Більшість IMG знають свою кардіологію та фармакологію. Потім виникає питання про чутливість і специфічність, і сліди тихо зникають. Це засмучує, тому що ці запитання відповідають передбачуваним шаблонам — і як тільки ви зрозумієте логіку, вони надійно винагородять вас.
Чому статистичні запитання здаються складнішими, ніж насправді
Чесна відповідь полягає в тому, що медична статистика здається абстрактною після років клінічної підготовки, коли ви замовляли тест, читали результат і приймали рішення. Ніхто не просив вас перерахувати відношення ймовірності в середині раунду.
Але PLAB 1 не перевіряє, чи можна провести клінічне випробування. Це перевірка того, чи вмієте ви критично читати дослідження та застосовувати докази — це головне очікування GMC відповідно до принципів належної медичної практики. Тому питання вузькі та повторювані. Невеликий кластер концепцій відповідає майже всім статистичним і доказовим показникам медицини в іспиті: чутливість і специфічність, позитивні та негативні прогностичні значення, кількість, яку необхідно лікувати (NNT), кількість, яку потрібно завдати шкоди (NNH), абсолютне та відносне зниження ризику, довірчі інтервали та значення p. Опануйте ці вісім ідей, і ви покриєте територію.
Делікатність і конкретність: напишіть слова точно
Ці два терміни збентежують людей, тому що вони звучать взаємозамінно, доки ви їх належним чином не закріпите.
Чутливість — це властивість самого тесту, виміряна у людей, хворих. Високочутливий тест рідко пропускає справжні випадки — негативний результат заспокоює ("SnNout": чутливий тест, коли негативний, виключає). Подумайте про скринінговий тест на тромбоемболію легеневої артерії, такий як D-димер: він розроблений як чутливий, щоб пропустити кілька випадків.
Специфічність також є властивістю тесту, що вимірюється на людях, які не мають захворювання. Високоспецифічний тест рідко позначає хибнопозитивні результати — позитивний результат має значення («SpPin»: конкретний тест, коли позитивний, регулює In). Підтверджувальний тест, такий як VDRL на сифіліс, розроблений як специфічний.
Позитивне прогностичне значення (PPV) і негативне прогностичне значення (NPV) залежить від поширеності. Це концепція, яку найчастіше перевіряють у клінічній віньєтці: той самий тест має нижчий PPV у популяції з низьким рівнем поширеності, ніж у клініці високого ризику. Якщо запитання говорить вам, що тест має 95% чутливість і 95% специфічність, але використовується в популяції, де лише 1 з 1000 людей має захворювання, PPV все одно буде низьким. Опрацюйте цю логіку один раз із реальними числами, і вона залишиться з вами.
Абсолютний ризик, відносний ризик і NNT
Запитання доказової медицини в PLAB 1 майже завжди стосуються різниці між відносним і абсолютним зниженням ризику, оскільки ця різниця має величезне значення в клінічній практиці та при оцінці випробувань ліків.
- Абсолютне зниження ризику (ARR) = ризик у контрольній групі − ризик у групі лікування.
- Відносне зниження ризику (RRR) = ARR ÷ ризик у контрольній групі, виражений у відсотках.
- Кількість, необхідна для лікування (NNT) = 1 ÷ ARR (де ARR виражається десятковим дробом).
- Кількість, необхідна для нанесення шкоди (NNH) використовує ту саму формулу, але застосовану до несприятливих подій.
Спрацьований приклад: якщо препарат знижує ризик інсульту з 4% до 2%, ARR становить 2% (0,02), тож NNT становить 1 ÷ 0,02 = 50. RRR становить 50% — ті самі дані, але цифра звучить набагато вражаюче. Реклама наркотиків, як правило, цитує RRR; питання оцінки в PLAB 1 очікують, що ви обчислите NNT. Кращим є нижчий ННТ (вам потрібно лікувати менше пацієнтів, щоб один отримав користь).
P-значення та довірчі інтервали без ступеня математики
Вам не потрібно обчислювати p-значення в PLAB 1. Вам потрібно його правильно інтерпретувати.
P-значення нижче звичайного порогу 0,05 означає, що результат є статистично значущим — тобто малоймовірно, що він виник випадково, якщо припустити, що нульова гіпотеза вірна. Це не означає, що ефект є клінічно важливим, великим або причинним. Масове випробування може повернути p = 0,001 для ефекту, який є надто малим, щоб мати значення на практиці.Довірчий інтервал (ДІ) вказує на діапазон, у якому ймовірно лежить справжнє значення. Для співвідношення (відносний ризик, коефіцієнт шансів, коефіцієнт ризику) 95% ДІ, що перевищує 1,0, означає, що результат не є статистично значущим — ефект може бути нульовим. Для абсолютного значення (як середня різниця) CI, що перетинає нуль, має те саме значення. У запитанні зазвичай вас просять визначити, чи є результат значущим, або вибрати дослідження, ДІ якого свідчить про справжній ефект.
Дизайн дослідження: знати, яке дослідження відповідає на яке запитання
PLAB 1 час від часу просить вас вибрати найбільш відповідний дизайн дослідження для певного клінічного питання. Короткий список посилань:
- Рандомізоване контрольоване дослідження (РКВ) — найкраще для ефективності лікування; зменшує плутанину.
- Когортне дослідження — найкраще для проспективного вивчення факторів ризику; створює відносний ризик.
- Випадок-контроль — ефективний при рідкісних захворюваннях; дає співвідношення шансів, а не відносний ризик.
- Перехресне дослідження — поширеність в один момент часу; неможливо встановити причинний зв'язок.
- Систематичний огляд / мета-аналіз — найвищий рівень доказів для прийняття клінічних рішень, якщо він добре проведений.
Якщо запитання стосується найкращих доказів ефективності нового препарату, відповіддю майже завжди є РКД або систематичний огляд РКД. Якщо в ньому запитується про рідкісний вид раку та його потенційний професійний вплив, дослідження типу «випадок-контроль» зазвичай є правильним.
Як уточнити ці поняття перед іспитом
Розуміння теорії – це половина справи; застосування його в певних умовах – друга половина. Ці теми винагороджують активну практику над пасивним повторним читанням. Робота над запитаннями з однією найкращою відповіддю, які представляють таблицю 2×2 і просять обчислити чутливість, або які дають вам пробні дані та запитують NNT, створює розпізнавання шаблонів, яке вимагає іспит. Банк запитань Ant PLAB включає спеціалізований кластер доказів і статистики з відпрацьованими поясненнями, тож ви можете точно побачити, де логіка йде не так, коли ви вибираєте неправильний варіант, і аналітика продуктивності позначатиме, якщо ця область проекту постійно коштує вам балів.
Кластер статистики в PLAB 1 невеликий. Протягом повного засідання це може становити лише декілька питань. Але це запитання з чітко правильними відповідями, обмежені обмеженим набором понять, які багато кандидатів здають без бою. Ви вклали занадто багато роботи в цей іспит, щоб залишити позначки на столі над формулою, яку ви можете вивчити за півдня.
FAQ
Яка різниця між чутливістю та специфічністю простими словами? Чутливість вимірює, наскільки добре тест виявляє людей, які мають хворобу (справжній позитивний рівень), тоді як специфічність вимірює, наскільки добре він ідентифікує людей, які не хворіють (справжній негативний рівень). Високочутливий тест хороший для виключення діагнозу; високоспецифічний тест хороший для його визначення.
Як розрахувати NNT за результатами клінічного випробування в PLAB 1? Відніміть частоту подій у групі лікування від частоти подій у контрольній групі, щоб отримати абсолютне зниження ризику (ARR). NNT = 1 ÷ ARR (з ARR як десяткове число). Наприклад, ARR 5% (0,05) дає NNT 20.
Чи означає, що значення p нижче 0,05 лікування є клінічно корисним? Не обов'язково. Статистична значущість (p < 0,05) означає, що результат навряд чи є випадковим, але це нічого не говорить про розмір або клінічну важливість ефекту. Дуже велике дослідження може виявити статистично значущу різницю, яка є надто малою, щоб принести користь окремому пацієнту.