רוב ה-IMGs מכירים את הקרדיולוגיה שלהם ואת הקור הפרמקולוגי שלהם. ואז מופיעה שאלה לגבי רגישות וספציפיות, והסימנים נעלמים בשקט. זה מתסכל, כי השאלות האלה עוקבות אחר דפוסים צפויים - וברגע שאתה מבין את ההיגיון, הן מתגמלות אותך בצורה מהימנה.
מדוע שאלות סטטיסטיקה מרגישות קשות יותר ממה שהן
התשובה הכנה היא שהסטטיסטיקה הרפואית מרגישה מופשטת לאחר שנים של הכשרה קלינית שבה הזמנת את הבדיקה, קראת את התוצאה וקיבלת החלטה. אף אחד לא ביקש ממך לחשב מחדש יחס סבירות באמצע הסיבוב.
אבל PLAB 1 לא בודק אם אתה יכול להפעיל ניסוי קליני. זה בוחן אם אתה יכול לקרוא מחקר בצורה ביקורתית וליישם ראיות - ציפייה מרכזית של GMC תחת העקרונות של נוהג רפואי טוב. לכן השאלות צרות וניתנות לחזור עליהן. מקבץ מושגים קטן אחראי כמעט לכל הנתונים הסטטיסטיים וציוני הרפואה המבוססים על ראיות בבחינה: רגישות וסגוליות, ערכי ניבוי חיוביים ושליליים, מספר הדרוש לטיפול (NNT), המספר הדרוש להזיק (NNH), הפחתת סיכון מוחלטת ויחסית, רווחי סמך וערכי p. שלטו בשמונה הרעיונות האלה וכיסתם את השטח.
רגישות וספציפיות: קבל את המילים בדיוק כמו שצריך
שני המונחים האלה מעיפים אנשים כי הם נשמעים ניתנים להחלפה עד שאתה מעגן אותם כמו שצריך.
רגישות היא תכונה של הבדיקה עצמה, הנמדדת באנשים שסובלים מהמחלה. מבחן רגיש במיוחד מפספס לעתים רחוקות מקרים אמיתיים - תוצאה שלילית מרגיעה ("SnNout": בדיקה רגישה, כאשר היא שלילית, פוסלת). חשבו על בדיקת סקר כגון D-dimer לתסחיף ריאתי: היא נועדה להיות רגישה כך שמעט מקרים מוחמצים.
הספציפיות היא גם תכונה של הבדיקה, הנמדדת באנשים שאינם סובלים מהמחלה. בדיקה מאוד ספציפית לעתים נדירות מסמנת תוצאות חיוביות כוזבות - תוצאה חיובית היא בעלת משמעות ("SpPin": בדיקה ספציפית, כאשר היא חיובית, שולטת). בדיקת אישור כגון VDRL לעגבת נועדה להיות ספציפית.
ערך ניבוי חיובי (PPV) וערך ניבוי שלילי (NPV) תלויים בשכיחות. זהו הקונספט הנבדק לרוב בווינטה קלינית: לאותה בדיקה יש PPV נמוך יותר באוכלוסיה בעלת שכיחות נמוכה מאשר במרפאה בסיכון גבוה. אם שאלה אומרת לך שלבדיקה יש רגישות של 95% וספציפיות של 95% אבל היא משמשת באוכלוסייה שבה רק 1 מכל 1,000 אנשים חולים במחלה, ה-PPV עדיין יהיה נמוך. עבדו על ההיגיון הזה פעם אחת עם מספרים אמיתיים וזה יישאר אתכם.
סיכון מוחלט, סיכון יחסי ו-NNT
שאלות רפואה מבוססות-ראיות ב-PLAB 1 מתמקדות כמעט תמיד בהבדל בין הפחתת סיכון יחסית ומוחלטת, מכיוון שההבדל הזה חשוב מאוד בפרקטיקה הקלינית ובהערכת ניסויי תרופות.
- הפחתת סיכון אבסולוטית (ARR) = סיכון בקבוצת ביקורת - סיכון בקבוצת טיפול.
- הפחתת סיכון יחסי (RRR) = ARR ÷ סיכון בקבוצת ביקורת, מבוטא באחוזים.
- מספר הדרוש לטיפול (NNT) = 1 ÷ ARR (כאשר ARR מבוטא כעשרוני).
- מספר הדרוש כדי להזיק (NNH) משתמש באותה נוסחה אך חלה על תופעות לוואי.
דוגמה עובדת: אם תרופה מפחיתה את הסיכון לשבץ מ-4% ל-2%, ה-ARR הוא 2% (0.02), כך שה-NNT הוא 1 ÷ 0.02 = 50. ה-RRR הוא 50% - אותם נתונים, אבל נתון שנשמע הרבה יותר מרשים. פרסומות סמים נוטות לצטט RRR; שאלות הערכה ב-PLAB 1 מצפות ממך לחשב NNT. עדיף NNT נמוך יותר (עליך לטפל בפחות חולים כדי שאחד מהם ירוויח).
ערכי P ורווחי סמך ללא התואר במתמטיקה
אתה לא צריך לחשב ערך p ב-PLAB 1. אתה צריך לפרש אחד נכון.
ערך p מתחת לסף המקובל של 0.05 אומר שהתוצאה היא מובהקת סטטיסטית - כלומר, לא סביר שהתרחשה במקרה בלבד, בהנחה שהשערת האפס הייתה נכונה. זה לא אומר שההשפעה חשובה מבחינה קלינית, גדולה או סיבתית. ניסוי מאסיבי יכול להחזיר p = 0.001 להשפעה קטנה מכדי להשפיע בפועל.מרווח סמך (CI) אומר לך את הטווח שבו כנראה נמצא הערך האמיתי. עבור יחס (סיכון יחסי, יחס סיכויים, יחס סיכונים), CI של 95% שחוצה 1.0 אומר שהתוצאה אינה מובהקת סטטיסטית - ההשפעה יכולה להיות אפס. עבור ערך מוחלט (כמו הבדל ממוצע), ל-CI שחוצה אפס יש אותה משמעות. השאלה תבקש ממך בדרך כלל לזהות אם תוצאה משמעותית, או לבחור את המחקר שה-CI שלו מצביע על השפעה אמיתית.
עיצוב מחקר: לדעת איזה מחקר עונה לאיזו שאלה
PLAB 1 מבקש ממך מדי פעם לבחור את עיצוב המחקר המתאים ביותר עבור שאלה קלינית נתונה. רשימת הפניות הקצרה:
- ניסוי מבוקר אקראי (RCT) - הטוב ביותר ליעילות הטיפול; מפחית בלבול.
- מחקר עוקבה - הטוב ביותר לבחינת גורמי סיכון באופן פרוספקטיבי; נותן סיכון יחסי.
- מחקר מקרה-ביקורת - יעיל למחלות נדירות; נותן יחס סיכויים, לא סיכון יחסי.
- מחקר חוצה-חתך - שכיחות בנקודת זמן מסוימת; לא יכול לקבוע קשר סיבתי.
- סקירה שיטתית / מטה-אנליזה - הרמה הגבוהה ביותר של ראיות לקבלת החלטות קליניות, כאשר היא נערכת היטב.
אם שאלה שואלת לגבי ההוכחות הטובות ביותר ליעילות של תרופה חדשה, התשובה היא כמעט תמיד RCT או סקירה שיטתית של RCTs. אם הוא שואל על סרטן נדיר ועל החשיפה התעסוקתית הפוטנציאלית שלו, מחקר מקרה-ביקורת הוא בדרך כלל נכון.
איך לקדוח את המושגים האלה לפני יום הבחינות
הבנת התיאוריה היא חצי עבודה; יישום זה בתנאים מתוזמנים הוא החצי השני. נושאים אלו מתגמלים תרגול אקטיבי על פני קריאה חוזרת פסיבית. עבודה על שאלות עם התשובה הטובה ביותר המציגות טבלה של 2×2 ומבקשות ממך לחשב רגישות, או שנותנות לך נתוני ניסוי ומבקשים NNT, בונה את זיהוי הדפוסים שהבחינה דורשת. בנק השאלות של Ant PLAB כולל אשכול הוכחות וסטטיסטיקות ייעודי עם הסברים עובדים, כך שתוכל לראות בדיוק היכן ההיגיון משתבש כשאתה בוחר באפשרות השגויה - וניתוח הביצועים יסמן אם אזור המתווה הזה עולה לך באופן עקבי ציונים.
אשכול הסטטיסטיקה ב-PLAB 1 קטן. על פני ישיבה מלאה זה עשוי להוות רק קומץ שאלות. אבל אלו הן שאלות עם תשובות נכונות בבירור, תחום על ידי סט מוגבל של מושגים, שמועמדים רבים נכנעים ללא קרב. השקעת יותר מדי עבודה בבחינה הזו כדי להשאיר סימנים על הטבלה על נוסחה שתוכל ללמוד אחר הצהריים.
שאלות נפוצות
מה ההבדל בין רגישות לספציפיות במילים פשוטות? רגישות מודדת עד כמה בדיקה מזהה אנשים שסובלים ממחלה (שיעור חיובי אמיתי), בעוד שספציפיות מודדת עד כמה היא מזהה אנשים שאין להם אותה (שיעור שלילי אמיתי). בדיקה רגישה ביותר טובה לשלילת אבחנה; בדיקה מאוד ספציפית טובה להכרעה בה.
כיצד אוכל לחשב NNT מתוך תוצאת ניסוי קליני ב-PLAB 1? הורידו את שיעור האירועים בקבוצת הטיפול משיעור האירועים בקבוצת הביקורת כדי לקבל את הפחתת הסיכון המוחלטת (ARR). NNT = 1 ÷ ARR (עם ARR כעשרוני). לדוגמה, ARR של 5% (0.05) נותן NNT של 20.
האם ערך p מתחת ל-0.05 אומר שטיפול מועיל מבחינה קלינית? לא בהכרח. מובהקות סטטיסטית (p < 0.05) פירושה שהתוצאה לא נובעת מקריות, אך היא לא אומרת דבר על גודלה או החשיבות הקלינית של ההשפעה. מחקר גדול מאוד יכול לזהות הבדל מובהק סטטיסטית שהוא קטן מכדי להועיל לכל מטופל בודד.