Useimmat IMG:t tuntevat kardiologiansa ja farmakologiansa kylmänä. Sitten ilmaantuu kysymys herkkyydestä ja spesifisyydestä, ja merkit katoavat hiljaa. Se on turhauttavaa, koska nämä kysymykset noudattavat ennustettavia kaavoja – ja kun ymmärrät logiikan, ne palkitsevat sinut luotettavasti.
Miksi tilastokysymykset tuntuvat vaikeammilta kuin ne ovat
Rehellinen vastaus on, että lääketieteelliset tilastot tuntuvat abstraktilta vuosien kliinisen koulutuksen jälkeen, kun tilasit testin, luit tuloksen ja teit päätöksen. Kukaan ei pyytänyt sinua laskemaan todennäköisyyssuhdetta uudelleen kierroksen puolivälissä.
Mutta PLAB 1 ei testaa, voitko suorittaa kliinisen tutkimuksen. Se testaa, voitko lukea tutkimusta kriittisesti ja soveltaa todisteita – GMC:n ydinodotus hyvän lääketieteellisen käytännön periaatteiden mukaisesti. Kysymykset ovat siksi kapeita ja toistettavissa. Pieni käsiteryhmä kattaa lähes kaikki kokeen tilastot ja näyttöön perustuvat lääketieteen arvosanat: herkkyys ja spesifisyys, positiiviset ja negatiiviset ennustearvot, hoitoon tarvittava määrä (NNT), haittojen määrä (NNH), absoluuttinen ja suhteellinen riskin vähentäminen, luottamusvälit ja p-arvot. Hallitse nämä kahdeksan ideaa ja olet kattanut alueen.
Herkkyys ja spesifisyys: Ota sanat täsmälleen oikein
Nämä kaksi termiä saavat ihmiset uppoutumaan, koska ne kuulostavat keskenään vaihdettavissa olevilta, kunnes ankkuroit heidät kunnolla.
Herkkyys on itse testin ominaisuus, mitattuna ihmisistä joilla on sairaus. Erittäin herkkä testi jättää harvoin huomiotta todelliset tapaukset – negatiivinen tulos on rauhoittava ("SnNout": herkkä testi, kun negatiivinen, sulkee pois). Ajattele seulontatestiä, kuten D-dimeeriä keuhkoembolian varalta: se on suunniteltu herkäksi, jotta muutama tapaus jää huomiotta.
Spesifisyys on myös testin ominaisuus, mitattuna ihmisistä joilla ei ole sairautta. Erittäin spesifinen testi ilmoittaa harvoin vääriä positiivisia tuloksia – positiivinen tulos on merkityksellinen ("SpPin": erityinen testi, kun positiivinen, hallitsee In). Vahvistava testi, kuten kupan VDRL, on suunniteltu spesifiseksi.
Positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV) riippuvat esiintyvyydestä. Tätä konseptia testataan useimmiten kliinisessä vinjetissä: samalla testillä on alhaisempi PPV matalan esiintyvyyden väestössä kuin korkean riskin klinikalla. Jos kysymys kertoo, että testin herkkyys on 95 % ja spesifisyys 95 %, mutta sitä käytetään populaatiossa, jossa tauti on vain yhdellä ihmisellä 1000:sta, PPV on silti alhainen. Työskentele tämä logiikka kerran todellisten lukujen kanssa ja se pysyy kanssasi.
Absoluuttinen riski, suhteellinen riski ja NNT
Todisteisiin perustuvat lääketieteelliset kysymykset PLAB 1:ssä keskittyvät melkein aina eroon suhteellisen ja absoluuttisen riskin vähentämisen välillä, koska tällä erolla on valtava merkitys kliinisessä käytännössä ja lääkekokeiden arvioinnissa.
- Absoluuttinen riskin vähennys (ARR) = riski kontrolliryhmässä − riski hoitoryhmässä.
- Suhteellinen riskin pieneneminen (RRR) = ARR ÷ riski kontrolliryhmässä prosentteina ilmaistuna.
- Hoidossa tarvittava luku (NNT) = 1 ÷ ARR (jossa ARR ilmaistaan desimaaleina).
- Haittoon tarvittava luku (NNH) käyttää samaa kaavaa, mutta sitä sovelletaan haittatapahtumiin.
Toimiva esimerkki: jos lääke vähentää aivohalvauksen riskiä 4 %:sta 2 %:iin, ARR on 2 % (0,02), joten NNT on 1 ÷ 0,02 = 50. RRR on 50 % – sama data, mutta luku, joka kuulostaa paljon vaikuttavammalta. Lääkemainoksissa on tapana lainata RRR:tä; PLAB 1:n arviointikysymykset odottavat sinun laskevan NNT:tä. Pienempi NNT on parempi (sinun on hoidettava vähemmän potilaita, jotta yksi hyötyy).
P-arvot ja luottamusvälit ilman matematiikan tutkintoa
Sinun ei tarvitse laskea p-arvoa PLAB 1:ssä. Sinun on tulkittava se oikein.
P-arvo, joka on alle tavanomaisen kynnyksen 0,05, tarkoittaa, että tulos on tilastollisesti merkitsevä eli se ei todennäköisesti ole tapahtunut pelkästään sattumalta, jos nollahypoteesi pitää paikkansa. Se ei tarkoita, että vaikutus on kliinisesti tärkeä, suuri tai kausaalinen. Massiivinen koe voi palauttaa p = 0,001 vaikutukselle, joka on liian pieni ollakseen merkityksellinen käytännössä.Luottamusväli (CI) kertoo alueen, jolla todellinen arvo todennäköisesti sijaitsee. Suhteelle (suhteellinen riski, todennäköisyyssuhde, vaarasuhde) 95 %:n luottamusväli, joka ylittää arvon 1,0, tarkoittaa, että tulos ei ole tilastollisesti merkitsevä – vaikutus voi olla nolla. Absoluuttiselle arvolle (kuten keskimääräiselle erolle) nollan ylittävällä CI:llä on sama merkitys. Kysymyksessä pyydetään yleensä tunnistamaan, onko tulos merkittävä, tai valitsemaan tutkimus, jonka CI viittaa todelliseen vaikutukseen.
Tutkimuksen suunnittelu: Tietäen, mikä tutkimus vastaa mihinkin kysymykseen
PLAB 1 pyytää sinua toisinaan valitsemaan sopivimman tutkimussuunnitelman tiettyyn kliiniseen kysymykseen. Lyhyt viiteluettelo:
- Satunnaistettu kontrolloitu tutkimus (RCT) – paras hoidon tehokkuuden kannalta; vähentää hämmennystä.
- Kohorttitutkimus — paras riskitekijöiden prospektiiviseen tutkimiseen; antaa suhteellisen riskin.
- Tapauskontrollitutkimus – tehokas harvinaisissa sairauksissa; antaa kerroinsuhteen, ei suhteellista riskiä.
- Poikkileikkaustutkimus — esiintyvyys tiettynä ajankohtana; ei pysty osoittamaan syy-yhteyttä.
- Systemaattinen katsaus / meta-analyysi — korkein todiste kliinisen päätöksenteon kannalta, kun se on hyvin suoritettu.
Jos kysymys kysyy parhaista todisteista uuden lääkkeen tehokkuudesta, vastaus on lähes aina RCT tai systemaattinen RCT-katsaus. Jos se kysyy harvinaisesta syövästä ja sen mahdollisesta työperäisestä altistumisesta, tapauskontrollitutkimus on yleensä oikea.
Kuinka porata näitä käsitteitä ennen koepäivää
Teorian ymmärtäminen on puoli työtä; sen soveltaminen ajoitetuissa olosuhteissa on toinen puoli. Nämä aiheet palkitsevat aktiivisen harjoittelun passiivisen uudelleenlukemisen sijaan. Yhden parhaan vastauksen kysymysten käsitteleminen, jotka esittävät 2 × 2 -taulukon ja pyytävät sinua laskemaan herkkyyden tai jotka antavat sinulle koetietoja ja kysyvät NNT:tä, rakentaa kokeen vaatiman muodontunnistuksen. Ant PLAB -kysymyspankki sisältää erillisen todiste- ja tilastoklusterin, jossa on toimivia selityksiä, jotta näet tarkalleen, missä logiikka menee pieleen, kun valitset väärän vaihtoehdon – ja suorituskyvyn analytiikka ilmoittaa, jos tämä suunnitelmaalue maksaa jatkuvasti pisteitä.
PLAB 1:n tilastoklusteri on pieni. Koko istunnon aikana se voi vastata vain kourallinen kysymyksiä. Mutta nämä ovat kysymyksiä, joihin on selkeästi oikeat vastaukset ja joita rajoittavat rajalliset käsitteet, ja monet ehdokkaat antautuvat ilman taistelua. Olet tehnyt liian paljon työtä tähän kokeeseen jättääksesi pisteet pöytään kaavasta, jonka voit oppia iltapäivällä.
UKK
Mitä eroa herkkyydellä ja spesifisyydellä on yksinkertaisesti sanottuna? Herkkyys mittaa, kuinka hyvin testi havaitsee ihmiset, joilla on * sairaus (todellinen positiivinen prosenttiosuus), kun taas spesifisyys mittaa, kuinka hyvin se tunnistaa ihmiset, joilla ei ole sitä (tosi negatiivinen osuus). Erittäin herkkä testi on hyvä diagnoosin poissulkemiseen; erittäin spesifinen testi on hyvä ratkaisemaan se.
Miten lasken NNT:n kliinisen tutkimuksen tuloksesta PLAB 1:ssä? Vähennä hoitoryhmän tapahtumatiheys kontrolliryhmän tapahtumatiheydestä saadaksesi absoluuttisen riskin vähennyksen (ARR). NNT = 1 ÷ ARR (ARR desimaalina). Esimerkiksi ARR 5 % (0,05) antaa NNT:ksi 20.
Tarkoittaako p-arvo alle 0,05, että hoito on kliinisesti hyödyllinen? Ei välttämättä. Tilastollinen merkitsevyys (p < 0,05) tarkoittaa, että tulos ei todennäköisesti johdu sattumasta, mutta se ei kerro mitään vaikutuksen koosta tai kliinisestä merkityksestä. Erittäin suuri tutkimus voi havaita tilastollisesti merkitsevän eron, joka on liian pieni hyödyttääkseen yksittäistä potilasta.