Which one of these test is the best for SLE Dx?

1. Which one of these test is the best for SLE Dx?

2. علی رغم داعیه «پزشکی مبتنی بر شواهد» در بسیاریاز دانشکده‌های پزشکی، این امر آنگونه که باید مورد توجه و پذیرش قرار نگرفته است. • دانشجویان حساسیت و ویژگی را می‌آموزند و یاد می‌گیرند که برای تشخیص چگونه هنر شرح حال گیری و معاینه را با آزمونهای تشخیصی درهم بیامیزند ولی از تئوری احتمالات و به‌کارگیری آن خبری نیست!

3. به همین جهت گاهی اوقات از ادبیاتی استفاده می‌شود که مانع نتیجه گیری درست در تشخیص می‌شود. • مثلا گفته می‌شود که اگر کسی فلان جواب را داشت پس حتماً آن بیماری خاص را دارد مگر آنکه خلافش ثابت شود.این گفته چقدر با منطق Bayesian مطابقت دارد؟ آیا توجهی به ماهیت آزمون شد؟ آیا توجهی به خود بیمار یا جمعیت مشابه او شد؟ آیا این جمله به این معناست که احتمال پیش از آزمون خیلی بالاست؟

4. یا این مورد: • SnNout • in a highly Sensitive test, a Negative test rules out the disease • SpPin • in a highly Specific test, a Positive test rules in the disease

5. منطق Bayesian چیست؟ • در مثال قبل برای گذاشتن تشخیص، فقط به یک جنبه از آزمون توجه شده است: این تست آنقدر ویژگی بالایی دارد که اگر مثبت شود حتماً بیمار آن تشخیص خاص را دارد. • منطق Bayesian می‌گوید که هر فرد بیمار قبل از انجام آزمون یک احتمال مشخصی برای بیماری خاصی دارد که با یک عامل تعدیل کننده (مثلاً نسبت درست نمایی یا Likelihood ratio یا LR) این احتمال افزایش یا کاهش می‌یابد.

6. Medical Decision Making • Refining Probability • Decision Analysis • Treatment and Testing Thresholds • Cost-Effectiveness Analysis

7. راههای تشخیص در پزشکی 1- استدلال پاتوفیزیولوژیک 2- شناخت الگوی بیماری 3- استدلال احتمالاتی • برای مورد اخیر باید لیست تشخیص افتراقی بیماری را بطور کامل مدنظر داشته باشیم و احتمال بیماری را (قبل از انجام هر آزمونی) محاسبه کنیم.

8. احتمال قبل از آزمون چگونه محاسبه می شود؟ 1- بر اساس تجربه شخصی (با تمام خطاهایی که دارد) 2- اطلاعات چاپ شده: الف- استفاده از شیوع بیماری به علاوه علائم و شکایات خاص بالینی ب- استفاده از قانونهای پیش بینی کلینیکی

9. تخمین احتمال پیش از آزمون

10. Why we routinely order diagnostic tests • It’s what we always do: Tradition • The hospital has to make money somehow: Economic Gain • I just wanted to know the test result: Curiosity • Dr. “X” told me to do it: Hierarchy • We have to learn how to perform procedures somehow: Practice

11. برای چه آزمون می‌کنیم؟ • ما همیشه آزمون می‌کنیم. رسم و سنت • بالاخره بیمارستان خرج دارد! هدف اقتصادی • فقط می‌خواهم جوابش را بدانم. کنجکاوی • به ما اینطور گفته‌اند. سلسله مراتبی • باید یادبگیریم چطور آزمون کنیم. آموزش و تمرین • تغییر احتمال پیش از آزمون به احتمال پس از آزمون.

12. The most important reason we order diagnostic tests is to Refine Probability

13. Probability: is a number between 0 and 1 (or 0% and 100%) that expresses the likelihood of something happening or being true

14. Refining Probability Modifying our estimate of the likelihood of a disease through the application of diagnostic tests

15. How the result of diagnostic tests change the likelihood of a particular diagnosis • What we thought before + test information =what we think after

16. What we thought before\after • Pretest probability: the probability that a patient has the disease before undergoing a test • Posttest probability: the probability that a patient has the disease ,given the result of a test

17. How the result of diagnostic tests change the likelihood of a particular diagnosis • What we thought before + test information = what we think after • Pretest probability + Likelihood Ratio = Posttest Probability

18. Pretest Probability Posttest Probability Perform Test e.g. Stress ECG 0.0 0.5 1.0 The effect of test results on the probability of disease Angina on exertion Probability of Disease Dr. Shahram Yazdani

19. Posttest Probability after test 2 Perform Test 2 Posttest Probability after test 1 Perform Test 1 The effect of test results on the probability of disease Pretest Probability 0.0 1.0 Probability of Disease Dr. Shahram Yazdani

20. Overview of the Diagnostic Process • 1st Stage: • Initial judgment: intuition, implicit • Prior / pretest probability: Based on experience & knowledge • 2nd Stage: • Diagnostic tests: Gather more information • 3rd Stage: • Update the initial probability estimate • Posterior / posttest probability Dr. Shahram Yazdani

21. Disease Estimate • Disease prevalence Information • Pretest probability Diagnostic test (TPR, TNR) Bayes' theorem • Posttest probability Dr. Shahram Yazdani

22. Test Information • Sensitivity and Specificity • Positive and Negative Predictive Values • Likelihood Ratios

23. شاخصهای یک آزمون تشخیصی

24. Sensitivity and specificity • Sensitivity: the proportion of patients with the disease who have a positive test result • Specificity: the proportion of patients without the disease who have a negative test result

25. Information for a dichotomous test Disease Present Absent Positive Test Result Negative Sensitivity = A / (A+C) Specificity = D / (B+D)

26. Information for a dichotomous test Disease Present Absent Positive Test Result Negative

27. Information for a dichotomous test Disease Present Absent Positive Test Result Negative Sensitivity=103/(103+12)=89% Specificity=211/(16+211)=93%

28. Sensitivity and specificity • Limitation: we don’t know who has the disease before the test ! Otherwise we wouldn’t need to order the diagnostic test.

29. محدودیت حساسیت و ویژگی • حساسیت در گروه بیماران و ویژگی در گروه سالمها (غیر بیماران) تعریف می شود در صورتیکه ما نمی دانیم فردی که به ما مراجعه کرده بیمار است یا نه؟! • ما با فردی برخورد داریم که جواب آزمایش او مثبت یا منفی است. پس به ارزش اخباری آزمونها بپردازیم ...

30. Predictive values • PPV : the proportion of patients with a positive test result who have the disease • NPV : the proportion of patients with a negative test result who do not have the disease

31. Information for a dichotomous test Disease Present Absent Positive Test Result Negative Sensitivity = A / (A+C) Specificity = D / (B+D) PPV = A / (A+B) NPV = D / (C+D)

32. Information for a dichotomous test Disease Present Absent Positive Test Result Negative Sensitivity=103/(103+12)=89% Specificity=211/(16+211)=93% PPV = 103 / (103+16) = 86% NPV = 211 / (12+211) = 94%

33. Predictive values • Limitation: predictive values are dependent on the fixed prevalence (pretest probability) of disease in the studied population. • If the pretest probability of the disease is equal to prevalence of disease then the post test probability of disease will be equal to PPV (e.g in screening)

34. ارزش اخباری آزمونها هم مفهوم حساسیت و ویژگی و هم شیوع بیماری را در خود مستتر دارد. • در واقع اگر فرض کنیم که شیوع بیماری در جامعه همان احتمال پیش از آزمون باشد، ارزش اخباری مثبت، احتمال پس از آزمون می شود.

35. محدودیت ارزش اخباری • ارزش اخباری به شیوع بیماری در جامعه بستگی دارد در حالیکه شیوع بیماری تغییر می‌کند. مثلاً ارزش اخباری برای آزمون تشخیص ایدز در 10 سال گذشته با امروز که شیوع بیماری بیشتر شده است حتماً فرق می‌کند. • پس سراغ شاخص نسبت درست نمایی برویم که ...

36. Likelihood ratio • Likelihood ratio = the likelihood of a test result in patients with the disease / the likelihood of a test result in people without the disease • LR(+) = sensitivity/(1-specificity) • LR(-) = (1-sensitivity)/specificity

37. Sensitivity = A / (A+C) A /(A+C) = sn / (1-sp) LR(+) = Specificity = D / (B+D) B / (B+D) PPV = A / (A+B) C /(A+C) = (1-sn) / sp LR(-) = D / (B+D) NPV = D / (C+D) Information for a dichotomous test Disease Present Absent Positive Test Result Negative

38. Sensitivity=103/(103+12)=89% A /(A+C) = sn / (1-sp)=12.7 LR(+) = B / (B+D) Specificity=211/(16+211)=93% PPV = 103 / (103+16) = 86% C /(A+C) = (1-sn) / sp=0.11 LR(-) = D / (B+D) NPV = 211 / (12+211) = 94% Information for a dichotomous test Disease Present Absent Positive Test Result Negative

39. نسبت درستنمایی • شاخصی بین صفر و مثبت بینهایت • LR+ یعنی احتمال مثبت شدن آزمون در بیماران تقسیم بر احتمال مثبت شدن آزمون در غیر بیماران(یا حساسیت تقسیم بر یک منهای ویژگی) • LR- یعنی احتمال منفی شدن آزمون در بیماران تقسیم بر احتمال منفی شدن آزمون در غیر بیماران(یا یک منهای حساسیت تقسیم بر ویژگی)

40. Positive Likelihood Ratios • It can also be written as thetrue positive rate/false positiverate. • Thus, thehigher the positive likelihood ratio, thebetter the test (a perfect test has a positive likelihood ratio equal to infinity).

41. Negative Likelihood Ratio • It can also be written as thefalse negative rate/true negative rate. • Therefore, the lower the negative likelihood ratio, the better the test (a perfect test has a negative likelihood ratio of zero).

42. نسبت درستنمایی (LR) 1- مقدار این شاخص مستقل از شیوع بیماری در جمعیت تحت مطالعه‌ای است که این شاخص در آن برآورد شده است. پس کافیست که شما احتمال پیش از آزمون بیمار خود را بدانید.

43. 2- LR برای آزمونهایی که جواب آنها بیش از دو حال دارد نیز قابل محاسبه است. مثلا برای تشخیص آمبولی ریه LR برای هر جواب اسکن V/Q به این ترتیب است: • برای احتمال بالا 18.3 • برای احتمال متوسط 1.2 • برای احتمال پایین 0.36 • برای جواب طبیعی 0.1

44. 3- LR های چند تست غیر وابسته را می توان در هم ضرب کرد و احتمال پس از انجام آزمونها را حساب کرد.

45. محاسبه احتمال پس از آزمون • استفاده از نوموگرام • انجام محاسبات ریاضی احتمال پس از آزمون (odds/1+ods) احتمال پیش از آزمون (p) شانس پس از آزمون (odds) شانس پیش از آزمون (p/1-p) ضربدر نسبت درستنمایی (x LR1 x LR2 x … x LRn)

46. Bayes Theorem Post-test Odds = Likelihood Ratio X Pre-test Odds

47. Using Likelihood Ratios to Determine Post-Test Disease Probability

48. Calculating posttest probability Test Information Pretest probability Posttest probability Odds=p/(1-p) P=odds/(odds+1) = Pretest odds  Likelihood ratio Posttest odds

49. Quantitative estimate of posttest probability • Estimate the pretest probability • Convert pretest probability to pretest odds • Multiply the pretest odds by the likelihood ratio to get posttest odds • Convert the posttest odds to a posttest probability

50. Nomogram for interpreting Diagnostic test result 0.1 99 0.2 95 0.5 90 1 1000 80 500 2 200 70 100 5 60 50 50 20 10 40 10 5 20 30 Pre-test probability Post-test probability 2 1 30 20 40 0.5 0.2 50 10 0.1 60 0.05 0.02 5 70 0.01 80 2 0.005 0.002 90 1 0.001 0.5 95 0.2 99 0.1 Likelihood ratio