ほとんどの IMG は、自分の心臓病学と風邪の薬理学を知っています。次に、感度と特異度に関する質問が表示され、マークは静かに消えます。これらの質問は予測可能なパターンに従っており、一度ロジックを理解すれば、確実に報酬が得られるため、これはイライラさせられます。
統計に関する質問が実際より難しく感じる理由
正直な答えは、検査を指示し、結果を読んで決定を下すという臨床研修を何年も受けた後では、医療統計が抽象的に感じられるということです。誰もあなたにミッドワードラウンドで尤度比を再計算するように頼んだわけではありません。
しかし、PLAB 1 は臨床試験を実施できるかどうかをテストしているわけではありません。研究を批判的に読み、証拠を適用できるかどうかをテストしています。これは、Good Medical Practice の原則に基づく GMC の期待の中核です。したがって、質問は範囲が狭く、再現可能です。概念の小さなクラスターが、感度と特異度、陽性的中率と陰性的中率、治療に必要な数 (NNT)、害を及ぼすのに必要な数 (NNH)、絶対的および相対的なリスク低減、信頼区間、p 値など、試験におけるほぼすべての統計および証拠に基づく医学のマークを説明します。これら 8 つのアイデアをマスターすれば、その領域をカバーできます。
感度と特異性: 言葉を正確に理解する
これら 2 つの用語は、適切に理解するまでは置き換え可能に聞こえるため、人々をつまずかせます。
感度は検査自体の特性であり、病気にかかっている人を対象に測定されます。非常に機密性の高いテストでは、真のケースを見逃すことはほとんどありません。陰性の結果は安心させるものです (「SnNout」: 機密性の高いテストで、陰性の場合は除外されます)。肺塞栓症の D ダイマーなどのスクリーニング検査を考えてください。この検査は感度が高く、ほとんどのケースが見逃されないように設計されています。
特異度 も検査の特性であり、病気に罹っていない人で測定されます。特異性の高い検査では、偽陽性のフラグが立てられることはほとんどありません。陽性結果には意味があります (「SpPin」: 陽性の場合、特定の検査が「In」と判定されます)。梅毒の VDRL などの確認検査は、特異的であるように設計されています。
陽性的中率 (PPV) および 陰性的中率 (NPV) は有病率によって異なります。これは、臨床現場で最も頻繁にテストされる概念です。同じテストでは、高リスクのクリニックよりも低有病率の集団の方が PPV が低くなります。検査の感度が 95%、特異度が 95% であるが、1,000 人に 1 人しかこの病気に罹患していない集団で使用されたと質問で答えられた場合でも、PPV は依然として低くなります。実数を使ってそのロジックを一度実行すると、それが記憶に残ります。
絶対リスク、相対リスク、および NNT
PLAB 1 における科学的根拠に基づいた医療に関する質問は、ほとんどの場合、相対 リスク低減と 絶対 リスク低減の違いに焦点を当てています。その違いは臨床現場や治験の評価において非常に重要であるためです。
- 絶対リスク低減 (ARR) = 対照群のリスク − 治療群のリスク。
- 相対リスク低減 (RRR) = ARR ÷ 対照群のリスク。パーセンテージで表します。
- 処理に必要な数 (NNT) = 1 ÷ ARR (ARR は 10 進数で表されます)。
- 害を及ぼすのに必要な数 (NNH) は同じ式を使用しますが、有害事象に適用されます。
実際の例: 薬が脳卒中のリスクを 4% から 2% に下げる場合、ARR は 2% (0.02) であるため、NNT は 1 ÷ 0.02 = 50 となります。RRR は 50% で、同じデータですが、はるかに印象的な数字です。医薬品の広告では RRR を引用する傾向があります。 PLAB 1 の評価質問では、NNT を計算することが求められます。 NNT が低いほど優れています (1 人に利益をもたらすために、より少ない患者を治療する必要があります)。
数学の学位を必要としない P 値と信頼区間
PLAB 1 で p 値を計算する必要はありません。p 値を正しく解釈する必要があります。
従来のしきい値である 0.05 を下回る p 値は、結果が 統計的に有意であることを意味します。つまり、帰無仮説が真であると仮定すると、偶然だけで発生した可能性は低いということです。それは、その効果が臨床的に重要である、大きい、または因果関係があることを意味するものではありません**。大規模な試行では、実際には小さすぎて問題にならない効果に対して p = 0.001 が返されることがあります。信頼区間 (CI) は、真の値がおそらく存在する範囲を示します。比率 (相対リスク、オッズ比、ハザード比) について、1.0 を超える 95% CI は、結果が統計的に有意ではないことを意味し、効果がゼロになる可能性があります。絶対値 (平均差など) の場合、ゼロと交差する CI は同じ意味を持ちます。質問では通常、結果が有意であるかどうかを特定するか、CI が真の効果を示唆する研究を選択するよう求められます。
研究デザイン: どの研究がどの質問に答えるかを知る
PLAB 1 では、特定の臨床的疑問に対して最も適切な研究デザインを選択するよう求められることがあります。短い参考文献リスト:
- ランダム化比較試験 (RCT) — 治療効果に最適。混乱を軽減します。
- コホート研究 — 危険因子を前向きに調べるのに最適です。相対的なリスクを与えます。
- 症例対照研究 — 希少疾患に対して効果的です。相対リスクではなく、オッズ比を示します。
- 横断研究 — ある時点での有病率。因果関係を立証できない。
- 系統的レビュー/メタ分析 — 適切に実施された場合、臨床上の意思決定のための最高レベルの証拠。
新薬の有効性についての最良の証拠についての質問があれば、その答えはほとんどの場合、RCT または RCT の系統的レビューになります。希少がんとその潜在的な職業的曝露について尋ねる場合、通常は症例対照研究が正しいです。
試験日前にこれらの概念をドリルする方法
理論を理解することが仕事の半分です。残りの半分は、時間制限のある条件下でそれを適用することです。これらのトピックは、受動的な再読ではなく、積極的な実践に報います。 2×2 の表を提示して感度の計算を求める、または試験データを提示して NNT を求める単一ベストアンサーの質問に取り組むことで、試験に必要なパターン認識が構築されます。 Ant PLAB の質問バンクには、実際に機能した説明を備えた専用の証拠と統計クラスターが含まれているため、間違ったオプションを選択したときにロジックのどこが間違っているのかを正確に確認できます。また、このブループリント領域が常にマークを消費しているかどうかは、パフォーマンス分析によってフラグが付けられます。
PLAB 1 の統計クラスターは小さいです。完全に座っていても、ほんの一握りの質問しか出ないかもしれません。しかし、これらは明らかに正しい答えのある質問であり、限られた概念に制限されており、多くの候補者は戦わずして降参します。この試験にあまりにも多くの労力を費やしすぎたため、午後に学習できる公式でテーブルに点を残すことはできません。
よくある質問
簡単に言えば、感度と特異度の違いは何ですか? 感度は、病気に「罹患している」人を検査がどの程度検出するか (真陽性率) を測定し、特異度は、病気に「罹患していない」人を検査がどの程度識別するか (真陰性率) を測定します。感度の高い検査は、診断を除外するのに適しています。特異性の高い検査は、それを判断するのに適しています。
PLAB 1 で臨床試験結果から NNT を計算するにはどうすればよいですか? 絶対リスク低減 (ARR) を求めるには、対照グループのイベント発生率から治療グループのイベント発生率を引きます。 NNT = 1 ÷ ARR (ARR は小数)。たとえば、ARR が 5% (0.05) の場合、NNT は 20 になります。
0.05 未満の p 値は、治療が臨床的に有用であることを意味しますか? 必ずしもそうとは限りません。統計的有意性 (p < 0.05) は、結果が偶然による可能性が低いことを意味しますが、効果の大きさや臨床的重要性については何も述べていません。非常に大規模な研究では、個々の患者に利益をもたらすには小さすぎる統計的に有意な差が検出されることがあります。