زیادہ تر آئی ایم جی اپنے کارڈیالوجی اور فارماکولوجی کو سرد جانتے ہیں۔ پھر حساسیت اور مخصوصیت کے بارے میں ایک سوال ظاہر ہوتا ہے، اور نشانات خاموشی سے غائب ہو جاتے ہیں۔ یہ مایوس کن ہے، کیونکہ یہ سوالات پیش گوئی کے نمونوں کی پیروی کرتے ہیں - اور ایک بار جب آپ منطق کو سمجھ لیتے ہیں، تو وہ آپ کو قابل اعتماد انعام دیتے ہیں۔
کیوں شماریات کے سوالات ان سے زیادہ مشکل محسوس کرتے ہیں۔
ایماندارانہ جواب یہ ہے کہ طبی اعدادوشمار برسوں کی طبی تربیت کے بعد تجریدی محسوس ہوتے ہیں جہاں آپ نے ٹیسٹ کا حکم دیا، نتیجہ پڑھا اور فیصلہ کیا۔ کسی نے آپ سے وسط وارڈ راؤنڈ کے امکانات کے تناسب کا دوبارہ حساب لگانے کو نہیں کہا۔
لیکن PLAB 1 یہ جانچ نہیں کر رہا ہے کہ آیا آپ کلینکل ٹرائل چلا سکتے ہیں۔ یہ جانچ کر رہا ہے کہ آیا آپ تحقیق کو تنقیدی طور پر پڑھ سکتے ہیں اور ثبوت کو لاگو کر سکتے ہیں - اچھی میڈیکل پریکٹس کے اصولوں کے تحت ایک بنیادی GMC کی توقع۔ اس لیے سوالات تنگ اور دہرائے جانے کے قابل ہیں۔ تصورات کا ایک چھوٹا سا جھرمٹ امتحان میں تقریباً تمام اعدادوشمار اور شواہد پر مبنی دوائی کے نمبروں پر مشتمل ہے: حساسیت اور مخصوصیت، مثبت اور منفی پیش گوئی کی قدریں، علاج کے لیے درکار تعداد (NNT)، نقصان پہنچانے کے لیے درکار تعداد (NNH)، مطلق اور رشتہ دار خطرے میں کمی، اعتماد کے وقفے، اور p-values۔ ان آٹھ خیالات میں مہارت حاصل کریں اور آپ نے علاقے کا احاطہ کیا ہے۔
حساسیت اور مخصوصیت: الفاظ کو بالکل درست سمجھیں۔
یہ دونوں اصطلاحات لوگوں کو ٹرپ کرتی ہیں کیونکہ جب تک آپ ان کو صحیح طریقے سے لنگر انداز نہیں کرتے ہیں تب تک وہ آپس میں بدلنے والی لگتی ہیں۔
حساسیت بذات خود ٹیسٹ کی ایک خاصیت ہے، جس کی پیمائش ان لوگوں میں ہوتی ہے جن کو یہ بیماری ہوتی ہے۔ ایک انتہائی حساس ٹیسٹ شاذ و نادر ہی سچے کیسز کو یاد کرتا ہے - ایک منفی نتیجہ یقین دلاتا ہے ("SnNout": ایک حساس ٹیسٹ، جب منفی ہو تو اسے مسترد کرتے ہیں)۔ پلمونری ایمبولزم کے لیے ڈی ڈائمر جیسے اسکریننگ ٹیسٹ کے بارے میں سوچیں: اسے حساس ہونے کے لیے ڈیزائن کیا گیا ہے تاکہ چند کیسز چھوٹ جائیں۔
خصوصیت ٹیسٹ کی ایک خاصیت بھی ہے، جس کی پیمائش ان لوگوں میں کی جاتی ہے جن کو یہ بیماری نہیں ہوتی*۔ ایک انتہائی مخصوص ٹیسٹ شاذ و نادر ہی جھوٹے مثبت کو جھنڈا لگاتا ہے - ایک مثبت نتیجہ معنی خیز ہوتا ہے ("SpPin": ایک مخصوص ٹیسٹ، جب مثبت ہوتا ہے، قواعد میں)۔ ایک تصدیقی ٹیسٹ جیسا کہ آتشک کے لیے VDRL کو مخصوص کرنے کے لیے ڈیزائن کیا گیا ہے۔
مثبت پیشین گوئی قدر (PPV) اور منفی پیشین گوئی قدر (NPV) پھیلاؤ پر منحصر ہے۔ یہ وہ تصور ہے جس کا اکثر کلینیکل ویگنیٹ میں تجربہ کیا جاتا ہے: ایک ہی ٹیسٹ میں زیادہ خطرہ والے کلینک کی نسبت کم پھیلاؤ والی آبادی میں کم PPV ہوتا ہے۔ اگر کوئی سوال آپ کو بتاتا ہے کہ ٹیسٹ میں 95% حساسیت اور 95% مخصوصیت ہے لیکن اسے ایسی آبادی میں استعمال کیا جاتا ہے جہاں 1,000 میں سے صرف 1 کو یہ مرض لاحق ہے، تب بھی PPV کم رہے گا۔ ایک بار حقیقی اعداد کے ساتھ اس منطق پر کام کریں اور یہ آپ کے ساتھ رہے گا۔
مطلق خطرہ، رشتہ دار خطرہ، اور NNT
PLAB 1 میں شواہد پر مبنی ادویات کے سوالات تقریباً ہمیشہ ہی رشتہ دار اور مطلق خطرے میں کمی کے درمیان فرق پر محور ہوتے ہیں، کیونکہ یہ فرق کلینیکل پریکٹس اور منشیات کے ٹرائلز کا اندازہ لگانے میں بہت زیادہ اہمیت رکھتا ہے۔
- مکمل خطرے میں کمی (ARR) = کنٹرول گروپ میں خطرہ - علاج کے گروپ میں خطرہ۔
- رشتہ دار خطرے میں کمی (RRR) = ARR ÷ کنٹرول گروپ میں خطرہ، فیصد کے طور پر ظاہر کیا جاتا ہے۔
- علاج کے لیے درکار نمبر (NNT) = 1 ÷ ARR (جہاں ARR کو اعشاریہ کے طور پر ظاہر کیا جاتا ہے)۔
- نمبر کو نقصان پہنچانے کے لیے درکار ہے (NNH) وہی فارمولہ استعمال کرتا ہے لیکن منفی واقعات پر لاگو ہوتا ہے۔
ایک کام شدہ مثال: اگر کوئی دوا فالج کے خطرے کو 4% سے 2% تک کم کرتی ہے، تو ARR 2% (0.02) ہے، تو NNT 1 ÷ 0.02 = 50 ہے۔ RRR 50% ہے — وہی ڈیٹا، لیکن ایک ایسا اعداد و شمار جو کہیں زیادہ متاثر کن لگتا ہے۔ منشیات کے اشتہارات RRR کا حوالہ دیتے ہیں۔ PLAB 1 میں تشخیصی سوالات آپ سے NNT کا حساب لگانے کی توقع کرتے ہیں۔ کم این این ٹی بہتر ہے (آپ کو کم مریضوں کا علاج کرنے کی ضرورت ہے تاکہ کسی کو فائدہ پہنچے)۔
ریاضی کی ڈگری کے بغیر پی ویلیوز اور اعتماد کے وقفے۔
آپ کو PLAB 1 میں p-value کا حساب لگانے کی ضرورت نہیں ہے۔ آپ کو ایک کی صحیح تشریح کرنے کی ضرورت ہے۔
0.05 کی روایتی حد سے نیچے ایک p-value کا مطلب ہے کہ نتیجہ اعداد و شمار کے لحاظ سے اہم ہے - یعنی، یہ فرض کرتے ہوئے کہ null مفروضہ درست تھا، اتفاقی طور پر واقع ہونے کا امکان نہیں ہے۔ اس کا نہیں مطلب یہ ہے کہ اثر طبی لحاظ سے اہم، بڑا، یا وجہ ہے۔ ایک بڑے پیمانے پر ٹرائل p = 0.001 اس اثر کے لیے واپس کر سکتا ہے جو عملی طور پر اہمیت کے لیے بہت چھوٹا ہے۔ایک اعتماد کا وقفہ (CI) آپ کو وہ رینج بتاتا ہے جس کے اندر ممکنہ طور پر حقیقی قدر موجود ہے۔ تناسب کے لیے (متعلقہ خطرہ، مشکلات کا تناسب، خطرہ کا تناسب)، 95% CI جو 1.0 کو عبور کرتا ہے اس کا مطلب ہے کہ نتیجہ شماریاتی لحاظ سے اہم نہیں ہے — اثر صفر ہو سکتا ہے۔ ایک مطلق قدر (جیسے اوسط فرق) کے لیے، ایک CI کراسنگ صفر کا ایک ہی مطلب ہے۔ سوال عام طور پر آپ سے یہ شناخت کرنے کے لیے کہے گا کہ آیا کوئی نتیجہ اہم ہے، یا اس مطالعہ کو منتخب کرنے کے لیے جس کا CI حقیقی اثر تجویز کرتا ہے۔
اسٹڈی ڈیزائن: یہ جاننا کہ کون سا مطالعہ کس سوال کا جواب دیتا ہے۔
PLAB 1 کبھی کبھار آپ سے کسی طبی سوال کے لیے سب سے مناسب اسٹڈی ڈیزائن کا انتخاب کرنے کو کہتا ہے۔ مختصر حوالہ فہرست:
- رینڈمائزڈ کنٹرول ٹرائل (RCT) — علاج کی افادیت کے لیے بہترین؛ الجھن کو کم کرتا ہے.
- کوہورٹ اسٹڈی — ممکنہ طور پر خطرے کے عوامل کی جانچ کے لیے بہترین؛ رشتہ دار خطرہ دیتا ہے۔
- کیس کنٹرول اسٹڈی — نایاب بیماریوں کے لیے موثر؛ مشکلات کا تناسب دیتا ہے، رشتہ دار خطرہ نہیں۔
- کراس سیکشنل اسٹڈی — ایک وقت میں پھیلاؤ؛ وجہ قائم نہیں کر سکتے۔
- سسٹمیٹک جائزہ/میٹا تجزیہ — کلینکل فیصلہ سازی کے لیے اعلیٰ ترین سطح کے ثبوت، جب اچھی طرح سے انجام دیا جائے۔
اگر کوئی سوال کسی نئی دوا کی تاثیر کے بہترین ثبوت کے بارے میں پوچھتا ہے، تو اس کا جواب تقریباً ہمیشہ RCT یا RCTs کا منظم جائزہ ہوتا ہے۔ اگر یہ نایاب کینسر اور اس کے ممکنہ پیشہ ورانہ نمائش کے بارے میں پوچھتا ہے، تو کیس کنٹرول اسٹڈی عام طور پر درست ہوتی ہے۔
امتحان کے دن سے پہلے ان تصورات کو کیسے ڈرل کریں۔
تھیوری کو سمجھنا آدھا کام ہے۔ وقتی حالات کے تحت اس کا اطلاق باقی نصف ہے۔ یہ عنوانات غیر فعال دوبارہ پڑھنے پر فعال مشق کا بدلہ دیتے ہیں۔ واحد بہترین جواب والے سوالات کے ذریعے کام کرنا جو 2×2 ٹیبل پیش کرتے ہیں اور آپ سے حساسیت کا حساب لگانے کے لیے کہتے ہیں، یا جو آپ کو آزمائشی ڈیٹا فراہم کرتے ہیں اور NNT کے لیے پوچھتے ہیں، اس پیٹرن کی شناخت بناتا ہے جس کی امتحان میں ضرورت ہوتی ہے۔ چیونٹی PLAB سوالیہ بینک میں کام شدہ وضاحتوں کے ساتھ ایک سرشار ثبوت اور اعداد و شمار کا کلسٹر شامل ہے تاکہ آپ یہ دیکھ سکیں کہ جب آپ غلط آپشن کا انتخاب کرتے ہیں تو منطق کہاں غلط ہوتی ہے — اور اگر یہ بلیو پرنٹ ایریا آپ کے نمبروں کی مسلسل لاگت کر رہا ہے تو کارکردگی کے تجزیات پرچم بردار ہوں گے۔
PLAB 1 میں شماریات کا کلسٹر چھوٹا ہے۔ پوری نشست کے دوران یہ صرف چند سوالوں کا جواب دے سکتا ہے۔ لیکن یہ وہ سوالات ہیں جن میں واضح طور پر درست جوابات ہیں، جو تصورات کے ایک محدود سیٹ سے جڑے ہوئے ہیں، جن میں بہت سے امیدوار بغیر لڑائی کے ہتھیار ڈال دیتے ہیں۔ آپ نے اس امتحان میں بہت زیادہ کام کیا ہے تاکہ میز پر ایک فارمولے پر نشانات چھوڑے جائیں جسے آپ ایک دوپہر میں سیکھ سکتے ہیں۔
اکثر پوچھے گئے سوالات
سادہ الفاظ میں حساسیت اور مخصوصیت میں کیا فرق ہے؟ حساسیت اس بات کی پیمائش کرتی ہے کہ ایک ٹیسٹ ان لوگوں کو کتنی اچھی طرح سے پہچانتا ہے جن کو ایک بیماری ہے (حقیقی مثبت شرح)، جب کہ مخصوصیت اس بات کی پیمائش کرتی ہے کہ یہ ان لوگوں کو کتنی اچھی طرح سے پہچانتا ہے جن کو یہ نہیں ہے (حقیقی منفی شرح)۔ ایک انتہائی حساس ٹیسٹ تشخیص کو مسترد کرنے کے لیے اچھا ہے۔ اس پر حکمرانی کے لیے ایک انتہائی مخصوص امتحان اچھا ہے۔
میں PLAB 1 میں کلینیکل ٹرائل کے نتیجے سے NNT کا حساب کیسے لگا سکتا ہوں؟ مکمل خطرے میں کمی (ARR) حاصل کرنے کے لیے علاج گروپ میں ایونٹ کی شرح کو کنٹرول گروپ میں واقعہ کی شرح سے گھٹائیں۔ NNT = 1 ÷ ARR (اعشاریہ کے طور پر ARR کے ساتھ)۔ مثال کے طور پر، 5% (0.05) کا ARR 20 کا NNT دیتا ہے۔
کیا 0.05 سے کم پی ویلیو کا مطلب ہے کہ علاج طبی طور پر مفید ہے؟ ضروری نہیں۔ شماریاتی اہمیت (p <0.05) کا مطلب ہے کہ نتیجہ موقع کی وجہ سے آنے کا امکان نہیں ہے، لیکن یہ اثر کے سائز یا طبی اہمیت کے بارے میں کچھ نہیں کہتا۔ ایک بہت بڑا مطالعہ اعداد و شمار کے لحاظ سے ایک اہم فرق کا پتہ لگا سکتا ہے جو کسی بھی فرد مریض کو فائدہ پہنچانے کے لیے بہت چھوٹا ہے۔