Анализ на данни от медицина, базирана на доказателства. Статистическите методи като основа на медицината, основана на доказателства

Има няколко определения за основана на доказателства медицина:

• Това е нова технология за събиране, анализ, синтез и използване на медицинска информация, която ви позволява да вземате оптимални клинични решения.
• Това е съзнателно, ясно и безпристрастно използване на най-добрите налични доказателства за насочване на решенията относно грижите за отделните пациенти.
• Това е подобряване на традиционните умения на клинициста в диагностиката, лечението, превенцията и други области чрез систематично формулиране на въпроси и прилагане на математически оценки на вероятността и риска.

Веднага трябва да се каже, че термините "липса на доказателства", "недоказано" или "има достатъчно доказателства" не са еквивалентни на термините "доказано няма ефект" или "доказано няма полза". Формулировката „не е доказано“ може да означава липса на познаване на проблема и възможността за организиране на по-големи проучвания или използване на други методи за събиране на информация и провеждане на статистически анализ. В същото време не трябва да забравяме, че обратната формулировка „доказано“ може да означава статистическа манипулация в интерес на фирмите производители.

Медицината, основана на доказателства, се основаваотносно изследователските методи, използвани в епидемиологията.

Дж.М. Накрая, формулирайки съвременна дефиниция на епидемиологията, се фокусира върху отделни думи в тази дефиниция. И така, под „проучване“ трябва да се разбира провеждането на наблюдателни (наблюдателни) и експериментални изследвания, тестване на хипотези и анализ на резултатите.
„Разпространението на болести и фактори ...“ включва изследване на честотата на случаите на заболяване, смърт, рискови фактори, спазване на препоръките на лекаря от пациента, организацията на медицинската помощ и нейната ефективност.
„Целева група” – група с точен брой лица и определени възрастови, полови, социални и други характеристики.

Понастоящем съвременната концепция за епидемиология се обозначава с термина "клинична епидемиология". Този термин идва от имената на две "родителски" дисциплини: клинична медицина и епидемиология.
„Клиничен“, защото се стреми да отговори на клинични въпроси и да препоръча клинични решения въз основа на най-надеждните доказателства.
„Епидемиология“, защото много от нейните методи са разработени от епидемиолози и грижата за конкретен пациент се разглежда тук в контекста на голямата популация, към която принадлежи пациентът.

Клинична епидемиология- наука, която позволява прогнозиране за всеки отделен пациент въз основа на изследване на клиничния ход на заболяването в подобни случаи, като се използват строги научни методи за изследване на групи пациенти, за да се гарантират точни прогнози.

Цел на клиничната епидемиология– разработване и прилагане на такива методи за клинично наблюдение, които дават възможност да се правят справедливи заключения с гарантирана оценка на въздействието систематични и случайни грешки. Това е най-важният подход за получаване на информацията, необходима на лекарите, за да вземат правилните решения.

Основният метод в епидемиологията е сравнението.Извършва се чрез математически изчисления на такива количества като съотношение на шансовете, съотношение на рискаразвитие на изследваните събития.

Въпреки това, преди да направим сравнение, е необходимо да разберем какво ще сравняваме с какво (портокали с портокали, а не портокали с параходи), т.е. формулирайте задача (проблем), която предшества началото на всяко изследване. Най-често проблемът се формулира под формата на въпрос, на който е необходимо да се намери отговор.

Например, хипотетично, ние (т.е. практикуващ лекар) имаме лекарство, което според химиците, които са го синтезирали, трябва да лекува петата. Фармакологичната компания, която пусна производството на лекарството, също уверява в инструкциите, че претендираният ефект наистина се осъществява.

Какво може да направи практикуващият лекар, когато решава дали да използва лекарство?

Отговорът „да вземем на думата химици/фармаколози“ е изключен като тривиален и изпълнен с последствия. Нашата задача- проверете заявения ефект на лекарството върху петата с наличните средства на практикуващия (потвърдете или опровергайте и т.н.). Разбира се, няма да тестваме лекарството върху лабораторни мишки, доброволци и т.н. Предполага се, че преди "пускането в серията" някой вече е направил това повече или по-малко добросъвестно.

Според задачата ще започнем формирането на масив от данни, който служи за нейното решаване:

1. Първо ще произвеждаме търсене на информация.
2. След това изключваме неподходящи статии от получения масив от данни (неподходящи – неподходящи за нашите интереси).
3. Ние ще оценим методологичното качество на намерените изследвания (доколко правилен е методът за събиране на информация в изследването, дали използваните методи за статистически анализ са подходящи и т.н.) и ще класираме информацията в получения масив според степента на надеждност на доказателствата въз основа на съществуващите конвенции за медицинска статистика и критерии за надеждност, предложени от експерти по медицина, базирана на доказателства.

   Според Шведския съвет за методология за оценка на здравето, надеждността на доказателствата от различни източници не е еднаква и зависи от вида на проведеното изследване. Типът изследване, извършено съгласно международното споразумение на Vancouver Group of Biomedical Editors (http://www.icmje.org/), трябва да бъде внимателно описан; също трябва да бъдат посочени методите за статистическа обработка на резултатите от клиничните изпитвания, декларираните конфликти на интереси, приносът на автора към научния резултат и възможността за искане на първична информация от автора за резултатите от изследването.

   За да се гарантира валидността на резултатите, получени в проучванията, трябва да се избере „базирана на доказателства“, т.е. адекватна на задачите, изследователска методология (дизайн на изследването и методи за статистически анализ) (Таблица 1), която ще вземем предвид, когато избор на информация от масива от данни.

   Таблица 1. Изборът на методология на изследването в зависимост от целта на изследването
   (описание на термините вж Речник на методическите термини)

   Цели на изследването	Уча дизайн	Методи за статистически анализ
   Оценка на разпространението на заболяването	Едновременно изследване на цялата група (популация) по строги критерии за разпознаване на заболяването	Оценка на дела, изчисляване на относителни показатели
   Оценка на заболеваемостта	кохортно изследване	Оценка на дела, изчисляване на времеви редове, относителни показатели
   Оценка на рисковите фактори за поява на заболяването	кохортни изследвания. Случай-контролни проучвания	Корелация, регресионен анализ, анализ на преживяемостта, оценка на риска, съотношение на шансовете
   Оценка на влиянието на факторите на околната среда върху хората, изследване на причинно-следствените връзки в населението	Екологични изследвания на популацията	Корелация, регресия, анализ на оцеляването, оценка на риска (добавен риск, относителен риск, добавен популационен риск, добавен дял от популационния риск), съотношение на шансовете
   Привличане на вниманието към необичайния ход на заболяването, резултат от лечението	Описание на случая, поредица от случаи	Не
   Описание на резултатите от настоящата клинична практика	Наблюдение („преди и след“)	Средно, стандартно отклонение, сдвоен t-тест на Student (количествени данни). Тест на McNimar (качествени данни)
   Тестване на нов метод на лечение	Фаза I клинично изпитване („преди и след“)	Средна стойност, стандартно отклонение, сдвоен t-тест на Student. Критерий на Макнимар
   Сравнение на две лечения в настоящата клинична практика	контролирана перспектива. Рандомизирано (отворено, сляпо, двойно сляпо). Контролирана ретроспекция. Контролирана перспектива + ретроспекция (смесен дизайн)	Критерий на Стюден (количествени данни). Критерий χ 2 или z (качествени характеристики). Критерий на Каплан-Майерс (оцеляване)
   Сравнение на нов и традиционен метод на лечение	Клинични изпитвания II-IV фази (контролирани проспективни или рандомизирани)	Критерий на ученика. Критерий χ 2 . Критерий на Каплан-Майерс

   Всеки вид изследване се характеризира с определени правила за събиране и анализ на информация. При спазване на тези правила всяко едно изследване може да се нарече качествено, независимо дали то потвърждава или опровергава изложената хипотеза. По-подробни методи за статистически анализ, използвани за получаване на доказателства, са представени в книгите на Петри А., Сабин К. "Визуална статистика в медицината" (М., 2003), Гланц С. "Медицинска и биологична статистика" (М., 1999) .

   Степента на "доказателство" на информациятакласирани както следва (в низходящ ред):

   1. Рандомизирано контролирано клинично изпитване;
   2. Нерандомизирано клинично изпитване с едновременен контрол;
   3. Нерандомизирано клинично изпитване с исторически контрол;
   4. кохортно изследване;
   5. "Кейс-контрол";
   6. Кръстосано клинично изпитване;
   7. Резултати от наблюдение.

   Резултатите от изследвания, извършени с помощта на опростени методи или методи, които не отговарят на целите на изследването, с неправилно избрани критерии за оценка, могат да доведат до неверни заключения.

   Използването на сложни методи за оценка намалява вероятността от грешен резултат, но води до увеличаване на така наречените административни разходи (събиране на данни, създаване на база данни, методи за статистически анализ).

   Така например в изследването на E.N. Fufaeva (2003) разкри, че сред пациентите, които са имали група инвалидност преди операцията, запазването на инвалидността е регистрирано при всички 100%. Сред пациентите, които не са имали група инвалидност преди сърдечна операция, в 44% от случаите след операцията е определена група инвалидност. Въз основа на този резултат могат да се направят неверни изводи, че кардиохирургията влошава качеството на живот на пациентите. По време на проучването обаче се оказа, че 70,5% от пациентите и 79,4% от лекарите, които са наблюдавали тези пациенти, са доволни от резултатите от лечението. Регистрацията на група с увреждания се дължи на социални причини (обезщетения за получаване на лекарства, плащане на жилище и др.).

   Значението на социалната защита по въпросите на работоспособността се потвърждава от резултатите от проучване, проведено в Съединените щати и не разкрива ясна връзка между клиничното състояние (соматично заболяване) на пациента и работоспособността.

   За да се сравнят нивата на заетост след PTBA и CABG, бяха прегледани 409 пациенти (Hlatky M.A., 1998), 192 от тях бяха подложени на PTBA и 217 бяха подложени на CABG. Установено е, че пациентите, подложени на PTBA, се връщат на работа шест седмици по-бързо от пациентите, подложени на CABG. В дългосрочен план обаче влиянието на такъв фактор като вида на операцията се оказа незначително. През следващите четири години 157 пациенти (82%) в групата на TBA и 177 пациенти (82%) в групата на CABG се върнаха на работа. Факторите, които имат най-силно влияние върху дългосрочната заетост, са възрастта на пациента в началото на проучването и степента, до която здравното осигуряване покрива медицинските грижи.

   По този начин здравните фактори имат по-малко влияние върху нивата на заетост в дългосрочен план, отколкото демографските и социалните фактори. Резултатите, получени от руски и американски изследователи, показват, че някои от традиционните и на пръв поглед прости методи за оценка на резултатите от лечението са неприемливи за избор на приоритети и вземане на решения.

4. След това ще направим систематичен преглед - мета-анализ, ще оценим нивото на надеждност на резултатите, получени в хода на изследването, и ще сравним: има ли предимства на изследваните методи за диагностика, лечение, начини на плащане за услуги, целеви програми пред сравнените или използвани преди това.

   Ако включим информация с ниска степен на сигурност, тогава тази точка в нашето изследване трябва да се обсъди отделно.

   Центърът за основана на доказателства медицина в Оксфорд предлага следните критерии за надеждност на медицинската информация:

   • Висока увереност- информацията се основава на резултатите от няколко независими клинични изпитвания със съгласие между резултатите, обобщени в систематични прегледи.
   • Умерена сигурност- информацията се основава на резултатите от поне няколко независими, подобни клинични изпитвания.
   • Ограничена сигурност– информация въз основа на резултатите от едно клинично изпитване.
   • Няма строги научни доказателства(не са провеждани клинични изпитвания) - определено твърдение се основава на мнението на експерти.
5. И в заключение, след оценка на възможностите за използване на резултатите от изследването в реалната практика, ще публикуваме резултата:

   Това е шега, разбира се, но във всяка шега има доза истина.

   Обикновено се публикуват проучвания, които показват положителни резултати, като например показване на ново лечение. Ако работната хипотеза (задача, проблем) не се потвърди или не намери положително решение, тогава изследователят по правило не публикува данните от изследването. Това може да бъде опасно. И така, през 80-те години на ХХ век група автори изследват антиаритмично лекарство. В групата на пациентите, които са го получили, е установена висока смъртност. Авторите смятат това за случайност и тъй като разработването на това антиаритмично лекарство е преустановено, те не публикуват материалите. По-късно подобно антиаритмично лекарство, флекаинид, причини много смъртни случаи 1-2.
   ________________________

   1. N Engl J Med. 10 август 1989 г.;321(6):406-12, Предварителен доклад: ефект на енкаинид и флекаинид върху смъртността в рандомизирано проучване за потискане на аритмия след инфаркт на миокарда. Изследователи на проучването за потискане на сърдечната аритмия (CAST).

Горният алгоритъм за намиране и оценка на доказателства е предложен от D.L. Sackett et al (1997). Може да се използва във всяко изследване, дори когато се оценява влиянието на фазите на луната върху растежа на телеграфните стълбове.

Много често резултатите от проучвания, които оценяват ефективността на една и съща терапевтична или профилактична интервенция или диагностичен метод за едно и също заболяване, се различават. В тази връзка възниква необходимостта от относителна оценка на резултатите от различни изследвания и интегриране на резултатите от тях, за да се получи обобщаващо заключение.Един от най-популярните и бързо развиващи се методи за системно интегриране на резултатите от отделни научни изследвания днес е техниката на мета-анализ.

Мета-анализе количествен анализ на комбинираните резултати от екологични и епидемиологични проучвания, оценяващи въздействието на един и същ фактор на околната среда. Той дава количествена оценка на степента на съответствие или несъответствие между резултатите, получени в различни изследвания.

Въведение

В съответствие с концепцията за медицина, основана на доказателства, резултатите само от онези клинични проучвания, които се провеждат въз основа на принципите на клиничната епидемиология, което позволява минимизиране както на системните грешки, така и на случайните грешки (използвайки правилен статистически анализ на данните, получени в проучването), се признават за основани на доказателства.

Международната епидемиологична асоциация характеризира този вид изследване като техника за „комбиниране на резултатите от различни научни разработки, състоящи се от качествен компонент (например използване на такива предварително определени критерии за включване в анализа, като пълнота на данните, липса на очевидни недостатъци в организацията на изследването и др.) и количествен компонент (статистическа обработка на наличните данни)” – техника за мета-анализ.

Първият мета-анализ в науката е извършен от Карл Пиърсън през 1904 г. Като обединява проучвания, той решава да преодолее проблема с намаляването на силата на изследването в малки извадки. Анализирайки резултатите от тези проучвания, той стигна до заключението, че мета-анализът може да помогне за получаване на по-точни данни от изследването.

Въпреки факта, че мета-анализът вече е повсеместен в областта на епидемиологията и медицинските изследвания. Документи, които използват мета-анализ, се появяват едва през 1955 г. През 70-те години по-сложни аналитични методи бяха въведени в академичните изследвания от работата на Глас, Шмид и Хънтър (Джийн В. Глас, Франк Л. Шмид и Джон Е. Хънтър).

Оксфордският речник на английския език изяснява, че първото използване на термина е през 1976 г. от Глас. Основата на този метод е разработена от такива учени като: Nambury S. Raju, Larry V. Hedges, Harris Cooper, Ingram Olkin, John E. Hunter, Jacob Cohen, Thomas C. Chalmers и Frank L. Schmidt).

Мета-анализ: количествен подход към изследването

Целта на мета-анализа е да идентифицира, проучи и обясни разликите (поради наличието на статистическа хетерогенност или хетерогенност) в резултатите от изследванията.

Безспорните предимства на мета-анализа включват възможността за увеличаване на статистическата мощност на изследването и следователно точността на оценката на ефекта от анализираната интервенция. Това дава възможност по-прецизно, отколкото при анализа на всяко отделно малко клинично проучване, да се определят категориите пациенти, за които са приложими получените резултати.

Правилно извършеният мета-анализ включва проверка на научната хипотеза, подробно и ясно представяне на статистическите методи, използвани в мета-анализа, достатъчно подробно представяне и обсъждане на резултатите от анализа, както и произтичащите от него заключения. Такъв подход намалява вероятността от случайни и систематични грешки и ни позволява да говорим за обективността на получените резултати.

Подходи за извършване на мета-анализ

Има два основни подхода за извършване на мета-анализ.

Първият е статистически повторен анализ на отделни проучвания чрез събиране на първични данни за наблюденията, включени в оригиналните проучвания. Очевидно тази операция не винаги е възможна.

Вторият (и основен) подход е да се обобщят публикуваните резултати от изследвания по един въпрос. Такъв мета-анализ обикновено се извършва на няколко етапа, сред които най-важните са:

разработване на критерии за включване на оригинални изследвания в мета-анализа

оценка на хетерогенността (статистическа хетерогенност) на резултатите от оригиналните изследвания

провеждане на действителния мета-анализ (получаване на обобщена оценка на размера на ефекта)

анализ на чувствителността на заключения

Трябва да се отбележи, че етапът на определяне на обхвата на изследванията, включени в мета-анализа, често се превръща в източник на систематични грешки в мета-анализа. Качеството на мета-анализа до голяма степен зависи от качеството на оригиналните проучвания и статии, включени в него.

Основните проблеми при включването на проучвания в мета-анализ включват разлики между проучванията по отношение на критериите за включване и изключване, дизайна на изследването и контрола на качеството.

Съществува и пристрастие, свързано с преобладаващото публикуване на положителни резултати от проучване (проучванията, които имат статистически значими резултати, е по-вероятно да бъдат публикувани от тези, които нямат).

Тъй като мета-анализът се основава предимно на публикувани данни, трябва да се обърне специално внимание на недостатъчното представяне на отрицателните резултати в литературата. Включването на непубликувани резултати в мета-анализ също представлява значителен проблем, тъй като тяхното качество е неизвестно поради факта, че не са били рецензирани.

Основни методи

Изборът на метод за анализ се определя от вида на данните, които се анализират (двоични или непрекъснати) и вида на модела (фиксирани ефекти, случайни ефекти).

Двоичните данни обикновено се анализират чрез изчисляване на съотношението на шансовете (OR), относителния риск (RR) или разликата в рисковете между съвпадащите извадки. Всички тези показатели характеризират ефекта от интервенциите. Представянето на двоични данни като ИЛИ е удобно за използване при статистически анализи, но този показател е доста труден за клинично тълкуване. Непрекъснатите данни обикновено са диапазоните на изследваните променливи или нестандартизираната разлика в претеглените средни стойности в групите за сравнение, ако резултатите са измерени във всички проучвания по един и същи начин. Ако резултатите са оценени по различен начин (например по различни скали), тогава се използва стандартизираната разлика в средните стойности (т.нар. размер на ефекта) в сравняваните групи.

Една от първите стъпки в мета-анализа е да се оцени хетерогенността (статистическата хетерогенност) на резултатите от интервенционния ефект в проучванията.

За оценка на хетерогенността често се използват χ2 тестове с нулевата хипотеза за еднакъв ефект във всички изследвания и с ниво на значимост 0,1 за увеличаване на статистическата сила (чувствителност) на теста.

Източниците на хетерогенност в резултатите от различни проучвания се считат за вариация в рамките на изследването (поради случайни отклонения на резултатите от различни изследвания от една истинска стойност на фиксиран ефект), както и вариация между изследванията (поради разлики между изследваните проби в характеристиките на пациенти, заболявания, интервенции, водещи до малко по-различни стойности на ефекта).- случайни ефекти).

Ако се приеме, че дисперсията между изследванията е близка до нула, тогава на всяко от изследванията се присвоява тегло, чиято стойност е обратно пропорционална на дисперсията на резултата от това изследване.

Дисперсията в рамките на проучването на свой ред се определя като

където μ - средна стойност в рамките на изследванията При нулева вариация между проучванията може да се използва модел на фиксирани (постоянни) ефекти. В този случай се приема, че изследваната интервенция има еднаква ефикасност във всички проучвания и наблюдаваните разлики между проучванията се дължат само на вариация в рамките на проучването. В този модел се използва методът Mantel-Hansel.

Метод на Мантел-Хензел

Таблицата показва съотношението на пациентите в Ню Йорк и Лондон, които са били диагностицирани с шизофрения.

е среднопретеглената стойност на индивидуалните коефициенти на шансове в групите. Тестът хи-квадрат на Mantel-Hansel за значимостта на общата мярка за асоцииране се основава на среднопретеглената стойност на g разликите между пропорциите.

Хи-квадратната статистика на Мантел-Хензел се дава от

с 1 степен на свобода.

За да може дадена статистика да има разпределение хи-квадрат с 1 степен на свобода, всяка от четирите суми на очакваните честоти

трябва да се различава най-малко с 5 както от минимума, така и от максимума.

Това означава, че за да се използва уверено разпределение хи-квадрат с 1 степен на свобода за статистика, изобщо не е необходимо да има големи пределни честоти. Броят на наблюденията в таблицата може дори да бъде две, както в случая на свързани двойки. Единственото необходимо нещо е достатъчно голям брой таблици, така че всяка сума от очакваните честоти да е голяма.

Други подходи за извършване на мета-анализ

Моделът на случайните ефекти предполага, че ефективността на изследваната интервенция може да варира от проучване до проучване.

Този модел отчита вариацията не само в рамките на едно изследване, но и между различни изследвания. В този случай дисперсиите в рамките на изследването и дисперсията между проучванията се сумират. Целта на мета-анализа на непрекъснати данни обикновено е да представи точкови и интервални (95% CI) оценки на генерализирания ефект от интервенцията.

Съществуват и редица други подходи за извършване на мета-анализ: байесов мета-анализ, кумулативен мета-анализ, мултивариантен мета-анализ, мета-анализ на оцеляването.

Байесов мета-анализви позволява да изчислите предишни вероятности за ефективността на интервенцията, като вземете предвид косвени данни. Този подход е особено ефективен, когато броят на анализираните изследвания е малък. Той осигурява по-точна оценка на ефективността на интервенция в модел на произволни ефекти, като обяснява разликата между различните изследвания.

Кумулативен мета-анализ- специален случай на байесов мета-анализ - стъпка по стъпка процедура за включване на резултатите от изследването в мета-анализ един по един в съответствие с някакъв принцип (в хронологичен ред, тъй като методологичното качество на изследването намалява и т.н. ). Позволява да се изчисляват итеративни предишни и последващи вероятности, тъй като изследванията са включени в анализа.

Регресионен мета-анализ(логистична регресия, претеглена регресия на най-малките квадрати, модел на Кокс и др.) се използва, когато има значителна хетерогенност на резултатите от изследването. Той позволява влиянието на няколко характеристики на изследването (напр. размер на извадката, доза на лекарството, начин на приложение, характеристики на пациента и т.н.) върху резултатите от интервенционните изпитвания. Резултатите от регресионен мета-анализ обикновено се представят като коефициент на наклон с индикация за CI.

Трябва да се отбележи, че може да се извърши мета-анализ, за ​​да се обобщят резултатите не само от контролирани изпитвания на медицински интервенции, но и кохортни проучвания (напр. проучвания на рискови фактори). Въпреки това трябва да се вземе предвид високата вероятност от систематични грешки.

Специален вид мета-анализ е обобщаване на оценките за информативност на диагностичните методиполучени в различни изследвания. Целта на такъв мета-анализ е да се изгради характерна крива на взаимната зависимост на чувствителността и специфичността на тестовете (ROC-крива) с помощта на претеглена линейна регресия.

Устойчивост.След получаване на обобщена оценка на размера на ефекта, става необходимо да се определи неговата стабилност. За целта се извършва така нареченият анализ на чувствителността.

В зависимост от конкретната ситуация, тя може да се извърши на базата на няколко различни метода, например:

Включване и изключване от мета-анализа на изследвания, извършени на ниско методологично ниво

· Промяна на параметрите на данните, избрани от всяко анализирано проучване, например, ако някои проучвания докладват клинични резултати през първите 2 седмици. заболявания, а в други проучвания - за клиничните резултати през първите 3-4 седмици. заболявания, е приемливо да се сравняват клиничните резултати не само за всеки от тези периоди на наблюдение, но и за общ период на наблюдение до 4 седмици.

Изключване от мета-анализа на най-големите проучвания. Ако размерът на ефекта от конкретна анализирана интервенция не се променя значително в анализа на чувствителността, тогава има причина да се смята, че заключенията от първичния мета-анализ са добре обосновани.

За да се оцени качествено наличието на такова пристрастие на мета-анализа, обикновено се прибягва до конструиране на фуниеобразна диаграма на разсейване на резултатите от отделни изследвания в координати (размер на ефекта, размер на извадката). Когато проучванията са напълно идентифицирани, тази диаграма трябва да е симетрична. В същото време съществуват и формални методи за оценка на съществуващата асиметрия.

Резултатите от мета-анализа обикновено се представят графично (точкови и интервални оценки на размера на ефекта на всяко от изследванията, включени в мета-анализа; пример на фиг. 1) и под формата на таблици със съответните статистики.

Заключение

Понастоящем мета-анализът е динамична, многоизмерна система от методи, която ви позволява да комбинирате данни от различни научни изследвания по теоретично и методологично убедителен начин.

Мета-анализът, в сравнение с първичното проучване, изисква относително малко ресурси, което позволява на лекарите, които не участват в проучването, да получат клинично доказана информация.

Основно условие за използването на мета-анализ е наличието на необходимата информация за статистическите критерии, използвани в разглежданите изследвания. Без докладване в публикации на точните стойности на необходимата информация, перспективите за използване на мета-анализ ще бъдат много ограничени. С увеличаването на достъпността на такава информация ще продължи реалното разширяване на метааналитичните изследвания и усъвършенстването на тяхната методология.

По този начин внимателно извършеният мета-анализ може да разкрие области, изискващи допълнителни изследвания.

Списък на използваната литература:

1. Флетчър Р., Флетчър С., Вагнер Е. Клинична епидемиология.- М.: MediaSphere, 1998.- 350p.
2. Chalmers TC, Lau J. Мета-аналитичен стимул за промени в клиничните изпитвания. Stat Methods Med Res. 1993 ; 2: 161 -172.
3. Гренландия С. Количествени методи в прегледа на епидемиологичната литература. Epidemiol Rev. 1987 ; 9: 1 -30.
4. Стивън Б. Такър, MD, MSc. мета-анализ. Количествен подход към интегрирането на изследванията. ДЖАМА. 1988; 259 (11): 1685-1689.
5. Peipert JF, Phipps MG. обсервационни изследвания. Clin Obstet Gynecol. 1998 ; 41: 235 -244.
6. Петити Д. Мета-анализ, анализ на решенията и анализ на ефективността на разходите.Ню Йорк, Ню Йорк: Oxford University Press; 1994 г.
7. Ламела TA, Curlette WL. Метасинтез на фактори, свързани с образователните постижения. Int J Educ Res. 1997 ; 25: 583 -598.
8. Шапиро С. Мета-анализ/шмета-анализ. Am J Epidemiol. 1994;140:771-778.
9. Schmidt LM, Gotzsche PC. От акари и хора: референтна пристрастност в наративни прегледни статии: систематичен преглед. J Fam Pract. 2005; 54 (4): 334–338.
10. Lu G, Ades A.E. Комбинация от преки и косвени доказателства при смесени сравнения на лечение. Statist Med 2004; 23: 3105-24.
11. Lumley T. Мрежов мета-анализ за косвени сравнения на лечението. Statist Med 2002; 21: 2313-24.
12. Хеджис LK, Olkin I. Статистически методи за мета-анализ. Сан Диего, Калифорния: Academic Press; 1986 г.
13. Бери С.М. Разбиране и тестване за хетерогенност в таблици 2x2: приложение към мета-анализ. Statist Med 1998; 17: 2353-69.
14. Хигинс JPT, Thompson SG. Количествено определяне на хетерогенността в мета-анализ. Stat Med. 2002; 21 (11): 1539–5.
15. Хигинс JPT, Thompson SG, Deeks JJ, Altman DG. Измерване на непоследователност в мета-анализи. BMJ. 2003; 327: 557-560.
16. Mantel N, Haenszel W. Статистически аспекти на анализа на данни от ретроспективни проучвания на болестта. J Natl Cancer Inst. 1959; 22 (4): 719–748.
17. Cochran W.G. Комбинацията от оценки от различни експерименти. биометрия. 1954; 10 (1): 101–129.
18. Ефрон Б. Емпирични методи на Бейс за комбиниране на вероятности. JASA 1996; 91: 538-50.
19. Морис C.N. Параметричен емпиричен извод на Бейс: теория и приложения. JASA 1983; 78: 47-55.
20. Thompson SG, Higgins JP. Как трябва да се извършват и интерпретират мета-регресионните анализи? Stat Med. 2002; 21 (11): 1559–1573.
21. Хум възпроизвеждане. 1997 ; 12: 1851 -1863.
22. Флейс Дж. Статистически методи за изучаване на таблици с пропорции и пропорции, Финанси и статистика, 1989 г.
23. Шлеселман Дж. Риск от рак на ендометриума във връзка с употребата на комбинирани орални контрацептиви. Хум възпроизвеждане. 1997 ; 12: 1851 -1863.
24. Hopewell S, McDonald S, Clarke M, Egger M. Грей литература в мета-анализи на рандомизирани проучвания на интервенции в здравеопазването. Cochrane Database Syst Rev. 2007 г.

Taldau mete bul delel darіgerliktіn aspaby

Турдалиева Б.С., Рахматулаева Н.У., Тен В.Б., Раушанова А.М.,

Мусаева Б.А., Омарова Д.Б.

Асфендияров С.Ж. атиндагъ Казму

Daleldi медицина орталигия

Алмати, Казахстан

Туин Bir aura boyinsha bagalangan zertteu nәtizheleri ylғi bir emdik, aldyn alu nemese diagnosticslyқ adistin tiimdiligi zhii zhetkilikti ozgeshelenedi.

аrtүrli zertteulerdin nәtizhelerinin salystyrmalaly bagasy zhane olardyn zhalpylauysh қorytyndynyң nәtizheleri osygan bailanysty paida bolatyn қazhettilik kiriguin maқsaty.

En eygili zhane zheke gylymi zertteulerdin nәtizhelerinin zhүyelik kiriguinin zhyldam damityn adistemelerininin birine bugin meta - taldau adisteme zhatady.

Meta - taldau - bul ecologtin epidemiologylyk zertteuler birikken natizhelerinin sandyk taldauy - korshagan ortanyn ylgi bir factorinyn әserininң baғasy. Ol kelisushiliktin dәrezhesi nemese аrtүrli zertteu algan nәtizhelerdin aiyrmashylygynyn sandyk baғasyn eskeredi.

Мета-анализкато инструмент за медицина, основана на доказателства

Турдалиева Б.С., Рахматуллаева Н.У., Тен В.Б., Раушанова А.М.,

Мусаева Б.А., Омарова Д.Б.
KazNMU на S.D. Asfendiyarov, Алмати, Казахстан
РезюмеМного често резултатите от проучвания, които оценяват ефективността на една и съща терапевтична или превантивна интервенция или диагностичен метод за едно и също заболяване, са различни.

Често оригиналните научни статии могат да бъдат по-реалистичен източник на отговори на тесни въпроси, отколкото рецензиите и лекциите. Смята се, че четенето на списания и статии трябва да бъде ограничено до тези, които наистина са свързани с ежедневната практика или настоящите научни изследвания. Значителна част от публикациите, представящи резултатите от проучване на нова интервенция, съдържат информация, която е неизползваема. Срещата с познато и добре известно фамилно име и уважавана институция ви позволява да напреднете ...

Споделете работата си в социалните мрежи

Ако тази работа не ви подхожда, има списък с подобни произведения в долната част на страницата. Можете също да използвате бутона за търсене

Други свързани произведения, които може да ви заинтересуват.vshm>
20915.		Анализ на пазара на медицински услуги	3,1 MB
	Анализ на теоретичната информация за практиката на създаване и прилагане на ПЧП, характеристиките и ползите от този модел за обществото; анализ на теоретичния материал на концепцията за бизнес моделиране; определяне на икономическата характеристика на медицинска услуга; провеждане на индустриални анализи;
4601.		АНАЛИЗ НА ДЕЙНОСТТА НА ГОСТУВАЩАТА СЕСТРА НА ТЕРАПЕВТИЧНОТО ОТДЕЛЕНИЕ	60,63 КБ
	Практическото значение се дължи на факта, че дипломната работа може да послужи като автоматизация на работата на охранителната сестра при поддържане на документация по отчитане на лекарствата и движението на пациентите; раздаване на лекарства на пациент; формиране и отпечатване на направления за изследване за всеки пациент; поддържане на температурен лист и др.
11969.		Анализ на икономическата ефективност от използването на медицински информационни системи	16,93 КБ
	Разработен е модел и са описани алгоритми за анализ на икономическата ефективност на медицинските информационни системи на медицинските информационни системи. Разработен е макет на софтуерен инструмент PS за анализ на икономическата ефективност от използването на медицински информационни системи в лечебно заведение Софтуерният инструмент за анализ на икономическата ефективност от използването на медицински информационни системи. Оперативната цел на ПС е използването му от икономист и експерт и ръководител на здравно заведение при анализа на икономическия компонент на дейността на лечебно заведение и ...
18273.		Анализ на правния статут на президента на Република Казахстан от гледна точка на общоприетите критерии за върховенство на закона и принципа на разделение на властите	73,64 КБ
	Същността на подхода на президента беше, че страната трябва да се развива по естествен еволюционен път. Президентско управление - предвидено от Конституцията на държавата е прекратяване на дейността на институциите за самоуправление на определена регионална административна единица и управлението на последната чрез упълномощени лица, назначени от държавния глава - президента и лицата, отговорни пред него ; даване в Конституцията на държавния глава - президента на извънредни правомощия в мащаб на целия ...
13186.		Проектиране на информационна система за отчитане на научни публикации в среда Adobe Dreamweaver	2,29 МБ
	Автоматизацията за всяка организация се осъществява чрез проектиране и последващо създаване и внедряване на единна корпоративна информационна система, система за обработка на информация, която също включва съответните организационни ресурси, човешки технически финансови и т.н. Тази ситуация се нарича автоматизация на мозайка и е доста типична за много предприятия. Тъй като информационните системи са предназначени да събират, съхраняват и обработват информация, всяка от тях се основава на среда за съхранение и ...
15989.		Приложение на нанотехнологиите в областта на медицината	80,04 КБ
	От историята следва, че човечеството винаги се е стремило към прогрес и от древни времена е търсило начини за лечение на болести и удължаване на живота. Може да се каже, че развитието на нанотехнологиите през 21 век ще промени живота на човечеството повече от развитието на писмения език на парната машина или електричеството. Швейцарският физик Алберт Айнщайн публикува статия, в която доказва, че размерът на една захарна молекула е приблизително 1 нанометър. Американският футуролог Ерк Дрекслър, пионер на молекулярните нанотехнологии, публикува...
6178.		ХИГИЕНАТА Е ОСНОВНАТА ПРОФИЛАКТИЧНА ДИСЦИПЛИНА В МЕДИЦИНАТА	409,78 КБ
	Терминът "хигиена" идва от гръцката дума hygieinos, което означава "носещ здраве" (Слайд номер 1). Според древногръцката митология богът на изцелението Асклепий (в древните римски митове - Ескулап) имал дъщеря Хигия, която помагала на баща си в делата му.
5069.		Ролята на правните идеи на Авицена в развитието на медицината	31,86 КБ
	Ибн Сина се застъпва за идеална държава, чието население трябва да се състои от владетели, производители и войски и всеки трябва да бъде ангажиран с полезна работа. Особено голяма заслуга...
17864.		Тенденции и проблеми в развитието на системата и пазара на застрахователната медицина в САЩ	75,24 КБ
	Понятие и класификация на здравното осигуряване: задължително и доброволно здравно осигуряване. Здравноосигурителни системи в чужди страни. Анализ на здравноосигурителния пазар в САЩ. Характеристика и особености на здравноосигурителния пазар в САЩ.
20590.		Собствен капитал на търговска банка от гледна точка на формирането му	326,53 КБ
	Базелският комитет по надзор, който направи опит да промени радикално системата за оценка на адекватността на собствения капитал на банката, е от особено значение за проблема с управлението на собствения капитал на банката и въпросите за неговото регулиране. Въпреки незначителния дял в общите пасиви на банките, собственият капитал остава в основата на надеждността и стабилността на банката, в основата на дейността на банката и нейната предпазна възглавница. Напоследък банковите проблеми, свързани със собствения капитал на банката, привличат особено ...

Проблеми на здравето и екологията

12. Минимални стандарти на Американското дружество по ехокардиография за специалист по сърдечна ехография: документ за становище / S. M. Bierig // J Am Soc Echocardiogr. - 2006. - кн. 19. - С. 471-474.

13. Антихипертензивна лекарствена терапия за лека до умерена хипертония по време на бременност / E. Abalos // The Cochrane Library Syst. Rev. - 2001. - бр.4.

14. Антихипертензивни лекарства по време на бременност и растеж на плода: доказателства за „фармакологично програмиране“ през първия триместър? / Х. Бейлис // Бременност при хипертония. - 2002. - кн. 21. - С. 161-174.

15. Антихипертензивна терапия при лечение на хипертония по време на бременност - клинично двойно-сляпо проучване на пиндолот / G. Bott-Kanner G. // Clin Exp Hypertension Pregnancy. - 1992. - кн. 11. - С. 207-220.

16. Атенолол и растеж на плода при бременности, усложнени от хипертония / C. Lydakis // Am. J. Hypertens. - 1999. - № 12. - С. 541-547.

17. Австралазийско общество за изследване на хипертонията при бременност: Откриването, изследването и управлението на хипертония при бременност: пълно консенсусно изявление / M. A. Brown // Am. J. Gynecol. - 2000. - кн. 40. - С. 139-155.

18. Butters, L. Atenolol при есенциална хипертония по време на бременност / L. Butters, S. Kennedy, P. C. Rubin // Br. Med. J. - 1990. - Кн. 301.-С. 587-589.

19. Collins, R. Фармакологична профилактика и лечение на хипертонични разстройства по време на бременност / R. Collins, H.C. S. Wallenburg // Ефективна грижа при бременност и раждане / eds. И. Чалмърс, М. Енкин, М. Дж. Н. К. Кийрс. - Оксфорд: Oxford University Press, 1989. - P. 512-533.

20. Ефект на атенолол върху теглото при раждане / G. Y. Lip // Am. J. Cardiol. - 1997. - кн. 79. - С. 1436-1438.

21. Ефекти на methyldopa върху утероплацентарната и феталната хемодинамика при индуцирана от бременност хипертония / S. Montan // Am. J. Obstet. Гинекол. - 1993. - кн. 168. - С. 152-156.

22. Падане на средното артериално налягане и ограничаване на растежа на плода при хипертония на бременността: мета-анализ / P. von Dadelszen // Lancet. - 2000. - кн. 355. - С. 87-92.

23. Галерия, E.D.M. Антихипертензивно лечение по време на бременност: анализ на различните отговори на окспренолол и метилдопа /

Е.Д.М. Галерия, М. Рос, А. З. Гьори // Br. Med. J. - 1985. - Кн. 291.-С. 563-566.

24. Gluckman, P. D. Майчино ограничение на растежа на плода и неговите последствия / P. D. Gluckman, M. A. Hanson // Semin Fetal Neonatal Med. - 2004. - кн. 9, № 5. - С. 419-425.

25. Комитет по насоки. 2003 Европейско дружество по хипертония - Насоки на Европейското дружество по кардиология за лечение на артериална хипертония // J. Hypertens. - 2003. - кн. 21, № 6. - С. 1011-1053.

26. Magee, L. A. Две седмици преглед: управление на хипертония по време на бременност / L. A. Magee, M. P. Ornstein, P. von Dadelszen // BMJ. - 1999. - кн. 318, брой 7194. - P. 1332-1336.

27. Magee, L. A. Перорални бета-блокери за лека до умерена хипертония по време на бременност (Cochrane Review) / L. A. Magee, L. Duley // Cochrane Database Syst. Rev. - 2002. - бр.1.

28. Прееклампсия - състояние на симпатикова свръхактивност / H. P. Schobel // N. Engl. J. Med. - 1996. - кн. 335. - С. 1480-1485.

29. Предотвратяване на прееклампсия: рандомизирано проучване на атенолол при хипердинамични пациенти преди появата на хипертония / T. R. Easterling // Obstet. Гинекол. - 1999. - кн. 93. - С. 725-733.

30. Доклад на работната група на Националната образователна програма за високо кръвно налягане за високо кръвно налягане при бременност / R. W. Gifford // Am. J. Obstet. Гинекол. - 2000. - кн. 183, № 1. - С. 1-22.

31. Работната група за управление на артериалната хипертония на Европейското дружество по хипертония и на Европейското дружество по кардиология / G. Mancia // Eur. Heart J. - 2007. - Кн. 28. - С. 1462-1536.

32. Работната група за управление на сърдечно-съдови заболявания по време на бременност към Европейското дружество по кардиология. Експертен консенсусен документ за управление на сърдечно-съдови заболявания по време на бременност // Eur. сърце. J. - 2003. - Кн. 24. - С. 761-781.

33. Използване на антихипертензивни лекарства по време на бременност и риск от неблагоприятни перинатални резултати: McMaster проучване на резултатите от хипертония при бременност 2 (MOS HIP 2) / J.G. Рей // BMC Бременност Раждане. - 2001. - № 1. - С.6.

34. Световна здравна организация - Международно дружество по хипертония 1999 Насоки за лечение на хипертония // Високо кръвно преса. - 1999. - кн. 8.-С. 1^3.

Постъпила на 29.10.2008 г

ИЗПОЛЗВАНЕ НА ОСНОВАНИ НА ДОКАЗАТЕЛСТВА МЕДИЦИНСКИ ДАННИ В КЛИНИЧНАТА ПРАКТИКА (съобщение 3 – ДИАГНОСТИЧНИ ИЗСЛЕДВАНИЯ)

А. А. Литвин2, А. Л. Калинин1, Н. М. Тризна3

1Гомелски държавен медицински университет 2Гомелска регионална клинична болница 3Беларуски държавен медицински университет, Минск

Важен аспект на медицината, основана на доказателства, е пълнотата и точността на представянето на данните. Целта на тази статия е да направи кратък преглед на принципите на основаната на доказателства медицина в изследванията върху точността на диагностичните тестове.

Диагностичните тестове се използват в медицината за установяване на диагнозата, тежестта и хода на заболяването. Диагностичната информация се получава от различни източници, включително субективни, обективни, специални изследователски методи. Тази статия се основава на описание на данни за измерване на качеството на изследванията, предимствата на различни методи за обобщена статистика, използвайки метода на логистичната регресия и ROC анализа.

Ключови думи: медицина, базирана на доказателства, диагностични тестове, логистична регресия, ROC анализ.

ИЗПОЛЗВАНЕ НА ДАННИ ОТ МЕДИЦИНА, БАЗИРАНА НА ДОКАЗАТЕЛСТВАТА В КЛИНИЧНАТА ПРАКТИКА (доклад 3 - ДИАГНОСТИЧНИ ТЕСТОВЕ)

А. А. Литвин2, А. Л. Калинин1, Н. М. Тризна3

1Гомелски държавен медицински университет 2Гомелска регионална клинична болница 3Беларуски държавен медицински университет, Минск

Важен аспект на основаната на доказателства медицина е пълнотата и точността на представянето на данните. Целта на статията е кратък преглед на принципите на основаната на доказателства медицина в изследванията, посветени на точността на диагностичните тестове.

Проблеми на здравето и екологията

Диагностичните тестове се използват в медицината за скрининг за диагноза, степен и проследяване на прогресията на заболяването. Диагностичната информация се получава от множество източници, включително признаци, симптоми и специални изследвания. Тази статия се концентрира върху измеренията на качеството на изследването и предимствата на различните обобщени статистики с логистична регресия и ROC-анализ.

Ключови думи: медицина, базирана на доказателства, диагностични тестове, логистична регресия, ROC-анализ.

Когато лекарят прави преценка за диагнозата въз основа на историята и прегледа на пациента, той рядко е напълно сигурен в нея. В тази връзка е по-правилно да се говори за диагнозата от гледна точка на нейната вероятност. Все още е много обичайно тази вероятност да се изразява не под формата на проценти, а с изрази като "почти винаги", "обикновено", "понякога", "рядко". Тъй като различните хора инвестират различни степени на вероятност в едни и същи условия, това води до недоразумения между лекари или между лекар и пациент. Лекарите трябва да бъдат възможно най-точни в своите заключения и, ако е възможно, да използват количествени методи за изразяване на вероятностите.

Въпреки че наличието на такива количествени показатели би било много желателно, те обикновено не са налични в клиничната практика. Дори опитни клиницисти често не са в състояние да определят точно вероятността от развитие на определени промени. Съществува тенденция към свръхдиагностициране на относително редки заболявания. Особено трудно е да се определи количествено вероятността, която може да бъде много висока или много ниска.

Тъй като установяването на надеждни диагностични критерии е крайъгълният камък на клиничното мислене, натрупаният клиничен опит се използва за разработване на статистически подходи за подобряване на диагностичната прогноза, която в идеалния случай трябва да бъде представена под формата на компютърни банки с данни. В такива проучвания обикновено се идентифицират факторите

тори, които са в корелация с определена диагноза. След това тези данни могат да бъдат включени в многовариантен анализ, за ​​да се определи кои са значими независими предиктори на диагнозата. Някои видове анализ ви позволяват да идентифицирате важни фактори при прогнозирането на диагнозата и след това да определите тяхната "тегло", което може да се трансформира в вероятност при по-нататъшни математически изчисления. От друга страна, анализът ни позволява да идентифицираме ограничен брой категории пациенти, всяка от които има своя собствена вероятност да има определена диагноза.

Тези количествени подходи към диагностицирането, често наричани "правила за прогнозиране", са особено полезни, ако са представени по удобен за потребителя начин и ако тяхната стойност е широко проучена при достатъчен брой и диапазон от пациенти. За да могат такива правила за прогнозиране да са от истинска помощ за клиницистите, те трябва да бъдат разработени върху представителни популации пациенти, като се използват налични възпроизводими тестове, така че получените резултати да могат да се прилагат в медицинската практика навсякъде.

В това отношение е изключително важно да сте запознати с няколко от най-често използваните термини в изследователския анализ и епидемиологията, включително разпространение, чувствителност, специфичност, положителна прогностична стойност и отрицателна прогностична стойност (Таблица 1).

Таблица 1 - Систематични термини, най-често използвани в диагностичните изследвания

наличен отсъства

Положителен a (истински положителен) b (фалшив положителен)

Отрицателни в (фалшиви отрицателни) r (истински отрицателни)

Разпределение (предварителна вероятност) = (a + c) / (a ​​​​+ b + c + d) = брой пациенти / общ брой прегледани пациенти

Чувствителност \u003d a / (a ​​​​+ b) \u003d брой истински положителни резултати / общ брой пациенти

Специфичност = r / (b+r) = брой истински отрицателни резултати / брой пациенти без заболяването

Фалшиво-отрицателни резултати = b / (a ​​​​+ b) = брой фалшиво-отрицателни резултати / общ брой пациенти

Процент фалшиви положителни резултати = b / (b + d) = брой фалшиви положителни резултати / брой пациенти без заболяването

Проблеми на здравето и екологията

Край на таблица 1

Резултати от теста Патологично състояние

наличен отсъства

Положителна прогнозна стойност = a / (a ​​​​+ b) = брой истински положителни резултати / брой всички положителни резултати

Отрицателна прогнозна стойност = r / (c+r) = брой истински отрицания / брой на всички отрицания

Обща точност (точност) = (a+r) / (a+b+c+d) = брой истински положителни и истински отрицателни резултати / брой на всички резултати

Коефициент на вероятност за положителен тест - = чувствителност / (1 - специфичност)

Коефициент на вероятност за отрицателен тест - = 1 - чувствителност / специфичност

Въпроси, на които отговарят тези характеристики на диагностичния тест:

1) чувствителност - колко добър е тестът за откриване на пациенти със заболяването?

2) специфичност - колко добър е тестът при правилното изключване на пациенти, които нямат заболяването?

3) прогнозната стойност на положителния резултат от теста - ако дадено лице е положително, каква е вероятността той наистина да има това заболяване?

4) прогнозната стойност на отрицателен резултат от теста - ако човек има отрицателен тест, каква е вероятността той наистина да няма това заболяване?

5) индекс на точност - каква част от всички тестове са дали правилни резултати (т.е. истински положителни и истински отрицателни резултати по отношение на всички)?

6) коефициент на вероятност за положителен тест - колко по-вероятно е тестът да бъде положителен при човек със заболяване в сравнение със здрав човек?

Тъй като само малка част от правилата за прогнозиране отговарят на строги критерии като броя и обхвата на изследваните субекти и проспективно валидиране на резултатите, повечето от тях са неподходящи за рутинна клинична употреба. Освен това, много правила за прогнозиране не успяват да оценят вероятността от всяка диагноза или резултат, пред който е изправен клиницистът. Тест, който има определена чувствителност и специфичност, има различна положителна и отрицателна прогностична стойност, когато се използва в групи с различно разпространение на заболяването. Чувствителността и специфичността на всеки тест не зависи от разпространението

Тежестта на заболяването (или процентът на пациентите, които имат заболяването от всички изследвани пациенти), те зависят от състава на групата пациенти, сред които е използван този тест.

В някои ситуации неточното познаване на чувствителността и специфичността на теста в изследваната популация пациенти може да ограничи неговата клинична стойност. Тъй като лекарят рядко познава (или може да знае) популацията от пациенти, върху която е стандартизиран тестът, който той или тя предписва, получените резултати са много по-малко надеждни, отколкото обикновено се смята. Освен това, за всеки диагностичен тест, повишаването на чувствителността ще бъде придружено от намаляване на специфичността.

Модел с висока чувствителност често дава истинския резултат при наличие на положителен резултат (открива положителни примери). Обратно, модел с висока специфичност е по-вероятно да даде истински резултат при наличие на отрицателен резултат (открива отрицателни примери). Ако говорим от гледна точка на медицината - задачата за диагностициране на заболяване, където моделът за класифициране на пациентите на болни и здрави се нарича диагностичен тест, тогава получаваме следното: 1) чувствителен диагностичен тест се проявява в свръхдиагностика - максимумът предотвратяване на липсващи пациенти; 2) специфичен диагностичен тест диагностицира само определени пациенти. Тъй като не може да се очаква нито една стойност или производна мярка да има едновременно отлична чувствителност и специфичност, често е необходимо да се определи коя мярка е най-ценна и необходима за вземане на решения. Графично изображение, наречено ROC крива

Проблеми на здравето и екологията

(Фигура 1), обвързвайки обсъжданите характеристики на теста, показва неизбежността на избора между стремежа към висока чувствителност и специфичност. Такова графично представяне показва, че резултатите от теста могат да бъдат определени като нормални или патологични, в зависимост от това дали

Заболяването се изключва, ако тестът е силно специфичен или се изключва, ако тестът е силно чувствителен. Различните тестове може да имат различна чувствителност и специфичност. Чувствителността и специфичността на по-надеждните тестове са по-високи от тези на невалидните тестове.

Фигура 1 - Графично представяне на вътрешното несъответствие между чувствителност и специфичност

ROC кривата (Характеристика на оператора на приемника) е кривата, която най-често се използва за представяне на резултати от двоична класификация в машинното обучение. Името идва от системи за обработка на сигнали. Тъй като има два класа, единият от тях се нарича клас с положителни резултати, а вторият - с отрицателни резултати. ROC кривата показва зависимостта на броя на правилно класифицираните положителни примери от броя на неправилно класифицираните отрицателни примери. В терминологията на ROC анализа, първите се наричат ​​истински положителни, а вторите се наричат ​​фалшиво отрицателни набори. Предполага се, че класификаторът има някакъв параметър, променяйки който ще получим една или друга разбивка на два класа. Този параметър често се нарича праг или гранична стойност.

ROC кривата се получава, както следва. За всяка гранична стойност, която варира от 0 до 1 на стъпки от, например, 0,01, се изчисляват стойностите на чувствителност Se и специфичност Sp. Алтернативно, прагът може да бъде всяка следваща стойност на извадката в извадката. Изгражда се графика на зависимостта: чувствителността Se се нанася по оста Y, 100% - Sp (сто процента минус специфичност) се нанася по оста X. В резултат на това се появява определена крива (Фигура 1). Графиката често се допълва с права линия y = x.

За идеален класификатор графиката на ROC кривата минава през горния ляв ъгъл

ъгълът, при който истинската положителна честота е 100% или 1,0 (идеална чувствителност), а фалшивата положителна честота е нула. Следователно, колкото по-близо е кривата до горния ляв ъгъл, толкова по-висока е предсказващата сила на модела. Обратно, колкото по-малка е кривината на кривата и колкото по-близо е тя до диагоналната линия, толкова по-малко ефективен е моделът. Диагоналната линия съответства на "безполезния" класификатор, т.е. пълната неразличимост на двата класа.

При визуална оценка на ROC-кривите, тяхното местоположение една спрямо друга показва тяхната сравнителна ефективност. Кривата, разположена отгоре и вляво, показва по-голяма прогностична способност на модела. И така, на Фигура 2 две ROC криви са комбинирани на една графика. Вижда се, че модел А е по-добър.

Визуалното сравнение на ROC кривите не винаги разкрива най-ефективния модел. Един особен метод за сравняване на ROC кривите е оценката на площта под кривите. Теоретично той се променя от 0 до 1.0, но тъй като моделът винаги се характеризира с крива, разположена над положителния диагонал, обикновено се говори за промени от 0.5 ("безполезен" класификатор) до 1.0 ("идеален" модел) . Тази оценка може да се получи директно чрез изчисляване на площта под полиедъра, ограничен отдясно и отдолу от координатните оси и отгоре вляво - от експериментално получени точки (Фигура 3). Численият индикатор за площта под кривата се нарича AUC (площ под кривата).

Проблеми на здравето и екологията

Фигура 2 - Сравнение на ROC кривите

Фигура 3 - Площ под ROC кривата

С големи допускания можем да предположим, че колкото по-голяма е AUC, толкова по-добра е предсказващата сила на модела. Трябва обаче да знаете, че индикаторът AUC е предназначен по-скоро за сравнителен анализ на няколко модела; AUC не съдържа никакви

малко информация за чувствителността и специфичността на модела.

Литературата понякога предоставя следната експертна скала за стойностите на AUC, която може да се използва за преценка на качеството на модела (таблица 2).

Таблица 2 - Експертна скала на стойностите на AUC

AUC интервал Качество на модела

0.9-1.0 Отлично

0.8-0.9 Много добре

0,7-0,8 Добре

0,6-0,7 Средно

0,5-0,6 Незадоволително

Идеалният модел има 100% чувствителност и специфичност. Това обаче не може да се постигне на практика, освен това е невъзможно едновременното повишаване на чувствителността и специфичността на модела.

Компромисът се намира с помощта на прага на прекъсване, тъй като праговата стойност влияе върху съотношението на Se и Sp. Можем да говорим за проблема с намирането на оптималната гранична стойност (Фигура 4).

Фигура 4 - „Точка на баланс“ между чувствителност и специфичност

Проблеми на здравето и екологията

Прагът на прекъсване е необходим, за да се приложи моделът на практика: да се припишат нови примери към един от двата класа. За да определите оптималния праг, трябва да зададете критерий за неговото определяне, т.к различните задачи имат своя собствена оптимална стратегия. Критериите за избор на граничния праг могат да бъдат: 1) изискването за минимална стойност на чувствителност (специфичност) на модела. Например, трябва да се уверите, че чувствителността на теста е не по-малка от 80%. В този случай оптималният праг ще бъде максималната специфичност (чувствителност), която се постига при 80% (или стойност, близка до

него „отдясно“ поради дискретността на поредицата) чувствителност (специфичност).

Дадените теоретични данни се възприемат по-добре от примери от клиничната практика. Първият пример, върху който ще се съсредоточим, е диагнозата на инфектиран некротизиращ панкреатит (набор от данни, взет от базата данни). Обучителната извадка съдържа 391 записа с избор на 12 независими променливи в следния формат (Таблица 3). Зависима променлива (1 - наличие на заболяването, 0 - отсъствие). Разпределението на зависимата променлива е както следва: 205 случая - липса на заболяване, 186 - наличие на заболяване.

Таблица 3 - Независими променливи за диагностика на инфектирана панкреасна некроза, коефициенти на логистична регресия (пример)

Независими променливи Формат на данните Коефициент, %

Брой дни от началото > 14< 14 2,54

Брой дни, прекарани от пациентите на лечение в интензивно отделение > 7< 7 2,87

Числова стойност на сърдечната честота 1,76

Числена стойност на дихателната честота 1,42

Числена стойност на телесната температура 1,47

Числена стойност на левкоцитите в кръвта 1,33

Левкоцитен индекс на интоксикация числена стойност 1,76

Числена стойност на урея в кръвта 1,23

Числена стойност на общ плазмен протеин 1,43

Адекватна антибиотична профилактика при поставяне на диагнозата тежък остър панкреатит да / не -1,20

Извършване на минимално инвазивни медицински и профилактични операции да/не -1.38

Наличие на отрицателна динамика да/не 2.37

Фигура 4 изобразява получената ROC, която може да се характеризира като много добра крива. Прогностичната сила на модела AUC = 0.839.

Фигура 4 - ROC-крива на диагностичния модел на инфектирана панкреатична некроза

Проблеми на здравето и екологията

Помислете за фрагмент от масива от точки „усещане за интраабдоминално налягане при пациенти с тежка

валидност-специфичност” на примера на ниво остър панкреатит.

Таблица 4 - Чувствителност и специфичност на различни нива на IAP за прогнозиране на развитието на PPI (пример)

IAP, mm Hg Изкуство. Чувствителност, % Специфичност, % Se + Sp Se - Sp

13,5 25 100 125 75

14,5 30 95 125 65

15,5 40 95 135 55

16,5 65 95 160 30

17,5 80 90 170 10

18,5 80 80 160 0

19,5 80 70 150 10

20,5 85 65 150 20

21,5 95 55 150 40

23,0 100 45 145 55

24,5 100 40 140 60

25,5 100 25 125 75

Както може да се види от таблицата, оптималното прагово ниво на IAP при пациенти с остър деструктивен панкреатит, което осигурява максимална чувствителност и специфичност на теста (или минимум грешки от тип I и II), е 17,5 ± 2,3 (M ± SD) mm Hg, при което има 80% чувствителност и 90% специфичност на метода за определяне на вероятността от развитие на инфекциозни усложнения на панкреатична некроза. Чувствителността е 80%, което означава, че 80% от пациентите с инфектиран некротизиращ панкреатит имат положителен диагностичен тест. Специфичността е 90%, така че 90% от пациентите, които нямат инфектиран некротизиращ панкреатит, имат отрицателен резултат от теста. Балансовата точка, при която чувствителността и специфичността приблизително съвпадат - 80%, е 18,5. Като цяло положителната прогнозна стойност на измерването на IAP е 86%, а отрицателната прогнозна стойност е 88%.

Извършването на логистична регресия и ROC анализ е възможно с помощта на статистически пакети. Въпреки това, "Statistica" 6 и 7 (http://www.statistica.com) извършват този анализ само с помощта на блока "Artificial Neural Networks". В SPSS (http://www. spss.com) (започвайки от версия 13) ROC анализът се дава само в графичния модул и се анализира една ROC крива. SPSS показва площта под кривата (AUC), нивото на значимост и стойността на чувствителност и специфичност във всяка точка на измерване. Оптималната точка (оптимална граница) трябва да намерите сами от таблицата за чувствителност и 1-специфичност. Програмата MedCalc ще сравни няколко ROC криви, ще маркира стойността на променливата в таблицата, когато

при което съотношението на чувствителност и специфичност е оптимално (оптимално прекъсване). SAS (http://www.sas.com), както и R-Commander, има модул за сравнение на криви и намиране на точки, AUC. Логистична регресия и ROC анализ са достъпни от безплатната програма WINPEPI (PEPI-for-Windows) (http://www.brixtonhealth.com/winpepi.zip).

Заключение

Изкуството на диагностика непрекъснато се усъвършенства. Всеки ден се появяват нови диагностични тестове и технологията на съществуващите методи се променя. Надценяването на точността на съответните проучвания, по-специално в резултат на пристрастност поради лоши практики за изследване и публикуване, може да доведе до преждевременно прилагане на диагностични тестове и лоши клинични решения. Внимателната оценка на диагностичните тестове, преди те да бъдат широко използвани, не само намалява риска от неблагоприятни резултати поради погрешни възприятия относно полезността на метода, но също така може да ограничи загубата на ресурси за здравеопазване чрез елиминиране на ненужните тестове. Неразделна част от оценката на диагностичните тестове са изследванията за точността на диагностичните тестове, най-информативни от които са методът на логистичната регресия и ROC анализът.

ПРЕПРАТКИ

1. Грийнхалч, Т. Основи на медицината, основана на доказателства / Т. Грийнхалч; пер. от английски. - М .: GEOTAR-Media, 2006. - 240 с.

Проблеми на здравето и екологията

3. Власов, В. В. Въведение в медицината, основана на доказателства / В. В. Власов. - М. MediaSphere, 2001. - 392 с.

4. Флетчър, Р. Клинична епидемиология. Основи на медицината, основана на доказателства / Р. Флетчър, С. Флетчър, Е. Вагнер; пер. от английски. - М.: MediaSphere, 1998. - 352 с.

5. Банержи, А. Медицинска статистика на достъпен език: въвеждащ курс / А. Бенержи; превод от английски. - М.: Практическа медицина, 2007. - 287 с.

6. Жижин, К. С. Медицинска статистика: учебник. надбавка. - Ростов н / Д .: Феникс, 2007. - 160 с.

7. Deeks, J. J. Систематични прегледи на оценките на диагностични и скринингови тестове / J. J. Deeks // BMJ. - 2001. - кн. 323. - С. 157-162.

8. Насоки за мета-анализи, оценяващи диагностични тестове / L. Irwig // Ann. Стажант. Med. - 1994. - кн. 120. - С. 667-676.

9. Систематични прегледи и мета-анализ за хирурга учен /

С. С. Махид // Бр. J. Surg. - 2006. - кн. 93. - С. 1315-1324.

10. Метааналитични методи за диагностична точност на теста / L. Irwig // J. Clin. епидемиол. - 1995. - кн. 48. - С. 119-130.

11. Потребители" ръководства за медицинска литература. Как да използвате статия за диагностичен тест. A. Валидни ли са резултатите от изследването? / R. Jaeschke // JAMA. - 1994. - Том 271. - С. 389 -391.

12. Използване на методологични стандарти в изследването на диагностичните тестове: става по-добре, но все още не е добре / M. C. Read // JAMA. - 1995. - кн. 274.-С. 645-651.

13. StAR: прост инструмент за статистическо сравнение на ROC криви / I. E. Vergara // BMC Bioinformatics. - 2008. - кн. 9. - С. 265-270.

14. Сравнение на параметрични и непараметрични подходи към ROC-анализ на количествени диагностични тестове / K. O. Hajian-Tilaki // Вземане на медицински решения. - 1997. - кн. 17, № 1. - С. 94-102.

15. Криви на характеристиката на оператора на приемника (ROC) и ненормални данни: Емпирично изследване / M.J. Goddard // Статистика в медицината. - 1989. - кн. 9, № 3. - С. 325-337.

16. Възможности за прогнозиране на заразена панкреатична некроза / A. A. Литвин [и др.] // Проблеми на здравето и екологията. - 2007. - Т. 12, № 2. - С. 7-14.

17. Метод за наблюдение на интраабдоминалното налягане при пациенти с тежък остър панкреатит / A. A. Литвин [и др.] // Проблеми на здравето и екологията. - 2008. - Т. 16, № 2. - С. 80-85.

18. Сравнение на осем компютърни програми за анализ на работните характеристики на приемника / C. Stephan // Clin. Chem. - 2003. - кн. 49, № 3. - С. 433-439.

19. Zhu, X. Кратък преглед на безплатни статистически софтуерни пакети за преподаване на статистика на специалностите по индустриални технологии / X. Zxu // J. Ind. технология. - 2005. - кн. 21, № 2. - С. 10-20.

20. Боровиков, В. STATISTICA: изкуството на компютърния анализ на данни. За професионалисти / В. Боровиков. - Санкт Петербург: Питър, 2001. - 656 с.

21. Буюл, А. SPSS: изкуството за обработка на информация. Анализ на статистически данни и възстановяване на скрити модели / А. Бююл. - Санкт Петербург: DiaSoftYUP, 2002. - 608 с.

22. Abramson, J. H. WINPEPI (PEPI-for-Windows): компютърни програми за епидемиолози / J. H. Abramson, // Епидемиологични перспективи и иновации. - 2004. - кн. 1, № 6. - С. 1-10.

Постъпила на 24.10.2008 г

UDC 616.1:616-009.12:616-005.8:616.831-005.1

НЯКОИ ПОКАЗАТЕЛИ ЗА МИКРОЦИРКУЛАЦИЯ И ЕНДОТЕЛНО УВРЕЖДАНЕ ПРИ ОЦЕНКА НА РИСКА ОТ РАЗВИТИЕ НА ИНСУЛТ, МИОКАРДНИ ИНФАРКТИ, ФАТАЛНИ ИЗХОДИ ПРИ ПАЦИЕНТИ С АРТЕРИАЛНА ХИПЕРТОНИЯ

V. I. Kozlovsky, A. V. Akulyonok Витебски държавен медицински университет

Целта на изследването е да се идентифицират факторите, свързани с повишен риск от миокарден инфаркт, мозъчен инсулт и смърт при пациенти с II стадий на артериална хипертония (АХ).

Материали и методи: Проучването включва 220 пациенти с АХ II степен (средна възраст 57 ± 8,4 години), хоспитализирани по повод хипертонична криза и 30 души без АХ (ср.

53,7 ± 9 години).

Резултати: 29 инсулта, 18 миокардни инфаркта, 26 смъртни случая са регистрирани в групата на пациентите с II степен на АХ за 3,3 ± 1 години проследяване. Увеличаването на броя на циркулиращите ендотелни клетки (ECC), агрегацията на левкоцити, тромбоцити и адхезията на левкоцити при пациенти с хипертония е свързано с повишен риск от миокарден инфаркт, инсулт и смърт.

Заключение: показателите за броя на CEC, агрегацията на тромбоцитите и левкоцитите и адхезията на левкоцитите могат да се използват за идентифициране на групи пациенти с хипертония с повишен риск от развитие на миокардни инфаркти, инсулти и смъртни случаи, както и за създаване на сложни модели за прогноза.

Ключови думи: артериална хипертония, риск, миокарден инфаркт, инсулт, смърт, циркулиращи ендотелиоцити.

НЯКОИ КОНСТАТАЦИИ ЗА МИКРОЦИРКУЛАЦИЯ И ЕНДОТЕЛНО УВРЕЖДАНЕ ПРИ ОЦЕНКА НА РИСКА ЗА ИНСУЛТИ, МИОКАРДНИ ИНФАРКТИ, СМЪРТНИ ИЗХОДИ ПРИ ХИПЕРТОНИЧНИ ПАЦИЕНТИ

V. I. ^zlovsky, A. V. Akulionak Витебски държавен медицински университет

Цел: да се определят факторите, свързани с повишен риск от развитие на инсулти, миокардни инфаркти, летални изходи при пациенти с артериална хипертония (АХ) II степен.

Методи: Проследени са 220 пациенти с АХ II степен (средна възраст 57 ± 8,4 години), усложнена с хипертонична криза, и 30 лица без АХ (средна възраст 53,7 ± 9 години) в продължение на 3,3 ± 1 години.

Резултати: повишаването на броя на циркулиращите ендотелни клетки (CEC), агрегацията на тромбоцитите и левкоцитите, адхезията на левкоцитите при пациенти с хипертония са свързани с повишен риск от развитие на инсулти, миокардни инфаркти, летални изходи.