% (Wells et al., 2003)

Источник всех чисел в таблице: Wells et al., 2003.

В маловероятной группе отрицательная прогностическая ценность составила 99,1%, а положительная — 14,1% (Wells et al., 2003). В вероятной группе отрицательная составила 89,0%, а положительная — 38,6% (Wells et al., 2003). Если прочитать иначе (редакционный расчёт: 100% минус отрицательная прогностическая ценность из Wells et al., 2003), то после отрицательного D-димера в маловероятной группе оставалось около 0,9% болезни, а в вероятной — около 11%.

В этом суть предтестовой вероятности: одно и то же отрицательное исследование почти исключало болезнь у того, кто изначально имел низкую вероятность, и оставляло примерно один шанс из девяти у того, кто имел высокую (редакционный расчёт по Wells et al., 2003). Не случайно протокол исследования предписывал УЗИ всем вероятным пациентам, независимо от результата D-димера (Wells et al., 2003).

О чём статья не сообщает

Статья Wells и коллег не сообщает чувствительность и специфичность D-димера в этой выборке. В ней приведены распространённость по группам и прогностические ценности, а также упоминается, что два использованных теста имели сходные отрицательные прогностические ценности в более раннем исследовании авторов (Wells et al., 2003). Поэтому в этом тексте исследованию не приписываются числа чувствительности или специфичности.

Подразумеваемые отношения правдоподобия (редакционный расчёт)

Можно приблизительно оценить отношение правдоподобия, которое вело бы от исходной вероятности к итоговой вероятности в каждой группе. Это редакционный расчёт с числами из Wells et al. (2003), а не результат, опубликованный в статье.

• Маловероятно, отрицательный D-димер: предтестовый шанс 0,051 ÷ 0,949 ≈ 0,054; посттестовый шанс 0,009 ÷ 0,991 ≈ 0,009; подразумеваемое отношение 0,009 ÷ 0,054 ≈ 0,17 (редакционный расчёт с числами из Wells et al., 2003 и по формуле из Deeks и Altman, 2004).
• Маловероятно, положительный D-димер: посттестовый шанс 0,141 ÷ 0,859 ≈ 0,164; подразумеваемое отношение 0,164 ÷ 0,054 ≈ 3,1 (редакционный расчёт с числами из Wells et al., 2003 и по формуле из Deeks и Altman, 2004).
• Вероятно, D-димер отрицательный: предтестовая вероятность 0,287 ÷ 0,713 ≈ 0,40; посттестовая вероятность 0,11 ÷ 0,89 ≈ 0,12; подразумеваемое отношение 0,12 ÷ 0,40 ≈ 0,31 (редакционный расчёт с числами из Wells et al., 2003 и формулой из Deeks и Altman, 2004).
• Вероятно, D-димер положительный: посттестовая вероятность 0,386 ÷ 0,614 ≈ 0,63; подразумеваемое отношение 0,63 ÷ 0,40 ≈ 1,6 (редакционный расчёт с числами из Wells et al., 2003 и формулой из Deeks и Altman, 2004).

Подразумеваемые отношения различаются между группами (редакционный расчёт выше). Одно из возможных объяснений состоит в том, что способность исследования отделять больных от не больных может меняться в зависимости от типа оцениваемого пациента — так называемое смещение спектра, которое является одной из оговорок, отмеченных для исследований точности (Pewsner et al., 2004). Урок для исследования двойной: исходная вероятность имеет значение, и эффективность исследования зависит от группы, в которой она измерялась.

Практическая выгода

Использование предтестовой вероятности вместе с D-димером снизило среднее число ультразвуковых исследований на пациента с 1,34 до 0,78 (Wells et al., 2003). Двести восемнадцать пациентов из группы D-димера, 38,8% завершивших наблюдение, не нуждались в ультразвуковом исследовании (Wells et al., 2003). Среди пациентов группы D-димера, у которых тромбоз был исключён начальной стратегией, 0,4% имели тромбоэмболическое событие в течение трёх месяцев против 1,4% в контрольной группе, разница без статистической значимости (Wells et al., 2003).

Чувствительность, специфичность и прогностические ценности

Чувствительность и специфичность описывают, как наличие или отсутствие заболевания предсказывает результат исследования; они сами по себе не говорят о вероятности заболевания при данном результате (Deeks и Altman, 2004). Прогностические ценности дают эту вероятность, но зависят от распространённости в изученной группе (Deeks и Altman, 2004). Отношение правдоподобия объединяет оба: оно происходит из эффективности исследования и применяется к вероятности вашего пациента.

Почему прогностическая ценность не переносится

Пример с D-димером показал это на практике: одно и то же исследование имело совершенно разные прогностические ценности в группах вероятного и маловероятного (Wells et al., 2003). Опубликованная прогностическая ценность справедлива для пациентов, похожих на участников исследования. Если ваш пациент исходит из совсем другой вероятности, прогностическая ценность из статьи — не его.

SnNOut и SpPIn с осторожностью

Популярны два мнемонических правила: очень чувствительное исследование при отрицательном результате исключает заболевание (SnNOut); очень специфичное исследование при положительном результате подтверждает (SpPIn) (Pewsner et al., 2004). Pewsner и коллеги показывают, что сила исключения зависит не только от чувствительности и падает при низкой специфичности; точно так же сила подтверждения зависит от обеих мер (Pewsner et al., 2004). Авторы рекомендуют критически оценивать исследования точности и вычислять посттестовые вероятности с доверительными интервалами, прежде чем рассматривать исследование как SnNOut или SpPIn (Pewsner et al., 2004).

Сочетать исследование и клинику

Отношения правдоподобия дополнительных исследований, будучи добавлены к хорошей клинической оценке, синергически улучшают диагностическую точность (Grimes и Schulz, 2005). На практике это означает, что исследование не заменяет анамнез и физикальное обследование: оно исходит из той точки, в которой они оставили вероятность.

Когда исследование не меняет тактику

Исследование стоит того, когда результат может изменить то, что вы делаете. Pauker и Kassirer описали два порога вероятности для этого решения: порог тестирования и порог тестирования и лечения (Pauker и Kassirer, 1980).

Два порога

Если вероятность заболевания ниже порога тестирования, не лечат и не тестируют; если она выше порога тестирования и лечения, лечат без новых исследований; исследование следует проводить только между двумя порогами (Pauker и Kassirer, 1980). Значения порогов зависят от надёжности и рисков исследования и от пользы и рисков лечения (Pauker и Kassirer, 1980).

Опубликованный пример порога

Клайн и коллеги оценили порог тестирования для назначения D-димера при подозрении на тромбоэмболию лёгочной артерии в 1,8%, используя метод Паукера и Кассирера (Kline et al., 2004). На основе восьми клинических критериев, среди которых возраст младше 50 лет и пульс менее 100 ударов в минуту, авторы вывели правило, позволяющее обосновать отказ от исследования (Kline et al., 2004). Среди пациентов низкого риска, соответствовавших всем критериям, распространённость тромбоэмболии лёгочной артерии составила 1,4%, ниже порога (Kline et al., 2004).

Сами авторы указывают на ограничение: специфичность правила составила 27% в группе низкого риска и 15% в группе очень низкого риска (Kline et al., 2004). Ценность примера для тех, кто учится, в том, что он показывает ход рассуждения: когда вероятность уже ниже порога тестирования, результат исследования не должен менять тактику.

Поиск уверенности

Кассирер назвал упорный поиск диагностической уверенности одной из причин избытка исследований и напомнил, что задача — снизить неопределённость настолько, чтобы принять решение, а не устранить её (Kassirer, 1989). В мета-анализе исследований за 15 лет средняя доля избыточного использования лабораторных исследований составила 20,6% (Zhi et al., 2013). Тот же мета-анализ выявил среднее недоиспользование 44,8%, что напоминает: проблема также в том, чтобы не назначить исследование, которое изменило бы тактику (Zhi et al., 2013).

Вопросы перед назначением

Простой способ применять пороги на этапе обучения, как редакционное указание:

1. Какую гипотезу проверит это исследование?
2. Какова моя предтестовая вероятность для неё, хотя бы в диапазоне?
3. Если результат будет положительным, что я делаю? А если отрицательным?
4. Если оба ответа совпадают, исследование не меняет тактику.

Редакционное указание; решение о назначении или отказе от исследования всегда принимает врач, ответственный за пациента.

Почему мы ошибаемся в оценке

Оценивать вероятность трудно, и исследования показывают, что ошибка распространена даже среди опытных специалистов.

Переоценка до и после

В опросе 553 специалистов амбулаторного звена в восьми американских штатах, со сценариями, типичными для первичной помощи, предтестовая вероятность была переоценена во всех четырёх представленных сценариях (Morgan et al., 2021). После положительной рентгенографии на пневмонию оценённая вероятность составила 95% против 46%–65% по данным доказательств (Morgan et al., 2021). После положительной маммографии оценка составила 50% против 3%–9% по данным доказательств (Morgan et al., 2021). Авторы предполагают, что такие переоценки способствуют гипердиагностике и избыточному использованию исследований (Morgan et al., 2021).

Классический вопрос о ложноположительном результате

В 1978 году Касселс и коллеги спросили врачей, ординаторов и студентов, какова вероятность болезни после положительного исследования, при распространённости болезни 1 на 1.000 и доле ложноположительных результатов 5% (Manrai et al., 2014). Задав тот же вопрос в 2013 году, Манрай и коллеги получили 23% правильных ответов, без значимого различия с 18% в исходном исследовании (Manrai et al., 2014). Самым частым ответом в обоих исследованиях было 95%, его дали 44% участников в 2013 году (Manrai et al., 2014).

Расчёт, как редакционное вычисление с распространённостью и долей ложноположительных результатов из вопроса, описанного Manrai et al., 2014, и в предположении, что исследование выявляет всех больных: из 1.000 человек 1 болен и получает положительный результат; из 999 здоровых около 5%, то есть 50, получают положительный результат; значит, 1 из примерно 51 положительных результатов соответствует больному, около 2%, — тот же ответ, который Манрай и коллеги сочли правильным (Manrai et al., 2014). Разрыв между самым частым ответом, 95%, и правильным, около 2%, — это разрыв между игнорированием и учётом предтестовой вероятности (Manrai et al., 2014).

Естественные частоты помогают

Замена процентов на подсчёты, как в расчёте выше, облегчает рассуждение. В исследовании с участием 48 врачей положительная прогностическая ценность была оценена правильно в 10% случаев, когда информация подавалась в вероятностях, и в 46%, когда она подавалась в естественных частотах (Hoffrage и Gigerenzer, 1998). Мыслить «из каждых 1.000 таких пациентов» — простой инструмент для этапа обучения.

Очень разные оценки для одного и того же случая

В исследовании с участием ординаторов и преподавателей неотложной помощи и внутренней медицины оценки предтестовой вероятности для одного и того же описанного случая сильно различались; в одном из случаев ответы варьировались от 3% до 98% (Phelps и Levitt, 2004). Авторы предупреждают, что такая вариабельность может ограничивать согласованность посттестовых вероятностей, рассчитанных с помощью отношений правдоподобия (Phelps и Levitt, 2004). Поэтому, когда она существует, валидированное правило предсказания или данные о местной распространённости помогают закрепить оценку.

Ошибки, которых стоит избегать

• Забыть об отправной точке: читать результат так, будто его достаточно.
• Использовать прогностическую ценность другой группы: применять цифру из статьи к пациенту, сильно отличающемуся от изученных.
• Считать результат из диапазона бинарным: терять информацию о том, насколько изменённым пришёл результат исследования.
• Слишком доверять правилу запоминания: применять SnNOut к исследованию с низкой специфичностью.
• Назначать исследование, которое не меняет тактику: когда любой результат ведёт к одному и тому же решению.

Как тренировать оценку

Оценка улучшается с повторением и обратной связью, как любой навык клинического мышления. Главное — записать число до того, как увидишь результат, и сравнить после.

В стационаре

Прежде чем смотреть результат исследования, скажите себе основную гипотезу и диапазон вероятности. После результата пересчитайте оценку и посмотрите, соответствует ли изменение силе исследования. Когда для ситуации есть валидированное правило предсказания, сравните свою оценку с оценкой правила. Обсудите с ординатором или наставником не только диагноз, но и вероятность, которая была у каждого до исследования.

С тренировочными случаями

Случаи по этапам хорошо подходят для такого упражнения, потому что данные поступают постепенно, как в отделении. С каждой новой информацией записывайте основную гипотезу и вероятность, которую вы ей приписываете; в конце посмотрите, в какой момент оценка изменилась и почему.

Тренировка в NEXO

В NEXO каждый случай приходит с максимум шестью подсказками, и этот формат — хорошее поле для тренировки предтестовой вероятности: с каждой подсказкой вы формулируете гипотезы и можете оценить, насколько уверены в основной до следующей. Каждая гипотеза показывает близость по МКБ-10 на пяти уровнях, что говорит, была ли ваша гипотеза в правильной группе заболеваний. На третьей подсказке появляется область случая, а на пятой — глава МКБ; вы можете пропустить подсказку, когда хотите продвинуться.

Простое упражнение для режима «Ежедневный», со случаем дня, одинаковым для всех: перед каждой гипотезой запишите свою гипотезу и диапазон вероятности; в конце сравните с группой, на какой подсказке каждый стал увереннее. Архив собирает предыдущие случаи, Мультимедиа приносит случаи с изображением и аудио, а Континенты — случаи, связанные с Африкой, Америками, Азией, Европой и Океанией, где эпидемиология меняет стартовую вероятность. Адреналин, с дозой, выбранной заранее, тренирует оценку со временем.

Кнопка Anki создаёт карточку прямо из NEXO и открывает её в приложении Anki, ищет карточки, которые у вас уже есть, и, когда в случае есть изображение, переносит изображение в карточку; стоит сохранить находку, которая больше всего изменила вашу оценку. Чтобы понять ограничения каждого режима, смотрите страницу экономики NEXO. Чтобы познакомиться с игрой, читайте что такое NEXO.

С группой

В рейтинге есть вкладки Global, Universidades и Grupo, последняя с кодом приглашения. Когда лига или группа играет один и тот же случай, сравнение оценок на практике показывает вариабельность, которую описывают исследования, и помогает каждому откалибровать своё число. Если вы координируете факультет, лигу или ординатуру и хотите использовать такие случаи в обучении, познакомьтесь с NEXO Closer. Исследователи, которые хотят изучать, как студенты калибруют оценку, могут познакомиться с NEXO Researcher, врачи, которые хотят разбирать случаи, — с NEXO Curator, а те, кто создаёт контент по медицине, — с NEXO Creators.

Часто задаваемые вопросы

Что такое предтестовая вероятность?

Это оценка того, что у пациента есть заболевание, до результата исследования, основанная на анамнезе, физикальном обследовании, эпидемиологии и, когда они существуют, валидированных правилах предсказания. После исследования она обновляется и становится посттестовой вероятностью.

Как рассчитать посттестовую вероятность?

Преобразуйте предтестовую вероятность в шансы, умножьте на отношение правдоподобия результата и преобразуйте обратно в вероятность (Deeks и Altman, 2004). Номограмма Fagan делает тот же расчёт без вычислений (Fagan, 1975).

Почему один и тот же положительный результат исследования означает разные вещи?

Потому что результат умножает уже существовавшую вероятность. При том же отношении правдоподобия 20,4 вероятность 10% превращается примерно в 69% (Deeks и Altman, 2004), а 1% — примерно в 17% (редакционный расчёт по той же формуле).

В чём разница между прогностической ценностью и отношением правдоподобия?

Прогностическая ценность — это уже вероятность болезни, но она зависит от распространённости группы, в которой её измеряли (Deeks и Altman, 2004). Отношение правдоподобия измеряет силу результата и может быть применено к вероятности вашего пациента.

Отрицательный D-димер всегда исключает тромбоз?

В исследовании Wells и коллег отрицательный D-димер безопасно исключил тромбоз у клинически маловероятных пациентов, но не использовался отдельно у вероятных, которым делали ультразвуковое исследование (Wells et al., 2003). Решение по каждому пациенту принимает лечащий врач.

Когда не стоит назначать исследование?

Когда вероятность ниже порога тестирования или выше порога тестирования и лечения, потому что результат не меняет тактику (Pauker и Kassirer, 1980).

Как тренировать оценку предтестовой вероятности?

Запишите диапазон вероятности до каждого результата и сравните после. Пошаговые случаи, как в NEXO с шестью подсказками, помогают практиковать формулирование гипотез и оценку при каждой новой информации.

Чек-лист для интерпретации исследования

1. Определите гипотезу, которую будет проверять исследование.
2. Оцените предтестовую вероятность, хотя бы диапазоном.
3. Найдите правило предсказания, валидированное для данной ситуации.
4. Спросите, меняет ли результат тактику, положительный или отрицательный.
5. Используйте отношение правдоподобия, а не только чувствительность или специфичность.
6. Считайте через шансы или используйте номограмму.
7. Читайте результаты диапазоном по уровню, а не только как положительный или отрицательный.
8. Думайте естественными частотами: на каждые 1 000 таких пациентов.
9. Проверьте, были ли в исследовании исследования пациенты, похожие на вашего.
10. Сравните свою оценку с оценкой коллег и с исходом случая.

Хотите потренироваться сегодня? Играйте в случай дня в NEXO.

Литература

1. Kassirer JP. Our stubborn quest for diagnostic certainty. A cause of excessive testing. N Engl J Med. 1989. https://doi.org/10.1056/NEJM198906013202211
2. Wells PS, Anderson DR, Rodger M, et al. Evaluation of D-dimer in the diagnosis of suspected deep-vein thrombosis. N Engl J Med. 2003. https://doi.org/10.1056/NEJMoa023153
3. Grimes DA, Schulz KF. Refining clinical diagnosis with likelihood ratios. Lancet. 2005. https://pubmed.ncbi.nlm.nih.gov/15850636/
4. Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15258077/
5. Fagan TJ. Letter: Nomogram for Bayes's theorem. N Engl J Med. 1975. https://pubmed.ncbi.nlm.nih.gov/1143310/
6. Pewsner D, Battaglia M, Minder C, et al. Ruling a diagnosis in or out with "SpPIn" and "SnNOut": a note of caution. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15271832/
7. Pauker SG, Kassirer JP. The threshold approach to clinical decision making. N Engl J Med. 1980. https://pubmed.ncbi.nlm.nih.gov/7366635/
8. Kline JA, Mitchell AM, Kabrhel C, et al. Clinical criteria to prevent unnecessary diagnostic testing in emergency department patients with suspected pulmonary embolism. J Thromb Haemost. 2004. https://pubmed.ncbi.nlm.nih.gov/15304025/
9. Zhi M, Ding EL, Theisen-Toupal J, et al. The landscape of inappropriate laboratory testing: a 15-year meta-analysis. PLoS One. 2013. https://pubmed.ncbi.nlm.nih.gov/24260139/
10. Morgan DJ, Pineles L, Owczarzak J, et al. Accuracy of Practitioner Estimates of Probability of Diagnosis Before and After Testing. JAMA Intern Med. 2021. https://pubmed.ncbi.nlm.nih.gov/33818595/
11. Manrai AK, Bhatia G, Strymish J, et al. Medicine's uncomfortable relationship with math: calculating positive predictive value. JAMA Intern Med. 2014. https://pubmed.ncbi.nlm.nih.gov/24756486/
12. Hoffrage U, Gigerenzer G. Using natural frequencies to improve diagnostic inferences. Acad Med. 1998. https://pubmed.ncbi.nlm.nih.gov/9609869/
13. Phelps MA, Levitt MA. Pretest probability estimates: a pitfall to the clinical utility of evidence-based medicine? Acad Emerg Med. 2004. https://pubmed.ncbi.nlm.nih.gov/15175211/