Повечето IMG познават своята кардиология и фармакологията си. След това се появява въпрос за чувствителност и специфичност и белезите тихо изчезват. Това е разочароващо, защото тези въпроси следват предвидими модели - и след като разберете логиката, те ви възнаграждават надеждно.
Защо статистическите въпроси се чувстват по-трудни, отколкото са
Честният отговор е, че медицинската статистика изглежда абстрактна след години на клинично обучение, при което сте поръчали теста, прочетете резултата и сте взели решение. Никой не ви е помолил да преизчислите коефициента на вероятност в средата на кръга.
Но PLAB 1 не тества дали можете да проведете клинично изпитване. Тества дали можете да четете критично изследванията и да прилагате доказателства - основно очакване на GMC съгласно принципите на добрата медицинска практика. Следователно въпросите са тесни и повтаряеми. Малка група от понятия отчита почти всички оценки на статистиката и базираната на доказателства медицина в изпита: чувствителност и специфичност, положителни и отрицателни прогнозни стойности, брой необходими за лечение (NNT), брой необходими за увреждане (NNH), абсолютно и относително намаляване на риска, доверителни интервали и p-стойности. Овладейте тези осем идеи и сте покрили територията.
Чувствителност и специфичност: Вземете точно правилните думи
Тези два термина спъват хората, защото звучат взаимозаменяемо, докато не ги закотвите правилно.
Чувствителността е свойство на самия тест, измерено при хора, които имат заболяването. Силно чувствителен тест рядко пропуска истински случаи — отрицателен резултат е успокояващ („SnNout“: чувствителен тест, когато е отрицателен, изключва). Помислете за скринингов тест като D-димер за белодробна емболия: той е проектиран да бъде чувствителен, така че малко случаи да бъдат пропуснати.
Специфичността също е свойство на теста, измерено при хора, които нямат заболяването. Силно специфичен тест рядко отбелязва фалшиви положителни резултати — положителният резултат е значим („SpPin“: специфичен тест, когато е положителен, управлява In). Потвърждаващ тест като VDRL за сифилис е предназначен да бъде специфичен.
Положителната прогнозна стойност (PPV) и отрицателната прогнозна стойност (NPV) зависят от разпространението. Това е концепцията, която най-често се тества в клинична винетка: същият тест има по-ниска PPV в популация с ниско разпространение, отколкото в клиника с висок риск. Ако даден въпрос ви каже, че тестът има 95% чувствителност и 95% специфичност, но се използва в популация, където само 1 на 1000 души има заболяването, PPV ще бъде все още нисък. Преминете тази логика веднъж с реални числа и тя остава с вас.
Абсолютен риск, Относителен риск и NNT
Въпросите за основана на доказателства медицина в PLAB 1 почти винаги се основават на разликата между относителното и абсолютното намаляване на риска, защото тази разлика има огромно значение в клиничната практика и при оценката на изпитванията на лекарства.
- Намаляване на абсолютния риск (ARR) = риск в контролната група − риск в групата на лечение.
- Относително намаляване на риска (RRR) = ARR ÷ риск в контролната група, изразено като процент.
- Брой, необходим за лечение (NNT) = 1 ÷ ARR (където ARR се изразява като десетична запетая).
- Броят, необходим за увреждане (NNH) използва същата формула, но приложена към нежелани събития.
Работен пример: ако дадено лекарство намалява риска от инсулт от 4% на 2%, ARR е 2% (0,02), така че NNT е 1 ÷ 0,02 = 50. RRR е 50% — същите данни, но цифра, която звучи много по-впечатляващо. Рекламите на лекарства са склонни да цитират RRR; въпросите за оценка в PLAB 1 очакват да изчислите NNT. По-ниският NNT е по-добър (трябва да лекувате по-малко пациенти, за да има полза от един).
P-стойности и доверителни интервали без диплома по математика
Не е необходимо да изчислявате p-стойност в PLAB 1. Трябва да я интерпретирате правилно.
P-стойност под конвенционалния праг от 0,05 означава, че резултатът е статистически значим — т.е. малко вероятно е да се е случил случайно, ако приемем, че нулевата хипотеза е вярна. Това не означава, че ефектът е клинично важен, голям или причинно-следствен. Масово изпитване може да върне p = 0,001 за ефект, който е твърде малък, за да има значение на практика.Доверителният интервал (CI) ви казва диапазона, в който вероятно се намира истинската стойност. За съотношение (относителен риск, коефициент на шансове, коефициент на опасност), 95% CI, който преминава 1,0, означава, че резултатът не е статистически значим — ефектът може да бъде нула. За абсолютна стойност (като средна разлика) CI, пресичащ нула, има същото значение. Въпросът обикновено ще ви помоли да определите дали резултатът е значим или да изберете изследването, чийто CI предполага истински ефект.
Дизайн на изследването: да знаете кое изследване на кой въпрос отговаря
PLAB 1 понякога ви моли да изберете най-подходящия дизайн на изследване за даден клиничен въпрос. Краткият референтен списък:
- Рандомизирано контролирано изпитване (RCT) — най-добро за ефикасност на лечението; намалява объркването.
- Кохортно проучване — най-доброто за проспективно изследване на рисковите фактори; дава относителен риск.
- Case-control study — ефикасно при редки заболявания; дава коефициент на шансове, а не относителен риск.
- Междусекторно проучване — разпространение в даден момент от време; не може да установи причинно-следствена връзка.
- Систематичен преглед / мета-анализ — най-високо ниво на доказателства за вземане на клинични решения, когато е добре проведено.
Ако даден въпрос пита за най-доброто доказателство за ефективността на ново лекарство, отговорът почти винаги е RCT или систематичен преглед на RCT. Ако се пита за рядък рак и неговата потенциална професионална експозиция, проучването случай-контрола обикновено е правилно.
Как да пробиете тези понятия преди деня на изпита
Разбирането на теорията е половината работа; прилагането му при определени условия е другата половина. Тези теми възнаграждават активната практика пред пасивното препрочитане. Работата с въпроси с единичен най-добър отговор, които представят таблица 2×2 и ви молят да изчислите чувствителността, или които ви дават пробни данни и изискват NNT, изгражда разпознаването на шаблони, което изисква изпитът. Банката с въпроси на Ant PLAB включва специален клъстер от доказателства и статистически данни с обработени обяснения, така че можете да видите точно къде логиката се обърка, когато изберете неправилната опция — и анализите на ефективността ще сигнализират, ако тази област на чертеж постоянно ви струва точки.
Статистическият клъстер в PLAB 1 е малък. По време на пълно заседание може да отговаря само на няколко въпроса. Но това са въпроси с ясно правилни отговори, ограничени от ограничен набор от концепции, които много кандидати се предават без бой. Вложихте твърде много работа в този изпит, за да оставите белези на масата върху формула, която можете да научите следобед.
ЧЗВ
Каква е разликата между чувствителност и специфичност с прости думи? Чувствителността измерва колко добре тестът открива хора, които имат заболяване (истински положителен процент), докато специфичността измерва колко добре идентифицира хората, които не го имат (истински отрицателен процент). Високочувствителен тест е добър за отхвърляне на диагноза; много специфичен тест е добър за определянето му.
Как да изчисля NNT от резултат от клинично изпитване в PLAB 1? Извадете честотата на събитията в групата на лечение от честотата на събитията в контролната група, за да получите абсолютното намаление на риска (ARR). NNT = 1 ÷ ARR (с ARR като десетичен знак). Например ARR от 5% (0,05) дава NNT от 20.
p-стойност под 0,05 означава ли, че лечението е клинично полезно? Не е задължително. Статистическата значимост (p <0,05) означава, че е малко вероятно резултатът да се дължи на случайност, но не казва нищо за размера или клиничното значение на ефекта. Едно много голямо проучване може да открие статистически значима разлика, която е твърде малка, за да е от полза за всеки отделен пациент.