મોટા ભાગના IMG તેમના કાર્ડિયોલોજી અને તેમની ફાર્માકોલોજી કોલ્ડ જાણે છે. પછી સંવેદનશીલતા અને વિશિષ્ટતા વિશે એક પ્રશ્ન દેખાય છે, અને ગુણ શાંતિથી અદૃશ્ય થઈ જાય છે. તે નિરાશાજનક છે, કારણ કે આ પ્રશ્નો અનુમાનિત પેટર્નને અનુસરે છે — અને એકવાર તમે તર્ક સમજો છો, તે તમને વિશ્વાસપૂર્વક પુરસ્કાર આપે છે.
શા માટે આંકડાકીય પ્રશ્નો તેમના કરતા વધુ મુશ્કેલ લાગે છે
પ્રામાણિક જવાબ એ છે કે તબીબી આંકડા વર્ષોની ક્લિનિકલ તાલીમ પછી અમૂર્ત લાગે છે જ્યાં તમે પરીક્ષણનો આદેશ આપ્યો, પરિણામ વાંચો અને નિર્ણય લીધો. કોઈએ તમને મધ્ય-વોર્ડ રાઉન્ડમાં સંભાવના ગુણોત્તરની પુનઃગણતરી કરવાનું કહ્યું નથી.
પરંતુ PLAB 1 એ પરીક્ષણ કરતું નથી કે તમે ક્લિનિકલ ટ્રાયલ ચલાવી શકો છો કે નહીં. તે પરીક્ષણ કરી રહ્યું છે કે શું તમે સંશોધનને વિવેચનાત્મક રીતે વાંચી શકો છો અને પુરાવા લાગુ કરી શકો છો - ગુડ મેડિકલ પ્રેક્ટિસના સિદ્ધાંતો હેઠળ જીએમસીની મુખ્ય અપેક્ષા. તેથી પ્રશ્નો સંકુચિત અને પુનરાવર્તિત છે. વિભાવનાઓનું એક નાનું ક્લસ્ટર પરીક્ષામાં લગભગ તમામ આંકડાઓ અને પુરાવા-આધારિત દવાના ગુણ માટે જવાબદાર છે: સંવેદનશીલતા અને વિશિષ્ટતા, સકારાત્મક અને નકારાત્મક આગાહી મૂલ્યો, સારવાર માટે જરૂરી સંખ્યા (NNT), નુકસાન માટે જરૂરી સંખ્યા (NNH), સંપૂર્ણ અને સંબંધિત જોખમ ઘટાડો, આત્મવિશ્વાસ અંતરાલો અને p-મૂલ્યો. તે આઠ વિચારોમાં નિપુણતા મેળવો અને તમે પ્રદેશને આવરી લીધો છે.
સંવેદનશીલતા અને વિશિષ્ટતા: શબ્દો બરાબર યોગ્ય રીતે મેળવો
આ બે શબ્દો લોકોને ટ્રીપ કરે છે કારણ કે જ્યાં સુધી તમે તેમને યોગ્ય રીતે એન્કર ન કરો ત્યાં સુધી તેઓ એકબીજાને બદલી શકાય તેવું લાગે છે.
સંવેદનશીલતા એ પરીક્ષણની જ મિલકત છે, જે લોકો જેમને રોગ છે માં માપવામાં આવે છે. અત્યંત સંવેદનશીલ પરીક્ષણ ભાગ્યે જ સાચા કેસોને ચૂકી જાય છે — નકારાત્મક પરિણામ આશ્વાસન આપતું હોય છે ("SnNout": એક સંવેદનશીલ પરીક્ષણ, જ્યારે નકારાત્મક હોય, ત્યારે નિયમો બહાર આવે છે). પલ્મોનરી એમબોલિઝમ માટે ડી-ડીમર જેવા સ્ક્રીનીંગ ટેસ્ટ વિશે વિચારો: તે સંવેદનશીલ હોવા માટે રચાયેલ છે જેથી થોડા કેસ ચૂકી જાય.
વિશિષ્ટતા એ પણ પરીક્ષણની મિલકત છે, જે લોકો જેમને રોગ નથી માં માપવામાં આવે છે. અત્યંત વિશિષ્ટ પરીક્ષણ ભાગ્યે જ ખોટા હકારાત્મકને ધ્વજાંકિત કરે છે — સકારાત્મક પરિણામ અર્થપૂર્ણ છે ("સ્પિન": ચોક્કસ પરીક્ષણ, જ્યારે સકારાત્મક, નિયમોમાં). સિફિલિસ માટે VDRL જેવી પુષ્ટિત્મક કસોટી ચોક્કસ માટે રચાયેલ છે.
સકારાત્મક આગાહી મૂલ્ય (PPV) અને નકારાત્મક અનુમાન મૂલ્ય (NPV) પ્રચલિતતા પર આધાર રાખે છે. ક્લિનિકલ વિગ્નેટમાં મોટેભાગે આ ખ્યાલ ચકાસવામાં આવે છે: સમાન પરીક્ષણમાં ઉચ્ચ જોખમ ધરાવતા ક્લિનિકની તુલનામાં ઓછી પ્રચલિત વસ્તીમાં ઓછી PPV હોય છે. જો કોઈ પ્રશ્ન તમને કહે કે પરીક્ષણમાં 95% સંવેદનશીલતા અને 95% વિશિષ્ટતા છે પરંતુ તેનો ઉપયોગ એવી વસ્તીમાં થાય છે જ્યાં 1,000 માંથી માત્ર 1 વ્યક્તિને આ રોગ છે, તો પણ PPV ઓછું હશે. વાસ્તવિક સંખ્યાઓ સાથે એકવાર તે તર્ક દ્વારા કાર્ય કરો અને તે તમારી સાથે રહેશે.
સંપૂર્ણ જોખમ, સંબંધિત જોખમ અને NNT
PLAB 1 માં પુરાવા-આધારિત દવાઓના પ્રશ્નો લગભગ હંમેશા સંબંધિત અને સંપૂર્ણ જોખમ ઘટાડા વચ્ચેના તફાવત પર ધ્યાન કેન્દ્રિત કરે છે, કારણ કે તે તફાવત ક્લિનિકલ પ્રેક્ટિસમાં અને ડ્રગ ટ્રાયલ્સનું મૂલ્યાંકન કરવામાં ખૂબ મહત્વ ધરાવે છે.
- સંપૂર્ણ જોખમ ઘટાડો (ARR) = નિયંત્રણ જૂથમાં જોખમ - સારવાર જૂથમાં જોખમ.
- સાપેક્ષ જોખમ ઘટાડો (RRR) = ARR ÷ નિયંત્રણ જૂથમાં જોખમ, ટકાવારી તરીકે વ્યક્ત.
- સારવાર માટે જરૂરી સંખ્યા (NNT) = 1 ÷ ARR (જ્યાં ARR દશાંશ તરીકે દર્શાવવામાં આવે છે).
- હાનિ માટે જરૂરી સંખ્યા (NNH) સમાન ફોર્મ્યુલાનો ઉપયોગ કરે છે પરંતુ પ્રતિકૂળ ઘટનાઓ પર લાગુ થાય છે.
કાર્યકારી ઉદાહરણ: જો કોઈ દવા સ્ટ્રોકનું જોખમ 4% થી 2% સુધી ઘટાડે છે, તો ARR 2% (0.02) છે, તેથી NNT 1 ÷ 0.02 = 50 છે. RRR 50% છે — સમાન ડેટા, પરંતુ એક આંકડો જે વધુ પ્રભાવશાળી લાગે છે. દવાની જાહેરાતો RRR ને ટાંકવાનું વલણ ધરાવે છે; PLAB 1 માં મૂલ્યાંકન પ્રશ્નો તમારી પાસેથી NNT ની ગણતરી કરવાની અપેક્ષા રાખે છે. ઓછી એનએનટી વધુ સારી છે (એકના લાભ માટે તમારે ઓછા દર્દીઓની સારવાર કરવાની જરૂર છે).
ગણિતની ડિગ્રી વિના P-મૂલ્યો અને આત્મવિશ્વાસના અંતરાલ
તમારે PLAB 1 માં p-મૂલ્યની ગણતરી કરવાની જરૂર નથી. તમારે એકનું યોગ્ય અર્થઘટન કરવાની જરૂર છે.
0.05 ની પરંપરાગત થ્રેશોલ્ડની નીચેનું p-મૂલ્ય એટલે પરિણામ આંકડાકીય રીતે નોંધપાત્ર છે — એટલે કે, નલ પૂર્વધારણા સાચી હતી એમ ધારીને, એકલા સંજોગ દ્વારા આવી હોવાની શક્યતા નથી. તેનો અર્થ એ નથી કે અસર તબીબી રીતે મહત્વપૂર્ણ, મોટી અથવા કારણભૂત છે. એક વિશાળ અજમાયશ એ અસર માટે p = 0.001 પરત કરી શકે છે જે વ્યવહારમાં મહત્વ માટે ખૂબ નાની છે.આત્મવિશ્વાસ અંતરાલ (CI) તમને તે શ્રેણી જણાવે છે કે જેની અંદર સાચું મૂલ્ય કદાચ રહેલું છે. ગુણોત્તર માટે (સાપેક્ષ જોખમ, મતભેદ ગુણોત્તર, જોખમ ગુણોત્તર), 95% CI જે 1.0 ને પાર કરે છે તેનો અર્થ એ છે કે પરિણામ આંકડાકીય રીતે નોંધપાત્ર નથી — અસર શૂન્ય હોઈ શકે છે. સંપૂર્ણ મૂલ્ય માટે (જેમ કે સરેરાશ તફાવત), CI ક્રોસિંગ શૂન્યનો સમાન અર્થ છે. પ્રશ્ન સામાન્ય રીતે તમને પરિણામ નોંધપાત્ર છે કે કેમ તે ઓળખવા અથવા અભ્યાસ પસંદ કરવા માટે પૂછશે જેની CI સાચી અસર સૂચવે છે.
અભ્યાસ ડિઝાઇન: કયો અભ્યાસ કયા પ્રશ્નના જવાબ આપે છે તે જાણવું
PLAB 1 પ્રસંગોપાત તમને આપેલ ક્લિનિકલ પ્રશ્ન માટે સૌથી યોગ્ય અભ્યાસ ડિઝાઇન પસંદ કરવાનું કહે છે. ટૂંકી સંદર્ભ સૂચિ:
- રેન્ડમાઇઝ્ડ કન્ટ્રોલ્ડ ટ્રાયલ (RCT) — સારવારની અસરકારકતા માટે શ્રેષ્ઠ; મૂંઝવણ ઘટાડે છે.
- સમૂહનો અભ્યાસ — જોખમી પરિબળોને સંભવિત રીતે તપાસવા માટે શ્રેષ્ઠ; સંબંધિત જોખમ આપે છે.
- કેસ-નિયંત્રણ અભ્યાસ — દુર્લભ રોગો માટે કાર્યક્ષમ; ઓડ્સ રેશિયો આપે છે, સંબંધિત જોખમ નહીં.
- ક્રોસ-વિભાગીય અભ્યાસ — એક સમયે એક સમયે વ્યાપ; કારણ સ્થાપિત કરી શકતા નથી.
- વ્યવસ્થિત સમીક્ષા / મેટા-વિશ્લેષણ — ક્લિનિકલ નિર્ણય લેવા માટેના ઉચ્ચતમ સ્તરના પુરાવા, જ્યારે સારી રીતે હાથ ધરવામાં આવે છે.
જો કોઈ પ્રશ્ન નવી દવાની અસરકારકતા માટે શ્રેષ્ઠ પુરાવા વિશે પૂછે છે, તો જવાબ લગભગ હંમેશા RCT અથવા RCT ની પદ્ધતિસરની સમીક્ષા છે. જો તે દુર્લભ કેન્સર અને તેના સંભવિત વ્યવસાયિક સંપર્ક વિશે પૂછે છે, તો કેસ-નિયંત્રણ અભ્યાસ સામાન્ય રીતે સાચો હોય છે.
પરીક્ષાના દિવસ પહેલા આ ખ્યાલોને કેવી રીતે ડ્રિલ કરવું
સિદ્ધાંતને સમજવું એ અડધું કામ છે; સમયસર શરતો હેઠળ તેને લાગુ કરવું એ બીજો અડધો ભાગ છે. આ વિષયો નિષ્ક્રિય પુનઃ વાંચન પર સક્રિય અભ્યાસને પુરસ્કાર આપે છે. એકલ-શ્રેષ્ઠ-ઉત્તર પ્રશ્નો દ્વારા કામ કરવું જે 2×2 ટેબલ પ્રસ્તુત કરે છે અને તમને સંવેદનશીલતાની ગણતરી કરવા કહે છે, અથવા જે તમને ટ્રાયલ ડેટા આપે છે અને NNT માટે પૂછે છે, પરીક્ષા માટે જરૂરી પેટર્નની ઓળખ બનાવે છે. Ant PLAB પ્રશ્ન બેંકમાં કામ કરેલા સ્પષ્ટીકરણો સાથે સમર્પિત પુરાવા અને આંકડાકીય ક્લસ્ટરનો સમાવેશ થાય છે જેથી તમે ખોટો વિકલ્પ પસંદ કરો ત્યારે તર્ક ક્યાં ખોટો પડે છે તે તમે બરાબર જોઈ શકો — અને જો આ બ્લુપ્રિન્ટ ક્ષેત્ર સતત તમારા માર્કસ ખર્ચે છે તો પરફોર્મન્સ એનાલિટિક્સ ફ્લેગ કરશે.
PLAB 1 માં આંકડાનું ક્લસ્ટર નાનું છે. સંપૂર્ણ બેઠકમાં તે માત્ર થોડા પ્રશ્નો માટે જવાબદાર હોઈ શકે છે. પરંતુ તે સ્પષ્ટપણે સાચા જવાબો સાથેના પ્રશ્નો છે, જે મર્યાદિત વિભાવનાઓ દ્વારા બંધાયેલા છે, જે ઘણા ઉમેદવારો લડ્યા વિના શરણાગતિ સ્વીકારે છે. તમે એક બપોરે શીખી શકો તેવા ફોર્મ્યુલા પર ટેબલ પર માર્ક્સ છોડવા માટે તમે આ પરીક્ષામાં ઘણું કામ કર્યું છે.
FAQ
સાદા શબ્દોમાં સંવેદનશીલતા અને વિશિષ્ટતા વચ્ચે શું તફાવત છે? સંવેદનશીલતા માપે છે કે પરીક્ષણ એવા લોકોને કેટલી સારી રીતે ઓળખે છે જેમને રોગ છે (સાચો સકારાત્મક દર), જ્યારે વિશિષ્ટતા માપે છે કે તે એવા લોકોને કેટલી સારી રીતે ઓળખે છે જેમને તે નથી છે (સાચો નકારાત્મક દર). નિદાનને નકારી કાઢવા માટે અત્યંત સંવેદનશીલ પરીક્ષણ સારું છે; તેમાં શાસન કરવા માટે અત્યંત વિશિષ્ટ કસોટી સારી છે.
હું PLAB 1 માં ક્લિનિકલ ટ્રાયલના પરિણામમાંથી NNT ની ગણતરી કેવી રીતે કરી શકું? સંપૂર્ણ જોખમ ઘટાડો (ARR) મેળવવા માટે નિયંત્રણ જૂથમાં ઘટના દરમાંથી સારવાર જૂથમાં ઘટના દરને બાદ કરો. NNT = 1 ÷ ARR (દશાંશ તરીકે ARR સાથે). ઉદાહરણ તરીકે, 5% (0.05) નો ARR 20 નો NNT આપે છે.
શું પી-વેલ્યુ 0.05 થી નીચેનો અર્થ એ છે કે સારવાર તબીબી રીતે ઉપયોગી છે? જરૂરી નથી. આંકડાકીય મહત્વ (p <0.05) નો અર્થ છે કે પરિણામ તકને કારણે આવવાની શક્યતા નથી, પરંતુ તે અસરના કદ અથવા તબીબી મહત્વ વિશે કશું કહેતું નથી. ખૂબ જ મોટો અભ્યાસ આંકડાકીય રીતે નોંધપાત્ર તફાવત શોધી શકે છે જે કોઈપણ વ્યક્તિગત દર્દીને લાભ આપવા માટે ખૂબ નાનો છે.