Analiza podatkov z dokazi podprte medicine. Statistične metode kot osnova z dokazi podprte medicine

Obstaja več definicij medicine, ki temelji na dokazih:

• To je nova tehnologija za zbiranje, analizo, sintezo in uporabo medicinskih informacij, ki vam omogoča sprejemanje optimalnih kliničnih odločitev.
• Gre za zavestno, jasno in nepristransko uporabo najboljših razpoložljivih dokazov za usmerjanje odločitev o oskrbi posameznih bolnikov.
• Je krepitev tradicionalnih veščin zdravnika pri diagnostiki, zdravljenju, preprečevanju in drugih področjih s sistematičnim oblikovanjem vprašanj in uporabo matematičnih ocen verjetnosti in tveganja.

Takoj je treba povedati, da izrazi "pomanjkanje dokazov", "ni dokazano" ali "ni dovolj dokazov" niso enakovredni izrazom "dokazano ni učinka" ali "dokazano ni koristi". Besedilo »ni dokazano« lahko kaže na pomanjkanje poznavanja problema in izvedljivosti organizacije večjih študij ali uporabe drugih metod zbiranja informacij in izvajanja statističnih analiz. Hkrati ne smemo pozabiti, da lahko obratno besedilo "dokazano" pomeni statistično manipulacijo v interesu proizvodnih podjetij.

Medicina temelji na dokazih o raziskovalnih metodah, ki se uporabljajo v epidemiologiji.

J.M. Nazadnje se pri oblikovanju sodobne definicije epidemiologije osredotoča na posamezne besede v tej definiciji. Torej, pod "študijo" je treba razumeti izvajanje opazovalnih (opazovalnih) in eksperimentalnih študij, testiranje hipotez in analizo rezultatov.
"Širjenje bolezni in dejavnikov ..." vključuje preučevanje pogostosti primerov bolezni, smrti, dejavnikov tveganja, bolnikovega upoštevanja zdravniških priporočil, organizacije zdravstvene oskrbe in njene učinkovitosti.
»Ciljna skupina« - skupina s točno določenim številom ljudi in določenimi starostnimi, spolnimi, socialnimi in drugimi značilnostmi.

Trenutno je sodobni koncept epidemiologije označen z izrazom "klinična epidemiologija". Ta izraz izvira iz imen dveh "matičnih" disciplin: klinične medicine in epidemiologije.
"Klinično", ker skuša odgovoriti na klinična vprašanja in priporočiti klinične odločitve na podlagi najbolj zanesljivih dokazov.
»Epidemiologija«, ker so številne njene metode razvili epidemiologi, skrb za določenega pacienta pa je tu obravnavana v kontekstu velike populacije, ki ji bolnik pripada.

Klinična epidemiologija- veda, ki omogoča napovedovanje za vsakega posameznega bolnika na podlagi študije kliničnega poteka bolezni v podobnih primerih z uporabo strogih znanstvenih metod preučevanja skupin bolnikov za zagotavljanje natančnih napovedi.

Namen klinične epidemiologije– razvoj in uporaba takšnih metod kliničnega opazovanja, ki omogočajo poštene zaključke z zagotovljeno oceno učinka sistematične in naključne napake. To je najpomembnejši pristop k pridobivanju informacij, ki jih zdravniki potrebujejo za sprejemanje pravih odločitev.

Temeljna metoda v epidemiologiji je primerjava. Izvaja se z matematičnimi izračuni takih količin, kot so razmerje obetov, razmerje tveganja razvoj preučevanih dogodkov.

Pred primerjavo pa je treba razumeti, kaj bomo s čim primerjali (pomaranče s pomarančami, ne pomaranče s parniki), tj. oblikovati nalogo (problem), ki je pred začetkom kakršne koli raziskave. Najpogosteje je problem oblikovan v obliki vprašanja, na katerega je treba najti odgovor.

Na primer, hipotetično nam (to je zdravniku) je predstavljeno zdravilo, ki bi moralo po mnenju kemikov, ki so ga sintetizirali, zdraviti peto. Farmakološko podjetje, ki je začelo proizvodnjo zdravila, v navodilih zagotavlja tudi, da se trdi učinek resnično pojavi.

Kaj lahko stori zdravnik, ko se odloča o uporabi zdravila?

Odgovor »verjemite kemikom/farmakologom na besedo« je izključen kot trivialen in poln posledic. Naša naloga- preverite trditveni učinek zdravila na peto s sredstvi, ki so na voljo izvajalcu (potrdite ali ovrzite itd.). Zdravila seveda ne bomo preizkušali na laboratorijskih miših, prostovoljcih ipd. Predvideva se, da je pred "izstrelitvijo v serijo" nekdo to že naredil bolj ali manj vestno.

Glede na nalogo se bomo lotili oblikovanja niza podatkov, ki služijo za njeno reševanje:

1. Najprej bomo izdelovali iskanje informacij.
2. Nato iz nastalega niza podatkov izločimo nepomembne članke (nepomembne – neprimerne za naše interese).
3. Ovrednotili bomo metodološko kakovost najdenih študij (kako pravilna je metoda zbiranja informacij v raziskavi, ali so uporabljene metode statistične analize ustrezne ipd.) in informacije v dobljenem nizu razvrstili glede na stopnjo zanesljivosti dokazov. temelji na obstoječih konvencijah medicinske statistike in merilih zanesljivosti, ki so jih predlagali strokovnjaki za medicino, ki temelji na dokazih.

   Po mnenju Švedskega sveta za metodologijo vrednotenja zdravja zanesljivost dokazov iz različnih virov ni enaka in je odvisna od vrste izvedene študije. Vrsta študije, izvedene v skladu z mednarodnim sporazumom Vancouvrske skupine biomedicinskih urednikov (http://www.icmje.org/), mora biti natančno opisana; navedene naj bodo tudi metode statistične obdelave rezultatov kliničnih preskušanj, navedeno nasprotje interesov, prispevek avtorja k znanstvenemu rezultatu in možnost, da se od avtorja zahteva primarna informacija o rezultatih študije.

   Za zagotovitev veljavnosti rezultatov, dobljenih v študijah, je treba izbrati »na dokazih temelječo«, torej nalogam primerno raziskovalno metodologijo (zasnova študije in metode statistične analize) (tabela 1), ki jo bomo upoštevali pri izbiranje informacij iz podatkovnega polja.

   Tabela 1. Izbira raziskovalne metodologije glede na namen študije
   (opis pojmov glej Glosar metodoloških izrazov)

   Raziskovalni cilji	Oblikovanje študija	Metode statistične analize
   Ocenjevanje razširjenosti bolezni	Istočasno preučevanje celotne skupine (populacije) z uporabo strogih kriterijev za prepoznavanje bolezni	Ocena deleža, izračun relativnih kazalcev
   Ocena incidence	kohortno študijo	Ocena deleža, izračun časovnih vrst, relativni kazalniki
   Ocena dejavnikov tveganja za nastanek bolezni	kohortne študije. Študije primera in kontrole	Korelacija, regresijska analiza, analiza preživetja, ocena tveganja, razmerje obetov
   Ocena vpliva okoljskih dejavnikov na ljudi, preučevanje vzročno-posledičnih odnosov v populaciji	Ekološke študije populacije	Korelacija, regresija, analiza preživetja, ocena tveganja (dodano tveganje, relativno tveganje, dodano populacijsko tveganje, dodani delež populacijskega tveganja), razmerje obetov
   Pritegnitev pozornosti na nenavaden potek bolezni, rezultat zdravljenja	Opis primera, serija primerov	št
   Opis rezultatov trenutne klinične prakse	Opazovanje ("prej in potem")	Srednja vrednost, standardni odklon, parni Studentov t-test (kvantitativni podatki). McNimarjev test (kvalitativni podatki)
   Testiranje nove metode zdravljenja	Klinično preskušanje faze I ("pred in po")	Srednja vrednost, standardni odklon, parni Studentov t-test. McNimarjev kriterij
   Primerjava dveh zdravljenj v trenutni klinični praksi	kontrolirano prospektivno. Naključno (odprto, slepo, dvojno slepo). Kontrolirana retrospektiva. Nadzorovana perspektiva + retrospektiva (mešana zasnova)	Študentov kriterij (kvantitativni podatki). Merilo χ 2 ali z (kvalitativne značilnosti). Kaplan-Myersov kriterij (preživetje)
   Primerjava nove in tradicionalne metode zdravljenja	Klinična preskušanja II-IV faze (nadzorovana prospektivna ali randomizirana)	Študentski kriterij. Merilo χ 2 . Kaplan-Myersov kriterij

   Za vsako vrsto raziskav so značilna določena pravila za zbiranje in analizo informacij. Če upoštevamo ta pravila, lahko vsako raziskavo imenujemo kvalitativno, ne glede na to, ali potrdi ali ovrže postavljeno hipotezo. Podrobnejše metode statistične analize, uporabljene za pridobivanje dokazov, so predstavljene v knjigah Petri A., Sabin K. "Vizualna statistika v medicini" (M., 2003), Glantz S. "Medicinska in biološka statistika" (M., 1999) .

   Stopnja "dokazljivosti" informacij razvrščeni kot sledi (v padajočem vrstnem redu):

   1. Naključno kontrolirano klinično preskušanje;
   2. Nerandomizirano klinično preskušanje s sočasno kontrolo;
   3. Nerandomizirano klinično preskušanje z zgodovinskim nadzorom;
   4. kohortna študija;
   5. "Nadzor primerov";
   6. Navzkrižno klinično preskušanje;
   7. Rezultati opazovanja.

   Rezultati študij, izvedenih s poenostavljenimi metodami ali metodami, ki ne ustrezajo ciljem študije, z nepravilno izbranimi kriteriji vrednotenja lahko vodijo do napačnih zaključkov.

   Uporaba kompleksnih metod ocenjevanja zmanjša verjetnost napačnega rezultata, vendar povzroči povečanje ti administrativnih stroškov (zbiranje podatkov, izdelava baze podatkov, metode statistične analize).

   Tako je na primer v študiji E.N. Fufaeva (2003) je pokazala, da je bila pri bolnikih, ki so imeli pred operacijo skupino invalidnosti, ohranitev invalidnosti zabeležena v vseh 100%. Pri bolnikih, ki pred operacijo srca niso imeli skupine invalidnosti, je bila v 44% primerov po operaciji določena skupina invalidnosti. Na podlagi tega rezultata je mogoče narediti napačne sklepe, da srčna operacija poslabša kakovost življenja bolnikov. Med raziskavo pa se je izkazalo, da je 70,5 % bolnikov in 79,4 % zdravnikov, ki so opazovali te bolnike, zadovoljnih z rezultati zdravljenja. Registracija invalidske skupine je posledica socialnih razlogov (ugodnosti za pridobitev zdravil, plačilo stanovanja itd.).

   Pomen socialne zaščite pri vprašanjih delovne zmožnosti potrjujejo rezultati študije, izvedene v ZDA, ki ni razkrila jasne povezave med kliničnim stanjem (somatsko boleznijo) bolnika in delovno zmožnostjo.

   Da bi primerjali stopnje zaposlenosti po PTBA in CABG, je bilo pregledanih 409 bolnikov (Hlatky M.A., 1998), 192 jih je bilo podvrženih PTBA in 217 podvrženih CABG. Ugotovljeno je bilo, da so se bolniki, ki so bili podvrženi PTBA, vrnili na delo šest tednov hitreje kot bolniki, ki so bili podvrženi CABG. Vendar se je dolgoročno izkazalo, da je vpliv takega dejavnika, kot je vrsta operacije, nepomemben. V naslednjih štirih letih se je 157 bolnikov (82 %) v skupini TBA in 177 bolnikov (82 %) v skupini CABG vrnilo na delo. Dejavnika, ki sta imela najmočnejši vpliv na dolgoročno zaposlitev, sta bila bolnikova starost na začetku študije in obseg, v katerem je zdravstveno zavarovanje krilo zdravstveno oskrbo.

   Tako so imeli zdravstveni dejavniki dolgoročno manjši vpliv na stopnjo zaposlenosti kot demografski in socialni dejavniki. Rezultati, ki so jih pridobili ruski in ameriški raziskovalci, kažejo, da so nekatere tradicionalne in na videz preproste metode ocenjevanja rezultatov zdravljenja nesprejemljive za izbiro prioritet in sprejemanje odločitev.

4. Po tem bomo naredili sistematski pregled - meta-analiza, bomo ocenili stopnjo zanesljivosti rezultatov, pridobljenih med raziskavo, in primerjali: ali obstajajo prednosti proučevanih metod diagnostike, zdravljenja, načinov plačila storitev, ciljnih programov pred tistimi, ki so jih primerjali ali uporabljali prej.

   Če vključimo informacije z nizko stopnjo gotovosti, je treba to točko v naši študiji obravnavati ločeno.

   Center za na dokazih temelječo medicino v Oxfordu ponuja naslednja merila za zanesljivost zdravstvenih informacij:

   • Visoko zaupanje- informacije temeljijo na rezultatih več neodvisnih kliničnih preskušanj s soglasjem med rezultati, povzetimi v sistematičnih pregledih.
   • Zmerna gotovost- informacije temeljijo na rezultatih vsaj več neodvisnih podobnih kliničnih preskušanj.
   • Omejena gotovost– informacije, ki temeljijo na rezultatih enega kliničnega preskušanja.
   • Ni strogih znanstvenih dokazov(klinične raziskave niso bile izvedene) - določena trditev temelji na mnenju strokovnjakov.
5. In za zaključek, po oceni možnosti uporabe rezultatov študije v realni praksi, bomo objavili rezultat:

   To je seveda šala, a v vsaki šali je nekaj resnice.

   Običajno so objavljene študije, ki so pokazale pozitivne rezultate, na primer razkazovanje novega zdravljenja. Če delovna hipoteza (naloga, problem) ni potrjena ali ne najde pozitivne rešitve, potem raziskovalec podatkov raziskave praviloma ne objavi. To je lahko nevarno. Tako je v 80. letih dvajsetega stoletja skupina avtorjev raziskovala antiaritmično zdravilo. V skupini bolnikov, ki so ga prejeli, so ugotovili visoko smrtnost. Avtorji so to ocenili kot nesrečo in ker je bil razvoj tega antiaritmika prekinjen, gradiva niso objavili. Pozneje je podobno antiaritmično zdravilo, flekainid, povzročilo številne smrti 1-2.
   ________________________

   1. N Engl J Med. 10. avgusta 1989; 321 (6): 406-12, Preliminarno poročilo: učinek enkainida in flekainida na umrljivost v randomiziranem preskušanju supresije aritmije po miokardnem infarktu. Preiskovalci preizkušanja srčne aritmije (CAST).

Zgornji algoritem za iskanje in vrednotenje dokazov je predlagal D.L. Sackett et al (1997). Uporabimo ga lahko v kateri koli študiji, tudi pri ocenjevanju vpliva luninih faz na rast telegrafskih stebrov.

Nemalokrat se rezultati študij, ki ocenjujejo učinkovitost istega terapevtskega ali profilaktičnega posega ali diagnostične metode za isto bolezen, razlikujejo. V zvezi s tem obstaja potreba po relativni presoji rezultatov različnih študij in integraciji njihovih rezultatov, da bi dobili generalizirajoč zaključek.Ena izmed najbolj priljubljenih in hitro razvijajočih se metod za sistemsko integracijo rezultatov posameznih znanstvenih današnje študije so tehnika metaanalize.

Meta-analiza je kvantitativna analiza združenih rezultatov okoljskih in epidemioloških študij, ki ocenjujejo vpliv istega okoljskega dejavnika. Zagotavlja kvantitativno oceno stopnje ujemanja ali neskladja med rezultati, pridobljenimi v različnih študijah.

Uvod

V skladu s konceptom medicine, temelječe na dokazih, so rezultati le tistih kliničnih študij, ki se izvajajo na podlagi načel klinične epidemiologije, ki omogočajo minimiziranje tako sistematičnih napak kot naključnih napak (z uporabo pravilne statistične analize podatkov, pridobljenih v študija), so priznane kot temelječe na dokazih.

Mednarodno epidemiološko združenje označuje tovrstne raziskave kot tehniko »združevanja rezultatov različnih znanstvenih del, sestavljenih iz kvalitativne komponente (na primer z uporabo tako vnaprej določenih meril za vključitev v analizo, kot so popolnost podatkov, odsotnost očitne pomanjkljivosti v organizaciji študije ipd.) in kvantitativno komponento (statistična obdelava razpoložljivih podatkov)« – tehnika metaanalize.

Prvo metaanalizo v znanosti je leta 1904 izvedel Karl Pearson. Z združevanjem študij se je odločil premagati problem zmanjševanja moči študije v majhnih vzorcih. Z analizo rezultatov teh študij je ugotovil, da lahko metaanaliza pomaga pridobiti natančnejše študijske podatke.

Kljub temu, da je metaanaliza zdaj vseprisotna na področju epidemiologije in medicinskih raziskav. Dokumenti, ki so uporabljali metaanalizo, so se pojavili šele leta 1955. V sedemdesetih letih prejšnjega stoletja so bile z delom Glassa, Schmidta in Hunterja (Gene V. Glass, Frank L. Schmidt in John E. Hunter) v akademske raziskave uvedene bolj sofisticirane analitične metode.

Oxfordski angleški slovar pojasnjuje, da je ta izraz leta 1976 prvič uporabil Glass. Osnovo te metode so razvili znanstveniki, kot so: Nambury S. Raju, Larry V. Hedges, Harris Cooper, Ingram Olkin, John E. Hunter, Jacob Cohen, Thomas C. Chalmers in Frank L. Schmidt).

Metaanaliza: kvantitativni pristop k raziskovanju

Namen metaanalize je ugotoviti, preučiti in razložiti razlike (zaradi prisotnosti statistične heterogenosti ali heterogenosti) v rezultatih študij.

Nedvomne prednosti metaanalize vključujejo možnost povečanja statistične moči študije in posledično natančnosti ocene učinka analiziranega posega. Tako je mogoče bolj natančno kot pri analizi vsake posamezne majhne klinične študije določiti kategorije bolnikov, za katere so pridobljeni rezultati uporabni.

Pravilno izvedena metaanaliza vključuje preverjanje znanstvene hipoteze, podrobno in jasno predstavitev statističnih metod, uporabljenih v metaanalizi, dovolj podrobno predstavitev in razpravo o rezultatih analize ter zaključkih, ki izhajajo iz nje. Takšen pristop zmanjšuje verjetnost naključnih in sistematičnih napak ter omogoča, da govorimo o objektivnosti dobljenih rezultatov.

Pristopi k izvajanju metaanalize

Obstajata dva glavna pristopa k izvajanju metaanalize.

Prva je ponovna statistična analiza posameznih študij z zbiranjem primarnih podatkov o opažanjih, vključenih v prvotne študije. Očitno ta operacija ni vedno mogoča.

Drugi (in glavni) pristop je povzemanje objavljenih rezultatov raziskav o posameznem vprašanju. Takšna metaanaliza se običajno izvaja v več fazah, med katerimi so najpomembnejše:

razvoj meril za vključitev izvirnih študij v metaanalizo

ocena heterogenosti (statistične heterogenosti) rezultatov izvirnih študij

izvajanje dejanske metaanalize (pridobitev splošne ocene velikosti učinka)

analiza občutljivosti sklepa

Opozoriti je treba, da stopnja določanja obsega študij, vključenih v metaanalizo, pogosto postane vir sistematičnih napak v metaanalizi. Kakovost metaanalize je v veliki meri odvisna od kakovosti izvirnih študij in člankov, ki so vanjo vključeni.

Glavne težave pri vključevanju študij v metaanalizo vključujejo razlike med študijami glede meril za vključitev in izključitev, zasnovo študije in nadzor kakovosti.

Obstaja tudi pristranskost, povezana s prevladujočo objavo pozitivnih rezultatov študij (študije, ki imajo statistično pomembne rezultate, bodo bolj verjetno objavljene kot tiste, ki jih nimajo).

Ker metaanaliza temelji predvsem na objavljenih podatkih, je treba posebno pozornost nameniti premajhni zastopanosti negativnih rezultatov v literaturi. Velik problem predstavlja tudi vključitev neobjavljenih rezultatov v metaanalizo, saj njihova kakovost ni znana, ker niso bili strokovno pregledani.

Osnovne metode

Izbira metode analize je odvisna od vrste podatkov, ki se analizirajo (binarni ali zvezni) in vrste modela (fiksni učinki, naključni učinki).

Binarne podatke običajno analiziramo z izračunom razmerja obetov (OR), relativnega tveganja (RR) ali razlike v tveganjih med ujemajočimi se vzorci. Vsi ti kazalniki označujejo učinek posegov. Predstavitev binarnih podatkov kot ALI je primerna za uporabo v statistični analizi, vendar je ta indikator precej težko klinično interpretirati. Kontinuirani podatki so običajno razponi proučevanih spremenljivk ali nestandardizirana razlika v uteženih povprečjih v primerjalnih skupinah, če so bili rezultati v vseh študijah merjeni na enak način. Če so bili izidi ocenjeni različno (na primer na različnih lestvicah), se uporabi standardizirana razlika v povprečjih (t.i. velikost učinka) v primerjanih skupinah.

Eden od prvih korakov v metaanalizi je ocena heterogenosti (statistične heterogenosti) rezultatov intervencijskega učinka med študijami.

Za oceno heterogenosti se testi χ2 pogosto uporabljajo z ničelno hipotezo o enakem učinku v vseh študijah in s stopnjo pomembnosti 0,1 za povečanje statistične moči (občutljivosti) testa.

Viri heterogenosti v rezultatih različnih študij so varianca znotraj študije (zaradi naključnih odstopanj rezultatov različnih študij od ene prave vrednosti fiksnega učinka) in varianca med študijami (zaradi razlik med proučevanih vzorcev v značilnostih pacientov, bolezni, posegov, kar vodi do nekoliko drugačnih vrednosti učinkov).-naključni učinki).

Če se predpostavi, da je varianca med študijami blizu nič, se vsaki od študij dodeli utež, katere vrednost je obratno sorazmerna z varianco rezultata te študije.

Varianca znotraj študije je opredeljena kot

Kje μ - povprečje znotraj študij Z ničelno varianco med študijami se lahko uporabi model fiksnih (konstantnih) učinkov. V tem primeru se domneva, da ima obravnavana intervencija enako učinkovitost v vseh študijah, opažene razlike med študijami pa so posledica le variance znotraj študije. V tem modelu je uporabljena Mantel-Hanselova metoda.

Mantel-Hanselova metoda

Tabela prikazuje deleže bolnikov v New Yorku in Londonu z diagnozo shizofrenija.

je tehtano povprečje posameznih razmerij kvot po skupinah. Mantel-Hanselov hi-kvadrat test za pomembnost splošne mere povezanosti temelji na uteženem povprečju g razlik med deleži.

Mantel-Hanselova statistika hi-kvadrat je podana z

z 1 prostostno stopnjo.

Da bi imela statistika porazdelitev hi-kvadrat z 1 prostostno stopnjo, je vsaka od štirih vsot pričakovanih frekvenc

se mora razlikovati za vsaj 5 od svojega minimuma in maksimuma.

To pomeni, da za samozavestno uporabo porazdelitve hi-kvadrat z 1 prostostno stopnjo za statistiko sploh ni potrebno imeti velikih mejnih frekvenc. Število opazovanj v tabeli je lahko celo dve, kot v primeru povezanih parov. Potrebno je le dovolj veliko število tabel, da je vsaka vsota pričakovanih frekvenc velika.

Drugi pristopi k izvajanju meta-analize

Model naključnih učinkov nakazuje, da se lahko učinkovitost proučevane intervencije razlikuje od študije do študije.

Ta model ne upošteva variance le znotraj ene študije, ampak tudi med različnimi študijami. V tem primeru se medštudijske variance in medštudijske variance seštejejo. Cilj metaanalize neprekinjenih podatkov je običajno predstaviti točkovne in intervalne (95 % IZ) ocene splošnega učinka intervencije.

Obstaja tudi vrsta drugih pristopov k izvajanju meta-analize: Bayesova meta-analiza, kumulativna meta-analiza, multivariatna meta-analiza, meta-analiza preživetja.

Bayesova meta-analiza omogoča izračun predhodnih verjetnosti učinkovitosti posega ob upoštevanju posrednih podatkov. Ta pristop je še posebej učinkovit, kadar je število analiziranih študij majhno. Zagotavlja natančnejšo oceno učinkovitosti intervencije v modelu naključnih učinkov z razlago variance med različnimi študijami.

Kumulativna metaanaliza- poseben primer Bayesove metaanalize - postopni postopek za vključevanje raziskovalnih rezultatov v metaanalizo enega za drugim v skladu z nekim principom (v kronološkem vrstnem redu, ko se metodološka kakovost študije zmanjšuje itd.). ). Omogoča izračun iterativnih predhodnih in posteriornih verjetnosti, ko so študije vključene v analizo.

Regresijska metaanaliza(logistična regresija, utežena regresija najmanjših kvadratov, Coxov model itd.) se uporablja, kadar obstaja pomembna heterogenost rezultatov raziskav. Omogoča vpliv več značilnosti študije (npr. velikosti vzorca, odmerka zdravila, poti dajanja, značilnosti bolnika itd.) na rezultate intervencijskih preskušanj. Rezultati regresijske metaanalize so običajno predstavljeni kot koeficient naklona z navedbo IZ.

Opozoriti je treba, da je metaanalizo mogoče izvesti za povzetek rezultatov ne le nadzorovanih preskušanj medicinskih posegov, ampak tudi kohortnih študij (npr. študij dejavnikov tveganja). Vendar je treba upoštevati visoko verjetnost sistematičnih napak.

Posebna vrsta metaanalize je posploševanje ocen informativnosti diagnostičnih metod pridobljenih v različnih študijah. Namen takšne metaanalize je izdelava značilne krivulje medsebojne odvisnosti občutljivosti in specifičnosti testov (ROC-krivulja) z uporabo utežene linearne regresije.

Trajnost. Po pridobitvi splošne ocene velikosti učinka je treba določiti njegovo stabilnost. Za to se izvede tako imenovana analiza občutljivosti.

Odvisno od specifične situacije se lahko izvaja na podlagi več različnih metod, na primer:

Vključitev in izključitev iz metaanalize študij, izvedenih na nizki metodološki ravni

· Spreminjanje podatkovnih parametrov, izbranih iz vsake analizirane študije, na primer, če katera koli študija poroča o kliničnih rezultatih v prvih 2 tednih. bolezni, v drugih študijah pa o kliničnih rezultatih v prvih 3-4 tednih. bolezni, je sprejemljivo primerjati klinične rezultate ne samo za vsako od teh obdobij opazovanja, ampak tudi za skupno obdobje opazovanja do 4 tedne.

Izključitev iz meta-analize največjih študij. Če se velikost učinka posamezne analizirane intervencije v analizi občutljivosti bistveno ne spremeni, obstaja razlog za domnevo, da so zaključki primarne metaanalize dobro utemeljeni.

Za kvalitativno oceno prisotnosti takšne pristranskosti metaanalize se običajno zatečemo k izdelavi lijakaste razpršenosti rezultatov posameznih študij v koordinatah (velikost učinka, velikost vzorca). Ko so študije v celoti identificirane, mora biti ta diagram simetričen. Hkrati obstajajo tudi formalne metode za oceno obstoječe asimetrije.

Rezultati metaanalize so običajno predstavljeni grafično (točkovne in intervalne ocene velikosti učinka vsake od študij, vključenih v metaanalizo; primer na sliki 1) in v obliki tabel z ustreznimi statističnimi podatki.

Zaključek

Trenutno je metaanaliza dinamičen, večdimenzionalen sistem metod, ki omogoča združevanje podatkov iz različnih znanstvenih študij na teoretično in metodološko prepričljiv način.

Metaanaliza v primerjavi s primarno študijo zahteva razmeroma malo sredstev, kar zdravnikom, ki ne sodelujejo v študiji, omogoča pridobitev klinično dokazanih informacij.

Glavni pogoj za uporabo metaanalize je razpoložljivost potrebnih informacij o statističnih kriterijih, uporabljenih v pregledanih študijah. Brez poročanja o natančnih vrednostih potrebnih informacij v publikacijah bodo možnosti za uporabo metaanalize zelo omejene. Z večjo dostopnostjo tovrstnih informacij se bo nadaljeval pravi razmah metaanalitičnih študij in izboljšanje njihove metodologije.

Tako lahko skrbno izvedena metaanaliza razkrije področja, ki zahtevajo nadaljnje raziskave.

Seznam uporabljene literature:

1. Fletcher R., Fletcher S., Wagner E. Klinična epidemiologija.- M.: MediaSphere, 1998.- 350p.
2. Chalmers TC, Lau J. Metaanalitična spodbuda za spremembe v kliničnih preskušanjih. Stat Methods Med Res. 1993 ; 2: 161 -172.
3. Grenlandija S. Kvantitativne metode pri pregledu epidemiološke literature. Epidemiol Rev. 1987 ; 9: 1 -30.
4. Stephen B. Thacker, dr.med., mag. meta-analiza. Kvantitativni pristop k integraciji raziskav. JAMA. 1988; 259 (11): 1685-1689.
5. Peipert JF, Phipps MG. opazovalne študije. Clin Obstet Gynecol. 1998 ; 41: 235 -244.
6. Petitty D. Meta-analiza, analiza odločitev in analiza stroškovne učinkovitosti. New York, NY: Oxford University Press; 1994.
7. Lamela TA, Curlette WL. Meta-sinteza dejavnikov, povezanih z izobrazbenimi dosežki. Int J Educ Res. 1997 ; 25: 583 -598.
8. Shapiro S. Meta-analiza/shmeta-analiza. Am J Epidemiol. 1994;140:771-778.
9. Schmidt LM, Gotzsche PC. Pršic in ljudi: referenčna pristranskost v pripovednih preglednih člankih: sistematični pregled. J Fam Pract. 2005;54(4):334–338.
10. Lu G, Ades A.E. Kombinacija neposrednih in posrednih dokazov v mešanih primerjavah zdravljenja. Statist Med 2004; 23: 3105-24.
11. Lumley T. Mrežna meta-analiza za posredne primerjave zdravljenja. Statist Med 2002; 21: 2313-24.
12. Hedges LK, Olkin I. Statistične metode za metaanalizo. San Diego, CA: Academic Press; 1986.
13. Berry S.M. Razumevanje in testiranje heterogenosti v tabelah 2x2: uporaba v metaanalizi. Statist Med 1998; 17: 2353-69.
14. Higgins JPT, Thompson SG. Kvantificiranje heterogenosti v metaanalizi. Stat Med. 2002; 21 (11): 1539–5.
15. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Merjenje nedoslednosti v metaanalizah. BMJ. 2003;327:557–560.
16. Mantel N, Haenszel W. Statistični vidiki analize podatkov iz retrospektivnih študij bolezni. J Natl Cancer Inst. 1959; 22 (4): 719–748.
17. Cochran W.G. Kombinacija ocen iz različnih poskusov. biometrija. 1954; 10 (1): 101–129.
18. Efron B. Empirične Bayesove metode za združevanje verjetnosti. JASA 1996;91:538-50.
19. Morris C.N. Parametrično empirično Bayesovo sklepanje: teorija in aplikacije. JASA 1983;78:47-55.
20. Thompson SG, Higgins JP. Kako naj se izvajajo in interpretirajo metaregresijske analize? Stat Med. 2002; 21 (11): 1559–1573.
21. Hum razmnoževanje. 1997 ; 12: 1851 -1863.
22. Fleis J. Statistične metode za preučevanje tabel razmerij in razmerij, Finance in statistika, 1989.
23. Schlesselman JJ. Tveganje raka endometrija v povezavi z uporabo kombiniranih peroralnih kontraceptivov. Hum razmnoževanje. 1997 ; 12: 1851 -1863.
24. Hopewell S, McDonald S, Clarke M, Egger M. Siva literatura v meta-analizah randomiziranih preskušanj zdravstvenih posegov. Cochrane Database Syst Rev. 2007.

Taldau mete bul delel darіgerliktіn aspaby

Turdalieva B.S., Rakhmatullaeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.

Asfendijarov S.Ž. atyndagy Kazmu

Daleldijeva medicina ortaligija

Almaty, Kazahstan

Tuin 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.

Meta-analizakot orodje za medicino, ki temelji na dokazih

Turdalieva B.S., Rakhmatullayeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.
KazNMU S. D. Asfendiyarova, Almaty, Kazahstan
Povzetek Nemalokrat so rezultati študij, ki ocenjujejo učinkovitost istega terapevtskega ali preventivnega posega ali diagnostične metode za isto bolezen, različni.

Pogosto so lahko izvirni raziskovalni članki bolj realističen vir odgovorov na ozka vprašanja kot pregledni članki in predavanja. Menijo, da bi moralo biti branje revij in člankov omejeno na tiste, ki so resnično pomembni za vsakodnevno prakso ali tekoče znanstveno raziskovanje. Precejšen del publikacij, ki predstavljajo rezultate študije novega posega, vsebuje informacije, ki so neuporabne. Srečanje z znanim in znanim priimkom in cenjeno institucijo vam omogoča napredovanje ...

Delite delo na družbenih omrežjih

Če vam to delo ne ustreza, je na dnu strani seznam podobnih del. Uporabite lahko tudi gumb za iskanje

Druga sorodna dela, ki bi vas utegnila zanimati.vshm>
20915.		Analiza trga zdravstvenih storitev	3,1 MB
	Analiza teoretičnih informacij o praksi ustvarjanja in uporabe JZP, značilnosti in koristi tega modela za družbo; analiza teoretičnega gradiva koncepta poslovnega modeliranja; ugotavljanje ekonomskih značilnosti zdravstvene storitve; izvajanje analiz industrije;
4601.		ANALIZA DEJAVNOSTI GOSTUJEČE MEDICINSKE SESTRE TERAPEVTSKEGA ODDELKA	60,63 KB
	Praktični pomen je posledica dejstva, da lahko diplomska naloga služi kot avtomatizacija dela sestre paznice pri vodenju dokumentacije o računovodstvu zdravil in gibanju bolnikov; izdajanje zdravil pacientu; oblikovanje in tiskanje navodil za raziskavo za vsakega pacienta; vzdrževanje temperaturnega lista itd.
11969.		Analiza ekonomske učinkovitosti uporabe medicinskih informacijskih sistemov	16,93 KB
	Razvit je bil model in opisani algoritmi za analizo ekonomske učinkovitosti medicinskih informacijskih sistemov medicinskih informacijskih sistemov. Razvit je bil mock-up programskega orodja PS za analizo ekonomske učinkovitosti uporabe medicinskih informacijskih sistemov v zdravstveni ustanovi Programsko orodje za analizo ekonomske učinkovitosti uporabe medicinskih informacijskih sistemov. Operativni namen PS je njegova uporaba s strani ekonomista in strokovnjaka ter vodje zdravstvene ustanove pri analizi ekonomske komponente dejavnosti zdravstvene ustanove in ...
18273.		Analiza pravnega statusa predsednika Republike Kazahstan z vidika splošno sprejetih meril pravne države in načela delitve oblasti	73,64 KB
	Bistvo predsednikovega pristopa je bilo, da se mora država razvijati po naravni evolucijski poti. Predsedniška vlada - po ustavi države je prenehanje dejavnosti samoupravnih institucij določene regionalne upravne enote in upravljanje slednje preko pooblaščenih oseb, ki jih imenuje vodja države - predsednik in njemu odgovorne osebe ; podelitev v ustavi voditelju države - predsedniku izrednih pooblastil v obsegu celotne ...
13186.		Oblikovanje informacijskega sistema za obračunavanje znanstvenih publikacij v okolju Adobe Dreamweaver	2,29 MB
	Avtomatizacija za katero koli organizacijo se izvede z zasnovo in kasnejšim ustvarjanjem ter uvedbo enotnega korporativnega informacijskega sistema, sistema za obdelavo informacij, ki vključuje tudi ustrezne organizacijske vire, človeške tehnične finance itd. Ta situacija se imenuje patchwork avtomatizacija in je precej značilna za veliko podjetij. Ker so informacijski sistemi zasnovani za zbiranje, shranjevanje in obdelavo informacij, vsak od njih temelji na okolju za shranjevanje in ...
15989.		Uporaba nanotehnologij na področju medicine	80,04 KB
	Iz zgodovine izhaja, da je človeštvo vedno stremelo k napredku in že od antičnih časov išče načine za zdravljenje bolezni in podaljševanje življenja. Lahko rečemo, da bo razvoj nanotehnologije v 21. stoletju bolj spremenil življenje človeštva kot razvoj pisnega jezika parnega stroja ali elektrike. Švicarski fizik Albert Einstein je objavil članek, v katerem je dokazal, da je velikost molekule sladkorja približno 1 nanometer. Ameriški futurist Erk Drexler, pionir molekularne nanotehnologije, je objavil...
6178.		HIGIENA JE OSNOVNA PREVENTIVNA VEKA MEDICINE	409,78 KB
	Izraz "higiena" izhaja iz grške besede hygieinos, kar pomeni "prinaša zdravje" (Slide številka 1). Po starogrški mitologiji je imel bog zdravljenja Asclepius (v starih rimskih mitih - Aesculapius) hčerko Hygieia, ki je pomagala očetu pri njegovih zadevah.
5069.		Vloga Avicennovih pravnih idej v razvoju medicine	31,86 KB
	Ibn Sina je zagovarjal idealno državo, katere prebivalstvo naj bi sestavljali vladarji, proizvajalci in vojaki, vsi pa bi morali opravljati koristno delo. Še posebej velika zasluga ...
17864.		Trendi in problemi v razvoju sistema in trga zavarovalniške medicine v ZDA	75,24 KB
	Pojem in razvrstitev zdravstvenih zavarovanj: obvezno in prostovoljno zdravstveno zavarovanje. Sistemi zdravstvenega zavarovanja v tujini. Analiza ameriškega trga zdravstvenih zavarovanj. Značilnosti in značilnosti trga zdravstvenih zavarovanj v ZDA.
20590.		Lastni kapital poslovne banke z vidika njegovega nastanka	326,53 KB
	Baselski odbor za nadzor, ki je poskušal korenito spremeniti sistem ocenjevanja ustreznosti lastniškega kapitala banke, je še posebej aktualen pri problematiki upravljanja lastnega kapitala banke in vprašanjih njegove regulacije. Kljub zanemarljivemu deležu v ​​celotnih obveznostih bank ostaja lastniški kapital temelj zanesljivosti in stabilnosti banke, temelj delovanja banke in njena varnostna blazina. V zadnjem času bančna vprašanja, povezana z lastnim kapitalom banke, pritegnejo predvsem ...

Težave zdravja in ekologije

12. Minimalni standardi Ameriškega združenja za ehokardiografijo za kardiosonografa: dokument o stališču / S. M. Bierig // J Am Soc Echocardiogr. - 2006. - letn. 19. - Str. 471-474.

13. Zdravljenje z antihipertenzivnimi zdravili za blago do zmerno hipertenzijo med nosečnostjo / E. Abalos // The Cochrane Library Syst. Rev. - 2001. - 4. številka.

14. Antihipertenzivi v nosečnosti in rasti ploda: dokazi za “farmakološko programiranje” v prvem trimesečju? / H. Bayliss // Hipertenzija nosečnosti. - 2002. - Letn. 21. - Str. 161-174.

15. Antihipertenzivna terapija pri zdravljenju hipertenzije v nosečnosti - klinična dvojno slepa študija pindolota / G. Bott-Kanner G. // Clin Exp Hypertension Pregnancy. - 1992. - Letn. 11. - Str. 207-220.

16. Atenolol in rast ploda pri nosečnostih, zapletenih s hipertenzijo / C. Lydakis // Am. J. Hipertenzija. - 1999. - Št. 12. - Str. 541-547.

17. Avstralsko združenje za preučevanje hipertenzije v nosečnosti: odkrivanje, preiskava in obvladovanje hipertenzije v nosečnosti: popolna izjava o soglasju / M. A. Brown // Am. J. Gynecol. - 2000. - Zv. 40. - Str. 139-155.

18. Butters, L. Atenolol pri esencialni hipertenziji med nosečnostjo / L. Butters, S. Kennedy, P. C. Rubin // Br. med. J. - 1990. - Zv. 301.-P. 587-589.

19. Collins, R. Farmakološko preprečevanje in zdravljenje hipertenzivnih motenj v nosečnosti / R. Collins, H.C. S. Wallenburg // Učinkovita nega v nosečnosti in porodu / ur. I. Chalmers, M. Enkin, M. J. N. C. Keirse. - Oxford: Oxford University Press, 1989. - Str. 512-533.

20. Vpliv atenolola na porodno težo / G. Y. Lip // Am. J. Cardiol. - 1997. - Letn. 79. - Str. 1436-1438.

21. Učinki metildope na uteroplacentalno in fetalno hemodinamiko pri hipertenziji, ki jo povzroča nosečnost / S. Montan // Am. J. Obstet. Gynecol. - 1993. - Letn. 168. - Str. 152-156.

22. Padec povprečnega arterijskega tlaka in omejitev rasti ploda pri hipertenziji v nosečnosti: meta-analiza / P. von Dadelszen // Lancet. - 2000. - Zv. 355. - Str. 87-92.

23. Galerija, E.D.M. Antihipertenzivno zdravljenje v nosečnosti: analiza različnih odzivov na oksprenolol in metildopo /

E.D.M. Galerija, M. Ross, A. Z. Gyory // Br. med. J. - 1985. - Zv. 291.-P. 563-566.

24. Gluckman, P. D. Materina omejitev rasti ploda in njene posledice / P. D. Gluckman, M. A. Hanson // Semin Fetal Neonatal Med. - 2004. - Letn. 9, št. 5. - Str. 419-425.

25. Odbor za smernice. 2003 Evropsko združenje za hipertenzijo - Smernice Evropskega združenja za kardiologijo za zdravljenje arterijske hipertenzije // J. Hypertens. - 2003. - Letn. 21, št. 6. - Str. 1011-1053.

26. Magee, L. A. Štirinajstdnevni pregled: obvladovanje hipertenzije v nosečnosti / L. A. Magee, M. P. Ornstein, P. von Dadelszen // BMJ. - 1999. - Letn. 318, številka 7194. - Str. 1332-1336.

27. Magee, L. A. Peroralni zaviralci beta za blago do zmerno hipertenzijo med nosečnostjo (Cochrane Review) / L. A. Magee, L. Duley // Cochrane Database Syst. Rev. - 2002. - 1. številka.

28. Preeklampsija - stanje simpatične čezmerne aktivnosti / H. P. Schobel // N. Engl. J. Med. - 1996. - Letn. 335. - Str. 1480-1485.

29. Preprečevanje preeklampsije: randomizirano preskušanje atenolola pri hiperdinamičnih bolnikih pred pojavom hipertenzije / T. R. Easterling // Obstet. Gynecol. - 1999. - Letn. 93. - Str. 725-733.

30. Poročilo delovne skupine nacionalnega programa izobraževanja o visokem krvnem tlaku o visokem krvnem tlaku v nosečnosti / R. W. Gifford // Am. J. Obstet. Gynecol. - 2000. - Zv. 183, št. 1. - Str. 1-22.

31. Delovna skupina za obvladovanje arterijske hipertenzije Evropskega združenja za hipertenzijo in Evropskega kardiološkega združenja / G. Mancia // Eur. Heart J. - 2007. - Letn. 28. - Str. 1462-1536.

32. Delovna skupina za obvladovanje srčno-žilnih bolezni med nosečnostjo pri Evropskem kardiološkem združenju. Strokovni soglasni dokument o obvladovanju srčno-žilnih bolezni med nosečnostjo // Eur. srce. J. - 2003. - Zv. 24. - Str. 761-781.

33. Uporaba antihipertenzivnih zdravil v nosečnosti in tveganje za neželene perinatalne izide: McMasterjeva študija izida hipertenzije v nosečnosti 2 (MOS HIP 2) / J.G. Ray // BMC Nosečnost Porod. - 2001. - št. 1. - Str.6.

34. Svetovna zdravstvena organizacija - Mednarodno združenje za hipertenzijo 1999 Smernice za zdravljenje hipertenzije // High Blood Press. - 1999. - Letn. 8.-Str. 1^3.

Prejeto 29.10.2008

UPORABA Z DOKAZI PODPRTIH MEDICINSKIH PODATKOV V KLINIČNI PRAKSI (3. sporočilo - DIAGNOSTIČNE ŠTUDIJE)

A. A. Litvin2, A. L. Kalinin1, N. M. Trizna3

1 Državna medicinska univerza Gomel 2 Regionalna klinična bolnišnica Gomel 3 Beloruska državna medicinska univerza, Minsk

Pomemben vidik medicine, ki temelji na dokazih, je popolnost in točnost podatka podatkov. Namen tega članka je na kratko pregledati načela na dokazih temelječe medicine pri raziskavah točnosti diagnostičnih testov.

Diagnostični testi se v medicini uporabljajo za ugotavljanje diagnoze, resnosti in poteka bolezni. Diagnostične informacije so pridobljene iz različnih virov, vključno s subjektivnimi, objektivnimi, posebnimi raziskovalnimi metodami. Članek temelji na opisu podatkov o merjenju kakovosti študija, prednostih različnih metod sumarne statistike z uporabo metode logistične regresije in ROC analize.

Ključne besede: z dokazi podprta medicina, diagnostični testi, logistična regresija, ROC analiza.

UPORABA PODATKOV Z DOKAZI TEMELJEČE MEDICINE V KLINIČNI PRAKSI (poročilo 3 - DIAGNOSTIČNI TESTOVI)

A. A. Litvin2, A. L. Kalinin1, N. M. Trizna3

1 Državna medicinska univerza Gomel 2 Regionalna klinična bolnišnica Gomel 3 Beloruska državna medicinska univerza, Minsk

Pomemben vidik z dokazi temelječe medicine je popolnost in točnost podatka podatkov. Namen članka je kratek pregled načel na dokazih temelječe medicine v raziskavah, posvečenih točnosti diagnostičnih testov.

Problemi zdravja in ekologije

Diagnostični testi se v medicini uporabljajo za odkrivanje diagnoze, stopnjo in spremljanje napredovanja bolezni. Diagnostične informacije so pridobljene iz številnih virov, vključno z znaki, simptomi in posebnimi preiskavami. Ta članek se osredotoča na razsežnosti kakovosti študija in prednosti različnih sumarnih statistik z logistično regresijo in ROC-analizo.

Ključne besede: z dokazi podprta medicina, diagnostični testi, logistična regresija, ROC-analiza.

Ko zdravnik na podlagi anamneze in pregleda bolnika presodi o diagnozi, je redkokdaj vanjo popolnoma prepričan. V zvezi s tem je bolj primerno govoriti o diagnozi glede na njeno verjetnost. Še vedno je zelo pogosto, da se ta verjetnost ne izrazi v obliki odstotkov, ampak z izrazi, kot so "skoraj vedno", "ponavadi", "včasih", "redko". Ker različni ljudje vlagajo različne stopnje verjetnosti v iste izraze, to vodi v nesporazume med zdravniki ali med zdravnikom in pacientom. Zdravniki morajo biti v svojih sklepih čim bolj natančni in, če je izvedljivo, uporabiti kvantitativne metode za izražanje verjetnosti.

Čeprav bi bila razpoložljivost takih kvantitativnih indikatorjev zelo zaželena, v klinični praksi običajno niso na voljo. Tudi izkušeni kliniki pogosto ne morejo natančno določiti verjetnosti razvoja določenih sprememb. Obstaja težnja po pretiranem diagnosticiranju relativno redkih bolezni. Še posebej težko je kvantificirati verjetnost, ki je lahko zelo velika ali zelo nizka.

Ker je vzpostavitev zanesljivih diagnostičnih kriterijev temelj kliničnega razmišljanja, se zbrane klinične izkušnje uporabljajo za razvoj statističnih pristopov za izboljšanje diagnostične napovedi, ki naj bi bila v idealnem primeru predstavljena v obliki računalniških podatkovnih bank. V takšnih študijah se dejavniki običajno identificirajo

tori, ki so v korelaciji z določeno diagnozo. Te podatke lahko nato vključimo v multivariatno analizo, da ugotovimo, kateri so pomembni neodvisni napovedovalci diagnoze. Nekatere vrste analiz vam omogočajo, da prepoznate pomembne dejavnike pri napovedovanju diagnoze in nato določite njihovo "težo", ki jo lahko v nadaljnjih matematičnih izračunih pretvorite v verjetnost. Po drugi strani pa analiza omogoča identifikacijo omejenega števila kategorij bolnikov, od katerih ima vsaka svojo verjetnost za določeno diagnozo.

Ti kvantitativni pristopi k diagnozi, pogosto imenovani "pravila napovedi", so še posebej uporabni, če so predstavljeni na uporabniku prijazen način in če je bila njihova vrednost obsežno raziskana pri zadostnem številu in obsegu bolnikov. Da bi bila takšna pravila napovedovanja resnično v pomoč kliničnim zdravnikom, jih je treba razviti na reprezentativnih populacijah bolnikov z uporabo razpoložljivih ponovljivih testov, tako da je mogoče dobljene rezultate uporabiti v medicinski praksi povsod.

V zvezi s tem je izjemno pomembno poznati več najpogosteje uporabljenih izrazov v analizi raziskav in epidemiologiji, vključno s prevalenco, občutljivostjo, specifičnostjo, pozitivno napovedno vrednostjo in negativno napovedno vrednostjo (tabela 1).

Tabela 1 - Sistematični izrazi, ki se najpogosteje uporabljajo v diagnostičnih študijah

na voljo odsoten

Pozitivno a (resnično pozitivno) b (lažno pozitivno)

Negativi v (lažni negativi) r (pravi negativi)

Porazdelitev (predhodna verjetnost) = (a + c) / (a ​​​​+ b + c + d) = število bolnikov / skupno število pregledanih bolnikov

Občutljivost \u003d a / (a ​​​​+ b) \u003d število resničnih pozitivnih rezultatov / skupno število bolnikov

Specifičnost = r / (b+r) = število resničnih negativnih rezultatov / število bolnikov brez bolezni

Stopnja lažno negativnih rezultatov = b / (a ​​​​+ b) = število lažno negativnih rezultatov / skupno število bolnikov

Stopnja lažno pozitivnih rezultatov = b / (b + d) = število lažno pozitivnih rezultatov / število bolnikov brez bolezni

Problemi zdravja in ekologije

Konec tabele 1

Rezultati testa Patološko stanje

na voljo odsoten

Pozitivna napovedna vrednost = a / (a ​​​​+ b) = število resničnih pozitivnih rezultatov / število vseh pozitivnih rezultatov

Negativna napovedna vrednost = r / (c+r) = število resničnih negativov / število vseh negativov

Skupna točnost (natančnost) = (a+r) / (a+b+c+d) = število resničnih pozitivnih in resničnih negativnih rezultatov / število vseh rezultatov

Razmerje verjetnosti pozitivnega testa - = občutljivost / (1 - specifičnost)

Razmerje verjetnosti negativnega testa - = 1 - občutljivost / specifičnost

Vprašanja, na katera odgovarjajo te značilnosti diagnostičnega testa:

1) občutljivost – kako dober je test pri odkrivanju bolnikov s to boleznijo?

2) specifičnost – kako dober je test pri pravilnem izključevanju bolnikov, ki nimajo bolezni?

3) napovedna vrednost pozitivnega rezultata testa – če je oseba na testu pozitivna, kakšna je verjetnost, da ima res to bolezen?

4) napovedna vrednost negativnega izvida testa – če ima oseba negativen test, kakšna je verjetnost, da res nima te bolezni?

5) indeks točnosti – kolikšen delež vseh testov je dal pravilne rezultate (tj. resnično pozitivne in resnično negativne rezultate glede na vse)?

6) razmerje verjetnosti pozitivnega testa – koliko večja je verjetnost, da bo test pozitiven pri oboleli osebi v primerjavi z zdravo osebo?

Ker le manjšina pravil za napovedovanje izpolnjuje stroga merila, kot so število in obseg pregledanih subjektov ter prospektivna validacija rezultatov, jih je večina neprimernih za rutinsko klinično uporabo. Poleg tega mnoga pravila napovedovanja ne ocenijo verjetnosti vsake diagnoze ali izida, s katerim se sooči zdravnik. Test, ki ima določeno občutljivost in specifičnost, ima različno pozitivno in negativno napovedno vrednost, kadar se uporablja v skupinah z različno prevalenco bolezni. Občutljivost in specifičnost katerega koli testa nista odvisni od porazdelitve

Resnost bolezni (oziroma odstotek bolnikov z boleznijo od vseh pregledanih bolnikov) je odvisna od sestave skupine bolnikov, med katerimi je bil uporabljen ta test.

V nekaterih primerih lahko netočno poznavanje občutljivosti in specifičnosti testa v proučevani populaciji bolnikov omeji njegovo klinično vrednost. Ker zdravnik le redko pozna (ali morda pozna) populacijo bolnikov, na kateri je standardiziran test, ki ga je predpisal, so dobljeni rezultati veliko manj zanesljivi, kot se običajno misli. Poleg tega bo pri katerem koli diagnostičnem testu povečanje občutljivosti spremljalo zmanjšanje specifičnosti.

Model z visoko občutljivostjo pogosto daje pravi rezultat ob prisotnosti pozitivnega rezultata (zazna pozitivne primere). Nasprotno pa je bolj verjetno, da bo model z visoko specifičnostjo dal pravi rezultat ob negativnem rezultatu (najde negativne primere). Če govorimo v terminih medicine - naloga diagnosticiranja bolezni, kjer model razvrščanja bolnikov na bolne in zdrave imenujemo diagnostični test, potem dobimo naslednje: 1) občutljiva diagnostična preiskava se kaže v preveliki diagnozi - največja preprečevanje manjkajočih bolnikov; 2) specifična diagnostična preiskava diagnosticira le določene bolnike. Ker od nobene posamezne vrednosti ali izpeljane mere ni mogoče pričakovati odlične občutljivosti in specifičnosti, je pogosto treba določiti, katera mera je najbolj dragocena in potrebna za odločanje. Grafična slika, imenovana ROC krivulja

Problemi zdravja in ekologije

(Slika 1), ki povezuje obravnavane značilnosti testa, kaže na neizogibnost izbire med prizadevanjem za visoko občutljivost in specifičnostjo. Tak grafični prikaz nakazuje, da je mogoče rezultate testa opredeliti kot normalne ali patološke, odvisno od tega, ali

Bolezen je izključena, če je test zelo specifičen, ali izključena, če je test zelo občutljiv. Različni testi imajo lahko različne občutljivosti in specifičnosti. Občutljivost in specifičnost zanesljivejših testov sta višji od občutljivosti in specifičnosti neveljavnih testov.

Slika 1 – Grafični prikaz notranjega neskladja med občutljivostjo in specifičnostjo

ROC krivulja (Receiver Operator Characteristic) je krivulja, ki se najpogosteje uporablja za predstavitev rezultatov binarne klasifikacije v strojnem učenju. Ime izhaja iz sistemov za obdelavo signalov. Ker obstajata dva razreda, se eden od njiju imenuje razred s pozitivnimi rezultati, drugi pa z negativnimi rezultati. Krivulja ROC prikazuje odvisnost števila pravilno razvrščenih pozitivnih primerov od števila nepravilno razvrščenih negativnih primerov. V terminologiji analize ROC se prve imenujejo resnično pozitivne, druge pa lažno negativne množice. Predpostavlja se, da ima klasifikator nek parameter, s spreminjanjem katerega bomo dobili eno ali drugo razčlenitev na dva razreda. Ta parameter se pogosto imenuje prag ali mejna vrednost.

ROC krivuljo dobimo na naslednji način. Za vsako mejno vrednost, ki se spreminja od 0 do 1 v korakih na primer 0,01, se izračunajo vrednosti občutljivosti Se in specifičnosti Sp. Druga možnost je, da je prag lahko vsaka zaporedna vrednost vzorca v vzorcu. Zgrajen je graf odvisnosti: občutljivost Se je narisana vzdolž osi Y, 100 % - Sp (stoodstotna minus specifičnost) je narisana vzdolž osi X. Posledično se pojavi določena krivulja (slika 1). Graf je pogosto dopolnjen z ravno črto y = x.

Za idealni klasifikator poteka graf krivulje ROC skozi levi zgornji del

kot, kjer je resnična pozitivna stopnja 100 % ali 1,0 (idealna občutljivost), lažno pozitivna stopnja pa nič. Zato, bližje kot je krivulja zgornjemu levemu kotu, večja je napovedna moč modela. Nasprotno, manjša kot je ukrivljenost krivulje in bližje kot je diagonalni črti, manj učinkovit je model. Diagonalna črta ustreza "neuporabnemu" klasifikatorju, torej popolnemu nerazločevanju obeh razredov.

Pri vizualnem ocenjevanju krivulj ROC njihova lokacija glede na drugo kaže na njihovo primerjalno učinkovitost. Krivulja, ki se nahaja zgoraj in levo, kaže na večjo napovedno sposobnost modela. Tako sta na sliki 2 dve krivulji ROC združeni na enem grafu. Vidi se, da je model A boljši.

Vizualna primerjava krivulj ROC ne razkrije vedno najučinkovitejšega modela. Posebna metoda za primerjavo ROC krivulj je ocena površine pod krivuljami. Teoretično se spreminja od 0 do 1,0, a ker je za model vedno značilna krivulja, ki se nahaja nad pozitivno diagonalo, običajno govorimo o spremembah od 0,5 ("neuporaben" klasifikator) do 1,0 ("idealen" model) . To oceno lahko dobimo neposredno z izračunom površine pod poliedrom, ki ga desno in spodaj omejujejo koordinatne osi, zgoraj levo pa eksperimentalno pridobljene točke (slika 3). Številčni indikator površine pod krivuljo se imenuje AUC (Area Under Curve).

Problemi zdravja in ekologije

Slika 2 - Primerjava ROC krivulj

Slika 3 - Območje pod krivuljo ROC

Z velikimi predpostavkami lahko domnevamo, da večja kot je AUC, boljša je napovedna moč modela. Vendar se morate zavedati, da je kazalnik AUC namenjen bolj primerjalni analizi več modelov; AUC jih ne vsebuje

nekaj informacij o občutljivosti in specifičnosti modela.

V literaturi je včasih navedena naslednja strokovna lestvica za vrednosti AUC, ki se lahko uporabi za presojo kakovosti modela (tabela 2).

Tabela 2 - Strokovna lestvica vrednosti AUC

Interval AUC Kakovost modela

0,9-1,0 Odlično

0,8-0,9 Zelo dobro

0,7-0,8 Dobro

0,6-0,7 Povprečje

0,5-0,6 Nezadovoljivo

Idealen model ima 100% občutljivost in specifičnost. Vendar tega v praksi ni mogoče doseči, poleg tega ni mogoče hkrati povečati občutljivosti in specifičnosti modela.

Poiskati kompromis s pomočjo mejne vrednosti, saj mejna vrednost vpliva na razmerje Se in Sp. Lahko govorimo o problemu iskanja optimalne mejne vrednosti (slika 4).

Slika 4 – »Točka ravnovesja« med občutljivostjo in specifičnostjo

Problemi zdravja in ekologije

Mejni prag je potreben za uporabo modela v praksi: za pripis novih primerov enemu od dveh razredov. Če želite določiti optimalni prag, morate določiti merilo za njegovo določitev, ker različne naloge imajo svojo optimalno strategijo. Kriteriji za izbiro mejnega praga so lahko: 1) zahteva po minimalni vrednosti občutljivosti (specifičnosti) modela. Na primer, zagotoviti morate, da občutljivost testa ni manjša od 80%. V tem primeru bo optimalni prag največja specifičnost (občutljivost), ki je dosežena pri 80 % (ali vrednosti blizu

njega »na desni« zaradi diskretnosti serije) občutljivost (specifičnost).

Podane teoretične podatke bolje zaznamo s primeri iz klinične prakse. Prvi primer, na katerega se bomo osredotočili, bi bila diagnoza okuženega nekrotizirajočega pankreatitisa (niz podatkov je vzet iz baze podatkov). Učni vzorec vsebuje 391 zapisov z izborom 12 neodvisnih spremenljivk v naslednji obliki (tabela 3). Odvisna spremenljivka (1 - prisotnost bolezni, 0 - odsotnost). Porazdelitev odvisne spremenljivke je naslednja: 205 primerov - ni bolezni, 186 - njena prisotnost.

Tabela 3 - Neodvisne spremenljivke za diagnozo okužene nekroze trebušne slinavke, logistični regresijski koeficienti (primer)

Neodvisne spremenljivke Oblika podatkov Koeficient, %

Število dni od začetka > 14< 14 2,54

Število dni, ki so jih pacienti preživeli na zdravljenju na oddelku za intenzivno nego > 7< 7 2,87

Številčna vrednost srčnega utripa 1,76

Številčna vrednost frekvence dihanja 1,42

Številčna vrednost telesne temperature 1,47

Številčna vrednost levkocitov v krvi 1,33

Številčna vrednost levkocitnega indeksa zastrupitve 1,76

Številčna vrednost sečnine v krvi 1,23

Številčna vrednost skupnih beljakovin v plazmi 1,43

Ustrezna antibiotična profilaksa pri postavitvi diagnoze hudega akutnega pankreatitisa da / ne -1,20

Izvajanje minimalno invazivnih medicinskih in preventivnih posegov da / ne -1,38

Prisotnost negativne dinamike da/ne 2.37

Slika 4 prikazuje nastali ROC, ki ga lahko označimo kot zelo dobro krivuljo. Napovedna moč modela AUC = 0,839.

Slika 4 - ROC-krivulja diagnostičnega modela okužene pankreasne nekroze

Problemi zdravja in ekologije

Razmislite o fragmentu niza točk "občutek intraabdominalnega pritiska pri bolnikih s hudo

veljavnost-specifičnost« na primeru ravni akutnega pankreatitisa.

Tabela 4 – Občutljivost in specifičnost različnih stopenj IAP za napovedovanje razvoja PPI (primer)

IAP, mm Hg Umetnost. Občutljivost, % Specifičnost, % 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

Kot je razvidno iz tabele, je optimalna raven praga IAP pri bolnikih z akutnim destruktivnim pankreatitisom, ki zagotavlja največjo občutljivost in specifičnost testa (ali najmanj napak tipa I in II), 17,5 ± 2,3 (M ± SD) mm Hg, pri kateri je 80% občutljivost in 90% specifičnost metode za ugotavljanje verjetnosti razvoja infekcijskih zapletov pankreasne nekroze. Občutljivost je 80 %, kar pomeni, da ima 80 % bolnikov z okuženim nekrotizirajočim pankreatitisom pozitiven diagnostični test. Specifičnost je 90 %, zato ima 90 % bolnikov, ki nimajo okuženega nekrotizirajočega pankreatitisa, negativen rezultat testa. Točka ravnovesja, pri kateri občutljivost in specifičnost približno sovpadata - 80%, je 18,5. Na splošno je bila pozitivna napovedna vrednost merjenja IAP 86 %, negativna napovedna vrednost pa 88 %.

Izvajanje logistične regresije in ROC analize je možno z uporabo statističnih paketov. Vendar pa "Statistica" 6 in 7 (http://www.statistica.com) izvajata to analizo samo z uporabo bloka "Artificial Neural Networks". V SPSS (http://www. spss.com) (od različice 13 dalje) je ROC analiza podana le v grafičnem modulu in analizirana je ena ROC krivulja. SPSS prikaže površino pod krivuljo (AUC), stopnjo pomembnosti ter vrednost občutljivosti in specifičnosti na vsaki merilni točki. Optimalno točko (optimalno mejo) morate najti sami iz tabele občutljivosti in 1-specifičnosti. Program MedCalc bo primerjal več krivulj ROC, označil vrednost spremenljivke v tabeli, ko

pri katerem je razmerje med občutljivostjo in specifičnostjo optimalno (optimal cut-off). SAS (http://www.sas.com), kot tudi R-Commander, imata primerjavo krivulj in modul za iskanje točk, AUC. Logistična regresija in ROC analiza sta na voljo v brezplačnem programu WINPEPI (PEPI-for-Windows) (http://www.brixtonhealth.com/winpepi.zip).

Zaključek

Umetnost diagnosticiranja se nenehno izboljšuje. Dnevno se pojavljajo novi diagnostični testi, spreminja se tehnologija obstoječih metod. Precenjevanje točnosti ustreznih študij, zlasti kot posledica pristranskosti zaradi slabih raziskovalnih in objavljajočih praks, lahko privede do prezgodnje izvedbe diagnostičnih testov in slabih kliničnih odločitev. Skrbno vrednotenje diagnostičnih testov, preden se začnejo množično uporabljati, ne le zmanjša tveganje neželenih izidov zaradi napačnega dojemanja uporabnosti metode, ampak lahko tudi omeji zapravljanje virov zdravstvenega varstva z odpravo nepotrebnih testov. Sestavni del vrednotenja diagnostičnih preiskav so študije o točnosti diagnostičnih preiskav, med katerimi sta najbolj informativni metodi logistične regresije in ROC analiza.

REFERENCE

1. Greenhalch, T. Osnove z dokazi podprte medicine / T. Greenhalch; per. iz angleščine. - M.: GEOTAR-Media, 2006. - 240 str.

Problemi zdravja in ekologije

3. Vlasov, V. V. Uvod v medicino, ki temelji na dokazih / V. V. Vlasov. - M. MediaSphere, 2001. - 392 str.

4. Fletcher, R. Klinična epidemiologija. Osnove z dokazi podprte medicine / R. Fletcher, S. Fletcher, E. Wagner; per. iz angleščine. - M .: MediaSphere, 1998. - 352 str.

5. Banerzhi, A. Medicinska statistika v preprostem jeziku: uvodni tečaj / A. Benerzhi; prevod iz angleščine. - M .: Praktična medicina, 2007. - 287 str.

6. Zhizhin, K. S. Medicinska statistika: učbenik. dodatek. - Rostov n / D .: Phoenix, 2007. - 160 str.

7. Deeks, J. J. Sistematični pregledi ocen diagnostičnih in presejalnih testov / J. J. Deeks // BMJ. - 2001. - letn. 323. - Str. 157-162.

8. Smernice za meta-analize vrednotenja diagnostičnih testov / L. Irwig // Ann. Pripravnik. med. - 1994. - Letn. 120. - Str. 667-676.

9. Sistematični pregledi in meta-analize za kirurga znanstvenika /

S. S. Mahid // Br. J. Surg. - 2006. - letn. 93. - Str. 1315-1324.

10. Metaanalitične metode za natančnost diagnostičnih testov / L. Irwig // J. Clin. epidemiol. - 1995. - Letn. 48. - Str. 119-130.

11. Uporabniki" vodniki po medicinski literaturi. Kako uporabiti članek o diagnostičnem testu. A. Ali so rezultati študije veljavni? / R. Jaeschke // JAMA. - 1994. - Vol. 271. - Str. 389 -391.

12. Uporaba metodoloških standardov pri raziskavah diagnostičnih testov: postaja vse bolje, a še vedno ni dobro / M. C. Read // JAMA. - 1995. - Letn. 274.-P. 645-651.

13. StAR: preprosto orodje za statistično primerjavo krivulj ROC / I. E. Vergara // BMC Bioinformatics. - 2008. - letn. 9. - Str. 265-270.

14. Primerjava parametričnih in neparametričnih pristopov k ROC-analizi kvantitativnih diagnostičnih testov / K. O. Hajian-Tilaki // Medicinsko odločanje. - 1997. - Letn. 17, N. 1. - Str. 94-102.

15. Karakteristične krivulje operaterja sprejemnika (ROC) in nenormalni podatki: empirična študija / M.J. Goddard // Statistika v medicini. - 1989. - Letn. 9, št. 3. - Str. 325-337.

16. Možnosti napovedovanja okužene nekroze trebušne slinavke / A. A. Litvin [et al.] // Problemi zdravja in ekologije. - 2007. - T. 12, št. 2. - S. 7-14.

17. Metoda za spremljanje intraabdominalnega tlaka pri bolnikih s hudim akutnim pankreatitisom / A. A. Litvin [et al.] // Problemi zdravja in ekologije. - 2008. - T. 16, št. 2. - S. 80-85.

18. Primerjava osmih računalniških programov za analizo delovanja sprejemnika / C. Stephan // Clin. Chem. - 2003. - Letn. 49, N. 3. - Str. 433-439.

19. Zhu, X. Kratek predogled brezplačnih statističnih programskih paketov za poučevanje statistike za smeri industrijske tehnologije / X. Zxu // J. Ind. tehnologija. - 2005. - Letn. 21, N. 2. - Str. 10-20.

20. Borovikov, V. STATISTICA: umetnost računalniške analize podatkov. Za strokovnjake / V. Borovikov. - Sankt Peterburg: Peter, 2001. - 656 str.

21. Buyul, A. SPSS: umetnost obdelave informacij. Analiza statističnih podatkov in obnova skritih vzorcev / A. Byuyul. - Sankt Peterburg: DiaSoftYUP, 2002. - 608 str.

22. Abramson, J. H. WINPEPI (PEPI-za-Windows): računalniški programi za epidemiologe / J. H. Abramson, // Epidemiološke perspektive in inovacije. - 2004. - Letn. 1, št. 6. - Str. 1-10.

Prejeto 24.10.2008

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

NEKATERI POKAZALCI MIKROCIRKULACIJE IN POŠKODBE ENDOTELIJA PRI OCENI TVEGANJA ZA NASTANEK MOŽGANSKE KAPI, MIOKARDNIH INFARKTOV, SMRTNIH IZIDOV PRI BOLNIKIH Z ARTERIJSKO HIPERTENZIJO

V. I. Kozlovsky, A. V. Akulyonok Vitebsk State Medical University

Namen raziskave je bil ugotoviti dejavnike, povezane s povečanim tveganjem za miokardni infarkt, možgansko kap in smrt pri bolnikih z arterijsko hipertenzijo (AH) II.

Material in metode: V študijo je bilo vključenih 220 bolnikov z AH II.stopnje (povprečna starost 57 ± 8,4 leta), ki so bili hospitalizirani zaradi hipertenzivne krize, in 30 oseb brez AH (povprečna starost

53,7 ± 9 let).

Rezultati: 29 kapi, 18 miokardnih infarktov, 26 smrti so zabeležili v skupini bolnikov z AH II stopnje v 3,3 ± 1 letih spremljanja. Povečanje števila endotelijskih celic v obtoku (ECC), agregacije levkocitov, trombocitov in adhezije levkocitov pri hipertenzivnih bolnikih je bilo povezano s povečanim tveganjem za miokardni infarkt, možgansko kap in smrt.

Zaključek: kazalnike števila CEC, agregacije trombocitov in levkocitov ter adhezije levkocitov lahko uporabimo za identifikacijo skupin hipertenzivnih bolnikov s povečanim tveganjem za razvoj miokardnih infarktov, možganskih kapi in smrti ter za izdelavo kompleksnih prognostičnih modelov.

Ključne besede: arterijska hipertenzija, tveganje, miokardni infarkt, možganska kap, smrt, cirkulirajoči endoteliociti.

NEKATERE UGOTOVITVE MIKROCIRKULACIJE IN POŠKODBE ENDOTELIJA PRI OCENI TVEGANJA ZA MOŽGANSKO KAP, MIOKARDNE INFARKTE, SMRTNE IZIDE PRI HIPERTENZIVNIH BOLNIKIH

V. I. ^zlovsky, A. V. Akulionak Vitebsk Statel Medical University

Cilj: ugotoviti dejavnike, povezane s povečanim tveganjem za nastanek možganske kapi, miokardnega infarkta, smrtnih izidov pri bolnikih z arterijsko hipertenzijo (AH) II stopnje.

Metode: 220 bolnikov z AH II stopnje (povprečna starost 57 ± 8,4 leta), zapleteno s hipertenzivno krizo, in 30 oseb brez AH (povprečna starost 53,7 ± 9 let) smo spremljali 3,3 ± 1 leto.

Rezultati: zvišanje števila endotelijskih celic v obtoku (CEC), agregacija trombocitov in levkocitov, adhezija levkocitov pri bolnikih s hipertenzijo so bili povezani s povečanim tveganjem za nastanek možganske kapi, miokardnega infarkta, smrtnih izidov.