বেশিরভাগ আইএমজি তাদের কার্ডিওলজি এবং তাদের ফার্মাকোলজি ঠান্ডা জানে। তারপরে সংবেদনশীলতা এবং নির্দিষ্টতা সম্পর্কে একটি প্রশ্ন উপস্থিত হয় এবং চিহ্নগুলি শান্তভাবে অদৃশ্য হয়ে যায়। এটি হতাশাজনক, কারণ এই প্রশ্নগুলি অনুমানযোগ্য নিদর্শনগুলি অনুসরণ করে — এবং একবার আপনি যুক্তিটি বুঝতে পারলে, তারা আপনাকে নির্ভরযোগ্যভাবে পুরস্কৃত করবে।
কেন পরিসংখ্যান প্রশ্ন তাদের চেয়ে কঠিন মনে হয়
সৎ উত্তর হল যে চিকিৎসা পরিসংখ্যান বিমূর্ত মনে হয় বছরের পর বছর ক্লিনিকাল প্রশিক্ষণের পরে যেখানে আপনি পরীক্ষার আদেশ দিয়েছেন, ফলাফলটি পড়েছেন এবং সিদ্ধান্ত নিয়েছেন। কেউ আপনাকে মিড-ওয়ার্ড রাউন্ডের সম্ভাবনার অনুপাত পুনরায় গণনা করতে বলেনি।
কিন্তু PLAB 1 আপনি ক্লিনিক্যাল ট্রায়াল চালাতে পারবেন কিনা তা পরীক্ষা করছে না। এটি পরীক্ষা করছে যে আপনি গবেষণাকে সমালোচনামূলকভাবে পড়তে পারেন এবং প্রমাণ প্রয়োগ করতে পারেন - ভাল চিকিৎসা অনুশীলনের নীতির অধীনে একটি মূল GMC প্রত্যাশা। প্রশ্নগুলো তাই সংকীর্ণ এবং পুনরাবৃত্তিযোগ্য। ধারণাগুলির একটি ছোট ক্লাস্টার পরীক্ষায় প্রায় সমস্ত পরিসংখ্যান এবং প্রমাণ-ভিত্তিক ওষুধের মার্কগুলির জন্য দায়ী: সংবেদনশীলতা এবং নির্দিষ্টতা, ইতিবাচক এবং নেতিবাচক ভবিষ্যদ্বাণীমূলক মান, চিকিত্সার জন্য প্রয়োজনীয় সংখ্যা (NNT), ক্ষতির জন্য প্রয়োজনীয় সংখ্যা (NNH), পরম এবং আপেক্ষিক ঝুঁকি হ্রাস, আত্মবিশ্বাসের ব্যবধান এবং পি-মান। সেই আটটি ধারণা আয়ত্ত করুন এবং আপনি অঞ্চলটি কভার করেছেন।
সংবেদনশীলতা এবং নির্দিষ্টতা: সঠিকভাবে শব্দগুলি পান
এই দুটি পদ লোকেদের ট্রিপ করে কারণ আপনি তাদের সঠিকভাবে অ্যাঙ্কর না করা পর্যন্ত এগুলি বিনিময়যোগ্য শোনায়।
সংবেদনশীলতা হল পরীক্ষার একটি বৈশিষ্ট্য, যাদের রোগ আছে* তাদের মধ্যে পরিমাপ করা হয়। একটি অত্যন্ত সংবেদনশীল পরীক্ষা খুব কমই সত্য ঘটনাগুলি মিস করে — একটি নেতিবাচক ফলাফল আশ্বস্ত করে ("SnNout": একটি সংবেদনশীল পরীক্ষা, যখন নেতিবাচক, রুল আউট)। পালমোনারি এমবোলিজমের জন্য ডি-ডাইমারের মতো একটি স্ক্রীনিং পরীক্ষার কথা চিন্তা করুন: এটি সংবেদনশীল হওয়ার জন্য ডিজাইন করা হয়েছে যাতে কয়েকটি ক্ষেত্রে মিস করা যায়।
বিশিষ্টতা এছাড়াও পরীক্ষার একটি বৈশিষ্ট্য, যা লোকেদের মধ্যে পরিমাপ করা হয় যাদের রোগ নেই। একটি অত্যন্ত নির্দিষ্ট পরীক্ষা কদাচিৎ মিথ্যা ইতিবাচককে ফ্ল্যাগ করে — একটি ইতিবাচক ফলাফল অর্থবহ ("স্পপিন": একটি নির্দিষ্ট পরীক্ষা, যখন ইতিবাচক হয়, তখন নিয়ম)। একটি নিশ্চিতকরণ পরীক্ষা যেমন সিফিলিসের জন্য VDRL নির্দিষ্ট করার জন্য ডিজাইন করা হয়েছে।
ইতিবাচক ভবিষ্যদ্বাণীমূলক মান (PPV) এবং নেতিবাচক ভবিষ্যদ্বাণীমূলক মান (NPV) ব্যাপকতার উপর নির্ভর করে। এই ধারণাটি প্রায়শই একটি ক্লিনিকাল ভিগনেটে পরীক্ষা করা হয়: একই পরীক্ষায় একটি উচ্চ-ঝুঁকিপূর্ণ ক্লিনিকের তুলনায় কম-প্রচলিত জনসংখ্যায় কম PPV থাকে। যদি একটি প্রশ্ন আপনাকে বলে যে পরীক্ষাটির 95% সংবেদনশীলতা এবং 95% নির্দিষ্টতা রয়েছে কিন্তু এমন একটি জনসংখ্যাতে ব্যবহার করা হয় যেখানে 1,000 জনের মধ্যে মাত্র 1 জনের এই রোগ আছে, PPV এখনও কম থাকবে। বাস্তব সংখ্যার সাথে একবার সেই যুক্তি দিয়ে কাজ করুন এবং এটি আপনার সাথেই থাকবে।
পরম ঝুঁকি, আপেক্ষিক ঝুঁকি, এবং NNT
PLAB 1-এ প্রমাণ-ভিত্তিক ওষুধের প্রশ্নগুলি প্রায় সবসময়ই আপেক্ষিক এবং পরম ঝুঁকি হ্রাসের মধ্যে পার্থক্যের উপর ভিত্তি করে, কারণ এই পার্থক্যটি ক্লিনিকাল অনুশীলনে এবং ড্রাগ ট্রায়ালের মূল্যায়নের ক্ষেত্রে অত্যন্ত গুরুত্বপূর্ণ।
- পরম ঝুঁকি হ্রাস (ARR) = নিয়ন্ত্রণ গ্রুপে ঝুঁকি - চিকিত্সা গ্রুপে ঝুঁকি।
- আপেক্ষিক ঝুঁকি হ্রাস (RRR) = ARR ÷ নিয়ন্ত্রণ গ্রুপে ঝুঁকি, শতাংশ হিসাবে প্রকাশ করা হয়।
- চিকিৎসার জন্য প্রয়োজনীয় সংখ্যা (NNT) = 1 ÷ ARR (যেখানে ARR কে দশমিক হিসাবে প্রকাশ করা হয়)।
- ক্ষতি করার জন্য প্রয়োজনীয় সংখ্যা (NNH) একই সূত্র ব্যবহার করে কিন্তু প্রতিকূল ঘটনাগুলিতে প্রয়োগ করা হয়।
একটি কার্যকর উদাহরণ: যদি একটি ওষুধ স্ট্রোকের ঝুঁকি 4% থেকে 2% পর্যন্ত কমিয়ে দেয়, তাহলে ARR হয় 2% (0.02), তাই NNT হল 1 ÷ 0.02 = 50৷ RRR হল 50% - একই ডেটা, কিন্তু একটি চিত্র যা অনেক বেশি চিত্তাকর্ষক শোনায়৷ ওষুধের বিজ্ঞাপনে RRR উদ্ধৃত করার প্রবণতা থাকে; PLAB 1-এ মূল্যায়নের প্রশ্নগুলি আশা করে যে আপনি NNT গণনা করবেন। একটি কম এনএনটি ভাল (আপনাকে সুবিধার জন্য কম রোগীদের চিকিত্সা করতে হবে)।
গণিত ডিগ্রী ছাড়া পি-মান এবং আত্মবিশ্বাসের ব্যবধান
আপনাকে PLAB 1-এ পি-মান গণনা করার দরকার নেই। আপনাকে সঠিকভাবে ব্যাখ্যা করতে হবে।
0.05-এর প্রচলিত থ্রেশহোল্ডের নীচে একটি p-মানের মানে হল ফলাফলটি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ - অর্থাৎ, শূন্য অনুমান সত্য বলে ধরে নিলে, একা সুযোগ দ্বারা ঘটেছিল এমন সম্ভাবনা কম। এটি না মানে প্রভাবটি চিকিৎসাগতভাবে গুরুত্বপূর্ণ, বড় বা কার্যকারণ। একটি বিশাল ট্রায়াল একটি প্রভাবের জন্য p = 0.001 ফেরত দিতে পারে যা অনুশীলনে গুরুত্বপূর্ণ নয়।একটি আত্মবিশ্বাসের ব্যবধান (CI) আপনাকে সেই পরিসরটি বলে যেটির মধ্যে প্রকৃত মান সম্ভবত নিহিত রয়েছে৷ একটি অনুপাতের জন্য (আপেক্ষিক ঝুঁকি, প্রতিকূল অনুপাত, বিপদ অনুপাত), একটি 95% CI যা 1.0 অতিক্রম করে মানে ফলাফলটি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ নয় — প্রভাব শূন্য হতে পারে। একটি পরম মানের জন্য (একটি গড় পার্থক্যের মতো), একটি CI ক্রসিং শূন্যের একই অর্থ রয়েছে। প্রশ্নটি সাধারণত আপনাকে একটি ফলাফল তাৎপর্যপূর্ণ কিনা তা শনাক্ত করতে বা এমন একটি অধ্যয়ন বাছাই করতে বলবে যার CI একটি প্রকৃত প্রভাবের পরামর্শ দেয়।
স্টাডি ডিজাইন: কোন অধ্যয়ন কোন প্রশ্নের উত্তর দেয় তা জানা
PLAB 1 মাঝে মাঝে আপনাকে প্রদত্ত ক্লিনিকাল প্রশ্নের জন্য সবচেয়ে উপযুক্ত অধ্যয়নের নকশা বেছে নিতে বলে। সংক্ষিপ্ত রেফারেন্স তালিকা:
- এলোমেলো নিয়ন্ত্রিত ট্রায়াল (RCT) — চিকিত্সার কার্যকারিতার জন্য সেরা; বিভ্রান্তি হ্রাস করে।
- কোহোর্ট স্টাডি — সম্ভাব্য ঝুঁকির কারণগুলি পরীক্ষা করার জন্য সেরা; আপেক্ষিক ঝুঁকি দেয়।
- কেস-কন্ট্রোল স্টাডি — বিরল রোগের জন্য কার্যকরী; মতভেদ অনুপাত দেয়, আপেক্ষিক ঝুঁকি নয়।
- ক্রস-বিভাগীয় অধ্যয়ন — সময়ের এক সময়ে প্রচলন; কার্যকারণ প্রতিষ্ঠা করতে পারে না।
- পদ্ধতিগত পর্যালোচনা / মেটা-বিশ্লেষণ — ক্লিনিকাল সিদ্ধান্ত গ্রহণের জন্য সর্বোচ্চ স্তরের প্রমাণ, যখন ভালভাবে পরিচালিত হয়।
যদি একটি প্রশ্ন একটি নতুন ওষুধের কার্যকারিতার জন্য সর্বোত্তম প্রমাণ সম্পর্কে জিজ্ঞাসা করে, উত্তরটি প্রায় সর্বদা একটি RCT বা RCT-এর একটি পদ্ধতিগত পর্যালোচনা। যদি এটি একটি বিরল ক্যান্সার এবং এর সম্ভাব্য পেশাগত এক্সপোজার সম্পর্কে জিজ্ঞাসা করে, একটি কেস-কন্ট্রোল স্টাডি সাধারণত সঠিক।
পরীক্ষার দিনের আগে এই ধারণাগুলি কীভাবে ড্রিল করবেন
তত্ত্ব বোঝা অর্ধেক কাজ; সময়মত অবস্থার অধীনে এটি প্রয়োগ করা হয় অন্য অর্ধেক. এই বিষয়গুলি নিষ্ক্রিয় পুনঃপঠনের চেয়ে সক্রিয় অনুশীলনকে পুরস্কৃত করে। একক-সেরা-উত্তর প্রশ্নের মাধ্যমে কাজ করা যা একটি 2×2 টেবিল উপস্থাপন করে এবং আপনাকে সংবেদনশীলতা গণনা করতে বলে, অথবা যা আপনাকে ট্রায়াল ডেটা দেয় এবং NNT এর জন্য জিজ্ঞাসা করে, পরীক্ষার জন্য প্রয়োজনীয় প্যাটার্ন স্বীকৃতি তৈরি করে। পিঁপড়া PLAB প্রশ্নব্যাঙ্কে একটি নিবেদিত প্রমাণ এবং পরিসংখ্যান ক্লাস্টার রয়েছে কাজ করা ব্যাখ্যা সহ যাতে আপনি সঠিক বিকল্পটি বেছে নেওয়ার সময় যুক্তিটি ঠিক কোথায় ভুল হয় তা দেখতে পারেন — এবং যদি এই ব্লুপ্রিন্ট এলাকাটি ধারাবাহিকভাবে আপনার চিহ্নগুলি ব্যয় করে তবে কর্মক্ষমতা বিশ্লেষণগুলি ফ্ল্যাগ করবে৷
PLAB 1-এ পরিসংখ্যান ক্লাস্টারটি ছোট। একটি সম্পূর্ণ বৈঠক জুড়ে এটি শুধুমাত্র কয়েকটি প্রশ্নের জন্য দায়ী হতে পারে। কিন্তু এগুলি স্পষ্টভাবে সঠিক উত্তর সহ প্রশ্ন, ধারণার একটি সীমিত সেট দ্বারা আবদ্ধ, যে অনেক প্রার্থী লড়াই ছাড়াই আত্মসমর্পণ করে। আপনি একটি বিকালে শিখতে পারেন এমন একটি সূত্র ধরে টেবিলে চিহ্ন রেখে যাওয়ার জন্য এই পরীক্ষায় অনেক বেশি কাজ করেছেন।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
** সহজ ভাষায় সংবেদনশীলতা এবং নির্দিষ্টতার মধ্যে পার্থক্য কী?** সংবেদনশীলতা পরিমাপ করে যে একটি পরীক্ষা কতটা ভালোভাবে সনাক্ত করে যাদের রোগ আছে (সত্যিকারের ইতিবাচক হার), যখন নির্দিষ্টতা পরিমাপ করে যে এটি কতটা ভালোভাবে চিহ্নিত করে যাদের না আছে (সত্যি নেতিবাচক হার)। একটি অত্যন্ত সংবেদনশীল পরীক্ষা একটি রোগ নির্ণয় বাতিল করার জন্য ভাল; এটি শাসন করার জন্য একটি অত্যন্ত নির্দিষ্ট পরীক্ষা ভাল।
আমি কীভাবে PLAB 1-এ ক্লিনিকাল ট্রায়ালের ফলাফল থেকে NNT গণনা করব? পরম ঝুঁকি হ্রাস (ARR) পেতে কন্ট্রোল গ্রুপের ইভেন্ট রেট থেকে চিকিত্সা গ্রুপে ইভেন্ট রেট বিয়োগ করুন। NNT = 1 ÷ ARR (দশমিক হিসাবে ARR সহ)। উদাহরণস্বরূপ, 5% (0.05) এর একটি ARR 20 এর NNT দেয়।
0.05 এর নিচে একটি p-মান মানে কি একটি চিকিৎসা চিকিৎসাগতভাবে উপযোগী? অগত্যা. পরিসংখ্যানগত তাত্পর্য (p <0.05) এর অর্থ হল ফলাফলটি সম্ভাবনার কারণে হওয়ার সম্ভাবনা কম, তবে এটি প্রভাবের আকার বা ক্লিনিকাল গুরুত্ব সম্পর্কে কিছুই বলে না। একটি খুব বড় অধ্যয়ন একটি পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্য সনাক্ত করতে পারে যা যে কোনও রোগীর উপকারের জন্য খুব ছোট।