大多數 IMG 都了解他們的心臟病學和藥理學。然後出現了關於敏感性和特異性的問題，標記悄悄消失。這令人沮喪，因為這些問題遵循可預測的模式——一旦你理解了邏輯，它們就會可靠地獎勵你。
為什麼統計問題感覺比實際上更難
誠實的答案是，經過多年的臨床培訓，您訂購測試、閱讀結果並做出決定，醫學統計感覺很抽象。沒有人要求您在病房中重新計算似然比。
但 PLAB 1 並不是測試是否可以進行臨床試驗。它正在測試您是否能夠批判性地閱讀研究並應用證據——這是良好醫療實踐原則下 GMC 的核心期望。因此，這些問題是狹窄且可重複的。一小群概念幾乎涵蓋了考試中的所有統計數據和循證醫學分數：敏感性和特異性、陽性和陰性預測值、需要治療的數量 (NNT)、需要傷害的數量 (NNH)、絕對和相對風險降低、置信區間和 p 值。掌握這八個想法，你就已經涉足了領域。
敏感性和特異性：用詞準確
這兩個術語會讓人們感到困惑，因為它們聽起來可以互換，除非你正確地錨定它們。
敏感性是測試本身的屬性，在患有該疾病的人中進行測量。高度敏感的測試很少會錯過真實病例 - 陰性結果令人放心（“SnNout”：敏感測試，當為陰性時，則排除）。想想肺栓塞的 D-二聚體等篩檢測試：它的設計非常敏感，因此很少有病例被遺漏。
特異性也是測試的特性，在沒有疾病的人中進行測量。高度特異性的測試很少會標記誤報 - 陽性結果是有意義的（“SpPin”：特定測試，當呈陽性時，規則為 In）。諸如梅毒 VDRL 之類的驗證性測試旨在具有特異性。
陽性預測值 (PPV) 和 陰性預測值 (NPV) 取決於盛行率。這是臨床小插圖中最常測試的概念：相同的測試在低流行人群中的 PPV 低於在高風險診所中的 PPV。如果問題告訴您該測試具有 95% 的敏感性和 95% 的特異性，但在只有千分之一的人患有該疾病的人群中使用，則 PPV 仍然較低。用實數來完成這個邏輯一次，它就會一直陪伴著你。
絕對風險、相對風險和 NNT
PLAB 1 中的實證醫學問題幾乎總是圍繞著「相對」和「絕對」風險降低之間的差異，因為這種差異在臨床實踐和評估藥物試驗中非常重要。
- 絕對風險降低 (ARR) = 對照組風險 – 治療組風險。
- 相對風險降低 (RRR) = ARR ÷ 對照組風險，以百分比表示。
- 需要治療的人數 (NNT) = 1 ÷ ARR （其中 ARR 以小數表示）。
- 造成傷害所需的數量 (NNH) 使用相同的公式，但適用於不良事件。
一個有效的例子：如果一種藥物將中風風險從 4% 降低到 2%，則 ARR 為 2% (0.02)，因此 NNT 為 1 ÷ 0.02 = 50。 RRR 為 50% — 相同的數據，但這個數字聽起來更令人印象深刻。藥品廣告往往引用 RRR； PLAB 1 中的評估問題要求您計算 NNT。 NNT 越低越好（您需要治療更少的患者才能受益）。
沒有數學學位的 P 值和信賴區間
您不需要在 PLAB 1 中計算 p 值。您需要正確解釋 p 值。
p 值低於傳統閾值 0.05 表示結果「具有統計顯著性」——也就是說，假設原假設為真，則不太可能僅偶然發生。它不意味著該效應在臨床上很重要、很大或有因果關係。大規模試驗可能會返回 p = 0.001，但效果太小，在實踐中並不重要。信賴區間 (CI) 告訴您真實值可能所在的範圍。對於比率（相對風險、比值比、風險比），95% CI 超過 1.0 表示結果不具有統計顯著性 — 效應可能為零。對於絕對值（如平均差），CI 過零點具有相同的意義。這個問題通常會要求您確定結果是否顯著，或選擇 CI 顯示真正效果的研究。
研究設計：了解哪個研究回答哪一個問題
PLAB 1 有時會要求您針對給定的臨床問題選擇最合適的研究設計。簡短的參考清單：
- 隨機對照試驗（RCT）－治療效果最佳；減少混雜。
- 隊列研究－最適合前瞻性檢查風險因素；給予相對風險。
- 病例對照研究－對罕見疾病有效；給予優勢比，而非相對風險。
- 橫斷面研究－某一時間點的盛行率；無法建立因果關係。
- 系統性回顧/統合分析 — 如果實施得當，可為臨床決策提供最高水準的證據。
如果問題詢問新藥有效性的最佳證據，答案幾乎總是隨機對照試驗或隨機對照試驗的系統性回顧。如果詢問一種罕見的癌症及其潛在的職業暴露，則病例對照研究通常是正確的。
如何在考試前練習這些概念
理解理論就成功了一半；在定時條件下應用它是另一半。這些主題獎勵主動練習而不是被動重讀。透過解決呈現 2×2 表並要求您計算靈敏度的單一最佳答案問題，或為您提供試驗資料並要求 NNT 的問題，建立考試所需的模式識別能力。 Ant PLAB 題庫包括一個專門的證據和統計集群，其中包含有效的解釋，因此當您選擇不正確的選項時，您可以準確地看到邏輯出了問題的地方 - 如果該藍圖區域持續消耗您的分數，性能分析將會標記出來。
PLAB 1 中的統計簇很小。在整個會議中，它可能只能解釋少數問題。但這些問題的答案顯然是正確的，並且受到一組有限概念的限制，許多候選人不戰而屈人之兵。你在這次考試中投入了太多的精力，以至於無法在一個下午就能學會的公式上留下分數。
常見問題解答
**簡單來說，敏感性和特異性有什麼區別？ ** 敏感性衡量的是測試檢測「患有」某種疾病的人的能力（真陽性率），而特異性衡量的是它識別「沒有」疾病的人的能力（真正的陰性率）。高度敏感的測試有助於排除診斷；高度具體的測試有利於做出裁決。
**如何根據 PLAB 1 中的臨床試驗結果計算 NNT？ ** 從對照組的事件發生率中減去治療組的事件發生率，即可得到絕對風險降低 (ARR)。 NNT = 1 ÷ ARR（ARR 為小數）。例如，5% (0.05) 的 ARR 給出的 NNT 為 20。
**p 值低於 0.05 是否表示治療在臨床上有用？ ** 不一定。統計顯著性（p < 0.05）意味著結果不太可能是偶然的，但它沒有說明效果的大小或臨床重要性。一項非常大的研究可以檢測到統計上顯著的差異，但該差異太小而無法使任何個別患者受益。