МЫ НЕПРАВИЛЬНО ДИАГНОСТИРУЕМ
(Диагностика, часть 5)
⠀
Время перейти к самому интересному 🙇🏻‍♂️
⠀
У теста есть стабильные показатели ( от исследования к исследованию они почти не меняются): чувствительность Se и специфичность Sp 📊
⠀
А у пациента есть свои показатели. Они зависят от выборки, на фоне которой мы его рассматриваем. Распространенность (prevalence) или предтестовая вероятность (pre-test probability) - это вероятность заболевания в группе 👨🏻‍🦱
⠀
Используя эти данные, мы можем рассчитать PPV и NPV, которые будут подходить конкретному пациенту (из конкретной группы). Рассчитать это можно несколькими путями:
📍 по формуле Байеса
📍 по номограмме
📍 по формулам через odds (шансы) и likelihood ratio (отношение правдоподобия)
⠀
Но всё это разные взгляды на одну и ту же монету (фото ниже 👇🏻).
⠀
Разберемся с этим же всем на примере из статьи A.M. Molinaro (2015)📄
⠀
По данным исследования prevalence глиомы 37,5%, Se 96,7%, Sp 96% теста. Получается PPV 93,5, NPV 98%.
⠀
Получается мы практически всегда можем быть уверены в результатах теста? 🎉
Оказывается нет❗
⠀
Prevalence глиомы в популяции 0,003%! При сохранении Se и Sp мы получаем PPV 0,07% и NPV 99,9%🤯
⠀
Вот это уже более интересно... Получается, что у пациента с жалобами на головную боль и потерю памяти при "+" высококачественном тесте всего лишь 0,07% вероятность наличия глиомы 🙇🏻‍♂️
⠀
Меняет представление? Мое изменило, когда я стал изучать
⠀
Проблема кроется конечно в prevalence. Если мы возьмём ее среди всех с головной болью, то получим другие цифры. А если с большим количеством симптомов? 🤔
⠀
А если ещё раз у этого пациента провести тест?
Теперь его prevalence 0,07%, а значит при "+" его PPV станет 1,67%
Опять все не радужно...😰
⠀
Вы ещё верите, что докмед так прост? Или уже начинают закрадываться сомнения, что одних статей с UpToDate недостаточно?

#ebm_диагностика