循证诊断

我是从费城写在公会的医疗决策的年度会议。我刚刚参加了题为“如何讨论证据为基础的诊断经验丰富的医生(和坏名声避免给EBM)”一个伟大的短期课程的乐趣,通过教汤姆·纽曼迈克·科恩来自加州大学旧金山分校。

我在想要的课程目标是听取有关诊断试验的证据,我可以用它来提升自己的教学为居民和教师,我教日益在基础更熟练的评价更先进的问题。该课程确实这样做了伟大的工作。回顾基本概念,我们的书的读者应该熟悉(敏感性,特异性,预测值+ LR,LR-,ROC曲线)之后,麦克和汤姆钻研的连续和多值测试的详细讨论,尤其侧重于计算的间隔似然比

我会从一个例子来说明医疗决策:医生的指南。在第10章中,根据Herold和Becker的一篇论文(BMC胃肠2002;2)。该曲线是基于所谓的“Δ-I'”测试值;这里是对这个数字松散的基础测试特性的部分表:

测试值(“Δ-I'”) 灵敏度 特异性
0 1 0
0.5 0.999 0.03
1 0.99 0.20
3 0.95 0.80
10 0.80 0.95
25 0.35 0.99

在一些论文(未赫罗尔德和贝克尔的),如这些表然后被用于计算在用作阈值不同的测试值的正和负似然比。迈克和汤姆指出,这不仅引发了大量的有用信息,但容易产生误导,当测试值不是正态分布的(例如,如果两个低值和高值是有问题的)。

的间隔似然比为两个测试值之间的试验结果的似然比。这是你想要的,这里是它的外观:

测试值区间 LR(间隔)
0-0.5 0.03
0.5-1 0.05
1-3 0.07
3-10 1
10-25 11.3
> 25 35

如果您的测试结果为0.7,你可使用为0.5-1区间的LR;如果您的结果是15,你会使用10-25区间的LR。通过构建合理的时间间隔,你拿的不是创造二分法的阈值更多的信息优势。(How do you compute those LRs? It’s easy. The interval LR for the interval 1-3 is the absolute difference in sensitivity between delta-δ=1 and delta-δ=3 (0.99-0.95 = 0.04), divided by the absolute difference in specificity between delta-δ=1 and delta-δ=3 (0.80-0.20=0.60).

他们还提出了教医生如何理解周围评估诊断试验研究的有效性ROC曲线,和几个重要的细微差别一些非常好的技术。

该课程是基于其即将出版的新书,循证诊断由于从2009年这是我现在的“必买”名单上。

发表评论

您的电子邮件地址不会被公开。必需的地方已做标记*