अधिकांश आईएमजी अपने कार्डियोलॉजी और फार्माकोलॉजी को जानते हैं। फिर संवेदनशीलता और विशिष्टता के बारे में एक प्रश्न उठता है, और निशान चुपचाप गायब हो जाते हैं। यह निराशाजनक है, क्योंकि ये प्रश्न पूर्वानुमानित पैटर्न का पालन करते हैं - और एक बार जब आप तर्क समझ जाते हैं, तो वे आपको विश्वसनीय रूप से पुरस्कृत करते हैं।
सांख्यिकी के प्रश्न उनसे अधिक कठिन क्यों लगते हैं
ईमानदार उत्तर यह है कि वर्षों के नैदानिक प्रशिक्षण के बाद जहां आपने परीक्षण का आदेश दिया, परिणाम पढ़ा, और निर्णय लिया, चिकित्सा आँकड़े अमूर्त लगते हैं। किसी ने आपसे मध्य-वार्ड दौर में संभावना अनुपात की पुनर्गणना करने के लिए नहीं कहा।
लेकिन PLAB 1 यह परीक्षण नहीं कर रहा है कि आप नैदानिक परीक्षण चला सकते हैं या नहीं। यह परीक्षण कर रहा है कि क्या आप शोध को आलोचनात्मक रूप से पढ़ सकते हैं और साक्ष्य लागू कर सकते हैं - गुड मेडिकल प्रैक्टिस के सिद्धांतों के तहत एक प्रमुख जीएमसी अपेक्षा। इसलिए प्रश्न संकीर्ण और दोहराए जाने योग्य हैं। अवधारणाओं का एक छोटा समूह परीक्षा में लगभग सभी आंकड़ों और साक्ष्य-आधारित चिकित्सा अंकों के लिए जिम्मेदार है: संवेदनशीलता और विशिष्टता, सकारात्मक और नकारात्मक पूर्वानुमानित मूल्य, इलाज के लिए आवश्यक संख्या (एनएनटी), नुकसान पहुंचाने के लिए आवश्यक संख्या (एनएनएच), पूर्ण और सापेक्ष जोखिम में कमी, आत्मविश्वास अंतराल और पी-मूल्य। उन आठ विचारों में महारत हासिल करें और आपने क्षेत्र को कवर कर लिया है।
संवेदनशीलता और विशिष्टता: शब्द बिल्कुल सही लिखें
ये दो शब्द लोगों को परेशान करते हैं क्योंकि जब तक आप उन्हें ठीक से स्थापित नहीं करते तब तक वे परस्पर विनिमय योग्य लगते हैं।
संवेदनशीलता परीक्षण का ही एक गुण है, जिसे उन लोगों में मापा जाता है जिन्हें यह बीमारी है। एक अत्यधिक संवेदनशील परीक्षण शायद ही कभी सच्चे मामलों को छोड़ देता है - एक नकारात्मक परिणाम आश्वस्त होता है ("स्ननॉट": एक संवेदनशील परीक्षण, जब नकारात्मक, नियम बाहर)। फुफ्फुसीय अन्त: शल्यता के लिए डी-डिमर जैसे स्क्रीनिंग टेस्ट के बारे में सोचें: इसे संवेदनशील बनाने के लिए डिज़ाइन किया गया है ताकि कुछ मामले छूट जाएं।
विशिष्टता भी परीक्षण का एक गुण है, जिसे उन लोगों में मापा जाता है जिन्हें यह बीमारी नहीं है। एक अत्यधिक विशिष्ट परीक्षण शायद ही कभी झूठी सकारात्मकता को चिह्नित करता है - एक सकारात्मक परिणाम सार्थक होता है ("स्पिन": एक विशिष्ट परीक्षण, जब सकारात्मक, नियम में)। सिफलिस के लिए वीडीआरएल जैसे पुष्टिकरण परीक्षण को विशिष्ट बनाने के लिए डिज़ाइन किया गया है।
सकारात्मक पूर्वानुमानित मूल्य (पीपीवी) और नकारात्मक पूर्वानुमानित मूल्य (एनपीवी) व्यापकता पर निर्भर करते हैं। यह वह अवधारणा है जिसे क्लिनिकल विग्नेट में सबसे अधिक बार परीक्षण किया जाता है: एक ही परीक्षण में उच्च जोखिम वाले क्लिनिक की तुलना में कम-प्रसार वाली आबादी में कम पीपीवी होता है। यदि कोई प्रश्न आपको बताता है कि परीक्षण में 95% संवेदनशीलता और 95% विशिष्टता है, लेकिन इसका उपयोग ऐसी आबादी में किया जाता है जहां 1,000 लोगों में से केवल 1 को यह बीमारी है, तो पीपीवी अभी भी कम होगा। वास्तविक संख्याओं के साथ एक बार उस तर्क पर काम करें और यह आपके साथ रहेगा।
पूर्ण जोखिम, सापेक्ष जोखिम और एनएनटी
PLAB 1 में साक्ष्य-आधारित चिकित्सा प्रश्न लगभग हमेशा सापेक्ष और पूर्ण जोखिम में कमी के बीच अंतर पर केंद्रित होते हैं, क्योंकि नैदानिक अभ्यास और दवा परीक्षणों के मूल्यांकन में यह अंतर बहुत मायने रखता है।
- पूर्ण जोखिम में कमी (एआरआर) = नियंत्रण समूह में जोखिम - उपचार समूह में जोखिम।
- सापेक्ष जोखिम में कमी (आरआरआर) = एआरआर ÷ नियंत्रण समूह में जोखिम, प्रतिशत के रूप में व्यक्त किया गया।
- इलाज के लिए आवश्यक संख्या (एनएनटी) = 1 ÷ एआरआर (जहां एआरआर को दशमलव के रूप में व्यक्त किया जाता है)।
- नुकसान पहुंचाने के लिए आवश्यक संख्या (एनएनएच) उसी सूत्र का उपयोग करता है लेकिन प्रतिकूल घटनाओं पर लागू होता है।
एक व्यावहारिक उदाहरण: यदि कोई दवा स्ट्रोक के खतरे को 4% से घटाकर 2% कर देती है, तो एआरआर 2% (0.02) है, इसलिए एनएनटी 1 ÷ 0.02 = 50 है। आरआरआर 50% है - वही डेटा, लेकिन एक आंकड़ा जो कहीं अधिक प्रभावशाली लगता है। दवा विज्ञापनों में आरआरआर का उद्धरण दिया जाता है; PLAB 1 में मूल्यांकन प्रश्न आपसे NNT की गणना करने की अपेक्षा करते हैं। कम एनएनटी बेहतर है (आपको लाभ के लिए कम रोगियों का इलाज करने की आवश्यकता है)।
गणित की डिग्री के बिना पी-मान और आत्मविश्वास अंतराल
आपको PLAB 1 में पी-वैल्यू की गणना करने की आवश्यकता नहीं है। आपको एक की सही व्याख्या करने की आवश्यकता है।
0.05 की पारंपरिक सीमा से नीचे पी-वैल्यू का मतलब है कि परिणाम सांख्यिकीय रूप से महत्वपूर्ण है - अर्थात, अकेले संयोग से घटित होने की संभावना नहीं है, यह मानते हुए कि शून्य परिकल्पना सत्य थी। इसका मतलब नहीं है कि प्रभाव चिकित्सकीय रूप से महत्वपूर्ण, बड़ा या कारणात्मक है। एक विशाल परीक्षण ऐसे प्रभाव के लिए p = 0.001 लौटा सकता है जो व्यवहार में मायने रखने के लिए बहुत छोटा है।एक आत्मविश्वास अंतराल (सीआई) आपको वह सीमा बताता है जिसके भीतर वास्तविक मूल्य संभवतः निहित है। एक अनुपात (सापेक्ष जोखिम, विषम अनुपात, जोखिम अनुपात) के लिए, 95% सीआई जो 1.0 को पार करता है, इसका मतलब है कि परिणाम सांख्यिकीय रूप से महत्वपूर्ण नहीं है - प्रभाव शून्य हो सकता है। निरपेक्ष मान (जैसे माध्य अंतर) के लिए, शून्य को पार करने वाले सीआई का वही अर्थ होता है। प्रश्न आमतौर पर आपसे यह पहचानने के लिए कहा जाएगा कि क्या कोई परिणाम महत्वपूर्ण है, या उस अध्ययन को चुनने के लिए कहा जाएगा जिसका सीआई वास्तविक प्रभाव का सुझाव देता है।
अध्ययन डिज़ाइन: यह जानना कि कौन सा अध्ययन किस प्रश्न का उत्तर देता है
PLAB 1 कभी-कभी आपसे किसी दिए गए नैदानिक प्रश्न के लिए सबसे उपयुक्त अध्ययन डिज़ाइन चुनने के लिए कहता है। संक्षिप्त संदर्भ सूची:
- रैंडमाइज्ड नियंत्रित परीक्षण (आरसीटी) - उपचार प्रभावकारिता के लिए सर्वोत्तम; उलझन कम कर देता है.
- समूह अध्ययन - संभावित रूप से जोखिम कारकों की जांच के लिए सर्वोत्तम; सापेक्ष जोखिम देता है.
- केस-नियंत्रण अध्ययन - दुर्लभ बीमारियों के लिए प्रभावी; विषम अनुपात देता है, सापेक्ष जोखिम नहीं।
- क्रॉस-सेक्शनल अध्ययन - एक समय में व्यापकता; कारण स्थापित नहीं कर सकता.
- व्यवस्थित समीक्षा/मेटा-विश्लेषण - अच्छी तरह से संचालित होने पर नैदानिक निर्णय लेने के लिए उच्चतम स्तर का साक्ष्य।
यदि कोई प्रश्न किसी नई दवा की प्रभावशीलता के सर्वोत्तम साक्ष्य के बारे में पूछता है, तो उत्तर लगभग हमेशा आरसीटी या आरसीटी की व्यवस्थित समीक्षा होती है। यदि यह एक दुर्लभ कैंसर और इसके संभावित व्यावसायिक जोखिम के बारे में पूछता है, तो केस-नियंत्रण अध्ययन आमतौर पर सही होता है।
परीक्षा के दिन से पहले इन अवधारणाओं का अभ्यास कैसे करें
सिद्धांत को समझना आधा काम है; इसे समयबद्ध परिस्थितियों में लागू करना दूसरा भाग है। ये विषय निष्क्रिय पुनः पढ़ने की तुलना में सक्रिय अभ्यास को पुरस्कृत करते हैं। एकल-सर्वोत्तम-उत्तर वाले प्रश्नों के माध्यम से काम करना जो 2×2 तालिका प्रस्तुत करते हैं और आपसे संवेदनशीलता की गणना करने के लिए कहते हैं, या जो आपको परीक्षण डेटा देते हैं और एनएनटी मांगते हैं, वह पैटर्न पहचान बनाता है जिसकी परीक्षा के लिए आवश्यकता होती है। चींटी PLAB प्रश्न बैंक में काम किए गए स्पष्टीकरण के साथ एक समर्पित साक्ष्य और सांख्यिकी क्लस्टर शामिल है ताकि आप देख सकें कि गलत विकल्प चुनने पर तर्क कहां गलत हो जाता है - और यदि यह ब्लूप्रिंट क्षेत्र लगातार आपके अंकों की लागत ले रहा है तो प्रदर्शन विश्लेषण ध्वजांकित करेगा।
PLAB 1 में सांख्यिकी क्लस्टर छोटा है। पूरी बैठक में केवल कुछ ही प्रश्न हो सकते हैं। लेकिन वे स्पष्ट रूप से सही उत्तर वाले प्रश्न हैं, जो अवधारणाओं के सीमित सेट से बंधे हैं, जिन्हें कई उम्मीदवार बिना किसी लड़ाई के छोड़ देते हैं। आपने इस परीक्षा में इतना अधिक परिश्रम किया है कि आप उस फॉर्मूले पर अंक छोड़ सकते हैं जिसे आप एक दोपहर में सीख सकते हैं।
अक्सर पूछे जाने वाले प्रश्न
सरल शब्दों में संवेदनशीलता और विशिष्टता के बीच क्या अंतर है? संवेदनशीलता यह मापती है कि एक परीक्षण उन लोगों का कितनी अच्छी तरह पता लगाता है जिन्हें कोई बीमारी है (सच्ची सकारात्मक दर), जबकि विशिष्टता मापती है कि यह कितनी अच्छी तरह उन लोगों की पहचान करता है जिन्हें नहीं कोई बीमारी है (सच्ची नकारात्मक दर)। एक अत्यधिक संवेदनशील परीक्षण किसी निदान को खारिज करने के लिए अच्छा है; इस पर निर्णय लेने के लिए एक अत्यधिक विशिष्ट परीक्षण अच्छा है।
मैं PLAB 1 में नैदानिक परीक्षण परिणाम से एनएनटी की गणना कैसे करूं? पूर्ण जोखिम में कमी (एआरआर) प्राप्त करने के लिए उपचार समूह में घटना दर को नियंत्रण समूह में घटना दर से घटाएं। एनएनटी = 1 ÷ एआरआर (दशमलव के रूप में एआरआर के साथ)। उदाहरण के लिए, 5% (0.05) का एआरआर 20 का एनएनटी देता है।
क्या पी-वैल्यू 0.05 से नीचे का मतलब यह है कि उपचार चिकित्सकीय रूप से उपयोगी है? जरूरी नहीं. सांख्यिकीय महत्व (पी <0.05) का मतलब है कि परिणाम संयोग के कारण होने की संभावना नहीं है, लेकिन यह प्रभाव के आकार या नैदानिक महत्व के बारे में कुछ नहीं कहता है। एक बहुत बड़ा अध्ययन सांख्यिकीय रूप से महत्वपूर्ण अंतर का पता लगा सकता है जो किसी भी व्यक्तिगत रोगी को लाभ पहुंचाने के लिए बहुत छोटा है।