Практика, базирана на доказателства, и медицинска статистика
Защото „прочетох нещо онлайн“ не е съвсем достатъчно в AKT.
Последна актуализация: април 2026 г. · Известна още като медицина, базирана на доказателства (EBM)
📥 Изтегляния
Раздаващи материали, резюмета и допълнителни учебни материали — готови, когато сте готови.
Уеб ресурси
Внимателно подбрана комбинация от официални насоки и реални ресурси за обучение на общопрактикуващи лекари. Защото понякога най-добрите перли не се крият в официалните документи.
Едноминутно отзоваване
Сканирайте това преди клиниката — или вечерта преди теста по AKT? Това са нещата, които ви дават точки.
🧮 Формули за риск
- ARR = CER − EER
- NNT = 1 ÷ ARR
- RRR = ARR ÷ CER
- RR = EER ÷ CER
- ННХ = 1 ÷ ARI
🔬 Диагностично изследване
- значение = TP ÷ (TP+FN) → SnNout
- спекулация = TN ÷ (TN+FP) → SpPin
- PPV = TP ÷ (TP+FP) ← падания с ниска честота
- NPV = TN ÷ (TN+FN) ← падания с висока честота
📊 Дизайн на учебни материали
- SR/Мета-анализ → най-високи доказателства
- РКП → златен стандарт за лечение
- Кохорта → Относителен риск и честота
- Случай-контрола → ИЛИ, редки заболявания
- Кръстосано → разпространение
📈 Графики
- Линията с пресичане на ромбове от горски участък = не е значима
- Асиметрия на фунията = пристрастност към публикациите
- Диаграма на Кейтс: NNT = 100 ÷ жълти лица
- Средна линия на кутията = медиана
- I² >50% = значителна хетерогенност
📉 Значение
- p < 0.05 = статистически значимо
- CI кръстосвания 1.0 (съотношение) = не е значимо
- CI кръстосвания 0 (разлика) = не е значимо
- Средна стойност = средна стойност; Медиана = средна стойност
- Правило 68-95-99.7 за нормално разпределение
⚖️ Видове пристрастия
- Селекция → непредставителна извадка
- Припомнете си → случаи запомнете повече
- Публикация → само положителни проучвания
- Време за изпълнение → илюзия за скрининг
- Отпадането → изкривява резултатите
Защо това е важно за общопрактикуващия лекар и AKT
EBM и статистиката не са само теоретични. Във вашия кабинет всеки разговор за възможностите за лечение включва NNT, независимо дали ги посочвате или не. Всеки кръвен тест има чувствителност и специфичност. Всяка нова насока се основава на дизайн на проучването, който влияе върху това колко доверие трябва да ѝ се доверите.
В AKT тази тема представлява значителен дял от точките - приблизително 10-15% от изпита според насоките на RCGP. Това е една от малкото области, където малко количество целенасочено преговорване се отплаща веднага . Много кандидати губят лесни точки тук не защото концепциите са трудни, а защото никога не са седнали и не са ги учили систематично.
Статистическите въпроси в AKT често представят таблица с данни от изпитвания и изискват от вас да изчислите стойност, да интерпретирате графика или да определите най-добрия дизайн на изследването. Те възнаграждават методичното мислене, а не медицинските познания. Това ги прави най-„лесно за научаване“ оценките в изпитния материал.
Медицина, базирана на доказателства (EBM)
„Когато бях на обучение в средата на 1980-те години на миналия век, давах интравенозна инфузия на лидокаин на всеки пациент, който влизаше през вратата след инфаркт. Това беше стандартът. Всички го правеха. Изглеждаше напълно логично.“
— Професор Гордън Гаят, лекарят, който въвежда термина „медицина, базирана на доказателства“, описвайки собственото си обучение преди съществуването на EBM
По-късно той открил, че практиката, в която е бил обучен – и която стотици хиляди лекари по целия свят са практикували – е не само безполезна, но и потенциално убиваща хора. Не поради небрежност. Не поради некомпетентност. А защото никой никога не е тествал правилно дали тя действително работи.
Тази история е причината да съществува медицината, базирана на доказателства – и защо тя е от голямо значение за всеки пациент, когото някога ще видите.
„Съвесно, изрично и разумно използване на най-добрите настоящи доказателства при вземане на решения относно грижите за отделните пациенти.“
— Дейвид Сакет, BMJ 1996 — най-цитираното определение в медицината
Казано на разбираем език: вместо да лекува пациенти въз основа на навици, мнения, традиции или това, което ви е казал вашият професор, EBM изисква да базирате клиничните си решения на най-добрите налични изследвания – стриктно проведени, критично оценени и честно интерпретирани.
То не замества клиничната преценка – то я информира . EBM се основава на три неразделни стълба, които трябва да работят заедно:
🕰️ Как се е появила EBM? — Кратка история
EBM не се появи от нищото. Той беше кулминацията на десетилетия на тихо революционно мислене в Канада и Обединеното кралство.
| година | събитие |
|---|---|
| 1938 | Джон Пол (Йейл) въвежда термина „клинична епидемиология“ – идеята, че медицината трябва да се изучава научно в популации, а не само да се наблюдава при отделни пациенти. |
| 1967 | Университетът Макмастър (Хамилтън, Канада) открива новия си медицински факултет с катедра по клинична епидемиология и биостатистика – радикална по онова време, посветена на прилагането на изследователски методи към клиничните решения. |
| 1972 | Арчи Кокрейн, шотландски епидемиолог, публикува Ефективност и ефикасност: Случайни размисли върху здравните услуги — забележителен текст, в който се твърди, че медицината трябва стриктно да тества собствените си лечения. Неговата работа в крайна сметка дава началото на Кокрейн колаборацията, кръстена в негова чест. |
| 1981 | Дейвид Сакет и колегите му от McMaster публикуват поредица от девет статии в списанието на Канадската медицинска асоциация, в които обучават клиницистите как да оценяват критично медицинската литература. Това е официалното начало на движението за EBM (Electrical Behavior Management - EBM). |
| 1990 | Гордън Гаят, млад директор-резидент в Макмастър, разработва нова учебна програма и първоначално я нарича „Научна медицина“. Колегите се срамуват – твърде директното внушение, че настоящата практика не е научна. |
| 1991 | Гаят преименува подхода „Медицина, базирана на доказателства“ и публикува термина в редакционна статия в ACP Journal Club. Фразата се запомня веднага. |
| 1992 | Знаковият доклад на JAMA — „Медицина, базирана на доказателства: Нов подход към преподаването на медицинска практика“ — представя EBM на света. Гаят си спомня, че първоначалната реакция е била „яростна“. Колегите смятали, че им се казва, че не са добри лекари. |
| 1993 | Официално е основана Кокрейн Колаборейшън — международна мрежа за изготвяне и разпространение на систематични прегледи на здравни доказателства. |
| 1996 | Дейвид Сакет публикува окончателната дефиниция на тристълбовата система в BMJ. EBM става мейнстрийм. |
| 2000 -те години - до днес | EBM става неразделна част от обучението в Обединеното кралство: насоките на NICE, Добрата медицинска практика на GMC и учебната програма на RCGP я изискват. Тя е основата за това как всеки лекар в Обединеното кралство сега се обучава и оценява. |
⚠️ Каква беше медицината преди EBM? Проблемът, който тя реши
Преди EBM, медицината се основаваше на това, което Гордън Гайът запомнящо се нарече „GOBSAT“ - „Добрите стари момчета, седнали около маса“ . Клиничните насоки се пишеха от старши експерти, които обединяваха личните си мнения, а това, което се случваше с пациента, зависеше изцяло от това кой лекар се е сблъскал с него.
- Медицина, базирана на Eminence: Лекувахте пациентите по начина, по който го правеше вашият професор. Авторитетът идваше от старшинството, а не от доказателствата. Консултант, който „винаги го е правил по този начин“ в продължение на 30 години, беше подчинен на очакванията – дори ако „този начин“ никога не е бил тестван.
- Медицина, базирана на интуицията: Ако дадено лечение изглеждаше физиологично обосновано, то се прилагаше. Ако потискането на абнормните сърдечни ритми изглеждаше логично, те се потискаха. Рядко се проверяваше дали това действително помага на пациентите.
- Медицина, базирана на анекдоти: „От моя опит съм установил, че...“ беше стандартът за доказателства. Индивидуалните случаи движеха практиката – дори когато тези случаи бяха статистически отклонения.
- Огромни вариации: Един и същ пациент, който се явява в две различни болници – или дори двама различни лекари в една и съща болница – може да получи напълно различно лечение за абсолютно едно и също състояние.
🔴 Примерът, който промени медицината — проучването CAST
Това не е хипотетично. Това е една от най-важните истински истории в съвременната медицина – и един от най-силните аргументи, от които някога е имала нужда EBM.
Подготовката — логиката, която изглеждаше неоспорима
Инфарктите причиняват опасни нарушения на сърдечния ритъм (вентрикуларни аритмии). Вентрикуларните аритмии причиняват внезапна смърт. Следователно: потискане на аритмиите → предотвратяване на внезапна смърт . Това изглеждаше толкова очевидно правилно, че от 1970-те години на миналия век нататък антиаритмичните лекарства – по-специално лидокаин, флекаинид и енкаинид – рутинно се дават на пациенти след инфаркт в болници по целия свят. Не от време на време. Рутинно. Като стандартна грижа.
Процесът — Някой действително го е тествал
През 1987 г. в Проучването за потискане на сърдечната аритмия (CAST) са включени над 1,700 пациенти след прекаран миокарден инфаркт и са рандомизирани да получават антиаритмични лекарства (флекаинид или енкаинид) или плацебо. Лекарствата са направили точно това, което е трябвало - успешно са потиснали аритмиите. Но се е случило нещо неочаквано.
Резултатът - това, което никой не очакваше
Пациентите, приемащи лекарствата, са били 2.5 пъти по-склонни да починат, отколкото тези, приемащи плацебо. Проучването е трябвало да бъде прекратено преждевременно, защото вредата е била очевидна. Лекарствата са убивали точно тези пациенти, които е трябвало да защитават.
NNH = 21. На всеки 21 пациенти, лекувани с флекаинид или енкаинид, е починал един допълнителен човек, който иначе би оцелял.
Урокът
Гордън Гаят — тогава млад кардиолог — лично е прилагал инфузии с лидокаин на всеки пациент след инфаркт на миокарда, който е преминавал през отделението му. Той е следвал най-добрите практики. Бял е обучен правилно. Имал е добри намерения. И все пак, без строгите тестове на рандомизирано контролирано проучване, нито той, нито колегите му са имали начин да знаят, че лечението е вредно. Това преживяване се е превърнало в основна причина, поради която той е посветил кариерата си на EBM (ефективна терапия). Историята на медицината, по-късно той казва, „е пълна с лечения, които са се основавали предимно на догадки и интуиция, а не на солидни доказателства“.
Преди EBM (EBM), това, което получаваш, зависеше от това къде живееш, в коя болница си постъпвал и кой лекар те е прегледал. Един и същ пациент със същото състояние можеше да получи напълно различно лечение в Лийдс и Лондон. Различни болници. Различни страни. Абсолютно различни резултати.
EBM промени това. Чрез обвързване на клиничните решения с един и същ набор от доказателства – едни и същи проучвания, едни и същи систематични прегледи, едни и същи насоки – тя даде на медицината общ език и общ стандарт. Днес пациент, който се представя с миокарден инфаркт в Брадфорд, и пациент, който се представя с миокарден инфаркт в Бристъл, трябва да получават по същество еднакви грижи, основани на доказателства. Не защото лекарите са идентични, а защото лечението се определя от доказателствата, а не от индивидуалните предпочитания.
В Обединеното кралство това се операционализира чрез насоките на NICE , учебната програма на RCGP , индикаторите за качество на обучението (QOF) , клиничните одити и изпитите на MRCGP — всички от които изискват и оценяват практика, основана на доказателства. Когато се явите на AKT, се проверява способността ви да прилагате тази рамка.
🌍 Свят без EBM — Международната картина
Ангажиментът на Обединеното кралство към EBM (ефективната терапия на пациентите) – чрез NICE, NHS и следдипломно обучение – не е универсален. В много части на света това, което получавате като пациент, все още зависи до голяма степен от това кой ви преглежда, къде се представяте и колко можете да платите. Разбирането на това ви помага да оцените от какво EBM защитава вашите пациенти.
Описаната по-долу разлика отразява здравните системи и структури , а не компетентността или всеотдайността на отделните лекари. Много блестящи, трудолюбиви лекари практикуват във всяка от изброените страни. Проблемът е липсата на стандартизираща инфраструктура – насоки, надзор, рамки за обучение – която EBM предоставя. Отделните лекари не могат сами да преодолеят системните проблеми.
| Държавa | Как се променя практиката без силни рамки за EBM |
|---|---|
| 🇮🇳 Индия (частен сектор) | А 2018 Ланцет Проучване установи, че процентът на цезарово сечение е 40–58% в частните болници в сравнение с 10–14% в държавните заведения – често провокирано от финансови стимули, а не от клинична нужда. Прекомерното изследване и полифармацията са широко документирани в частния сектор. Един и същ пациент с рак може да получи драстично различно лечение в зависимост от това къде се явява и какво може да си позволи. |
| 🇵🇰 Пакистан | Значителни различия в спазването на указанията за употреба на антибиотици — един от най-високите проценти на предписване на антибиотици в Южна Азия. Резистентната на лекарства туберкулоза и антимикробната резистентност са преки последици. Достъпът до специализирани грижи и стандартизирани пътища за лечение е силно зависим от географското положение и доходите. |
| 🇳🇬 Нигерия / 🇬🇭 Гана | Магнезиевият сулфат е препоръчаното от СЗО, доказателствено и евтино лечение за еклампсия. Проучванията показват, че той значително намалява майчината смъртност. Наличността и действителната употреба в нигерийските и ганайските заведения обаче варират значително в зависимост от болничните ресурси и обучението на лекарите – което означава, че от това до кое заведение ще стигне жена с еклампсия може да зависи дали ще живее или ще умре. |
| 🇸🇩 Судан / 🇮🇶 Ирак | Продължителният конфликт и нестабилност опустошиха здравната инфраструктура. В Ирак след 2003 г. обществените здравни услуги се сринаха, прилагането на насоките беше спряно, а достъпът до основни лекарства стана зависим от географското положение. В Судан конфликтът наруши програмите за ваксинация, услугите за майчино здраве и лечението на хронични заболявания. Различията в практиките в такива среди не са въпрос на предпочитания, а на това, което е налично. |
| 🇪🇬 Египет / 🇮🇷 Иран | И двете страни имат медицински факултети, които подготвят квалифицирани лекари, и са публикували насоки за EBM (ефективна терапия), но прилагането им е непоследователно между публичния и частния сектор, както и между градските и селските райони. В Иран международните санкции са повлияли на достъпността на лекарства, налагайки адаптации, които се отклоняват от протоколите, основани на доказателства. |
| 🇷🇴 Румъния | Румъния документира практиката на пликул („плик“) — неформални парични плащания на лекари и медицински сестри за осигуряване на грижи. Официално незаконно, широко практикувано. Парламентарните разследвания и разследващата журналистика потвърдиха, че качеството на хирургичните грижи може да зависи от това, което пациентът може да плати частно, независимо от официалните му права, еквивалентни на тези на NHS. Изтичането на мозъци е довело до напускането на приблизително 14 000+ лекари след присъединяването към ЕС. |
| 🇺🇸 Съединени щати | Най-скъпото здравеопазване в света — над 12 000 долара на човек годишно — но резултатите често не са по-добри от тези в Обединеното кралство. Проектът Dartmouth Atlas документира огромни географски различия в клиничната практика: един и същ пациент в Маями може да получи два пъти повече изследвания и процедури от същия пациент в Минеаполис, без разлика в резултатите. Проучване на JAMA от 2019 г. изчислява, че 935 милиарда долара — приблизително една четвърт от всички разходи за здравеопазване в САЩ — се губят за ненужни грижи. Кризата с опиоидите беше отчасти подхранвана от фармацевтични компании, които влияят върху практиките за предписване извън рамките на EBM. |
| 🇫🇷 Франция | Франция има отлично здравеопазване, но процентите на предписване на антибиотици исторически са сред най-високите в Европа, отчасти поради културните очаквания, че консултацията винаги трябва да завършва с рецепта. Кампаниите за намаляване на това („Антибиотиците не са автоматични“) са помогнали, но тенденцията илюстрира как културният и търговски натиск може да надделее над насоките, основани на доказателства, дори в сложни системи. |
| 🇮🇹 Италия | Качеството на здравеопазването в Северна Италия (Милано, Болоня) е сред най-добрите в Европа. В някои части на Южна Италия картината е много различна — по-дълго време на чакане за онкологична операция, по-непоследователно прилагане на скринингови програми, по-ниско придържане към грижи, основани на насоки. Географският произход в рамките на една и съща държава може значително да повлияе на резултатите. |
| 🇬🇷 Гърция / 🇪🇸 Испания | Кризата с мерките за строги икономии в Гърция (2010–2015 г.) доведе до съкращения на разходите за здравеопазване с над 25%, което доведе до документиран недостиг на лекарства, съкращения на персонал и влошаване на качеството. Над 35 000 здравни работници емигрираха. В Испания са документирани значителни регионални вариации в процентите на преживяемост при рак – туморът, който развивате, може да се държи различно в зависимост от региона, в който живеете, не защото биологията се различава, а защото системата прилага лечение, основано на доказателства. |
В здравните системи без стабилни рамки за EBM или универсални права за достъп, връзката между плащането и качеството на лечението често е пряка и документирана:
- В някои индийски частни болници пациент, който се явява с болка в гърдите и може да плати за частни грижи, може да получи незабавна катетеризация и стентиране. Същият пациент в публичната система може да чака часове за ЕКГ.
- В някои части на Субсахарска Африка, дали дете с тежка малария ще получи комбинирана терапия, базирана на артемизинин (стандарт, основан на доказателства), или по-старо, по-малко ефективно лекарство, зависи от това до кое заведение ще стигне и колко може да плати семейството му.
- В страни без универсален достъп до лекарства, химиотерапевтичните средства за рак може да са достъпни само за тези, които могат да си платят от джоба – което означава, че идентичните видове рак имат драстично различни резултати, основани единствено на доходите.
- В Румъния и някои други източноевропейски страни качеството на хирургичната процедура – старанието на хирурга, качеството на анестезиологичното наблюдение, дори наличието на следоперативни медицински грижи – е документирано като зависимо от неформалното заплащане, а не от клиничната нужда.
Всеки път, когато се качвате на търговски полет, вие се възползвате от една от най-ефективните системи за безопасност, които хората някога са изграждали. Не защото отделните пилоти са изключително талантливи - въпреки че са. А защото авиацията е изградена около стандартизирани, доказани протоколи . Всеки пилот, всяка авиокомпания, всяка държава следва едни и същи контролни списъци преди полета, едни и същи процедури за кацане, едни и същи протоколи за аварийни ситуации. Системата ви защитава, независимо кой пилот сте избрали.
Медицина без EBM е авиация без контролни списъци. Вашата безопасност зависи изцяло от това дали сте попаднали на добър пилот, дали този пилот е преминал обучението си достатъчно скоро, дали има добър ден и дали е чул най-новите идеи от някого, на когото има доверие.
EBM замества късмета със системи. Заменя „по мой опит“ с „в 15 000 проучвания, включващи 2 милиона пациенти“. Заменя мнението на най-старшия в залата с натрупаните доказателства от колективния клиничен опит на човечеството. Не бихте ли предпочели това за вашите пациенти? Не биха ли го предпочели вашите пациенти за себе си?
- Всяко ръководство на NICE, което следвате, е продукт на систематичен преглед на доказателствата – някой е свършил работата, за да гарантира, че това, което правите, е подкрепено от най-добрите налични научни данни.
- Всеки въпрос от AKT, свързан със статистиката и изследователските методи, тества способността ви да оценявате критично доказателствата – да бъдете активен потребител на EBM, а не пасивен следващ инструкции.
- Когато обяснявате на пациента какво е необходимо да се лекува с лекарство (NNT), обсъждате ограниченията на скринингов тест или отказвате да предпишете антибиотик, който не е показан, вие практикувате EBM – съзнателно, изрично и разумно.
- И когато фармацевтичен представител седи срещу вас и ви казва, че новото им лекарство намалява сърдечно-съдовите инциденти с 35%, първият ви въпрос – „35% относително или абсолютно?“ – е въпросът, който EBM научи медицината да задава.
Дизайн на изследванията и йерархия на доказателствата
Преди да интерпретирате който и да е резултат, трябва да знаете откъде идва . Различните дизайни на изследванията отговарят на различни въпроси, генерират различна статистика и носят различни нива на надеждност.
Пирамидата на доказателствата
Най-силните доказателства са отгоре; най-слабите са отдолу
⬆ Най-силни доказателства | ⬇ Най-слаби доказателства
| Уча дизайн | Посока | Най-добър за | Генерира | Ключова слабост |
|---|---|---|---|---|
| Систематичен преглед / Мета-анализ | - | Най-доброто общо доказателство по даден въпрос | Размер на обединения ефект | Само толкова добри, колкото са основните изследвания; хетерогенност |
| РКИ (Рандомизирано контролирано проучване) | напред | Лечението X работи ли? | RR, ARR, NNT | Скъпа, изкуствена обстановка, етични проблеми |
| Кохортно проучване | Напред (перспективно) или назад (ретроспективно) | Излагането причинява ли резултат? Честота? | Относителен риск (RR), Честота | Изтощение; скъпо с течение на времето; объркващо |
| Проучване случай-контрола | назад | Редки заболявания; рискови фактори | Коефициент на вероятност (OR) | Пристрастие към припомняне; не може да се изчисли директно честотата |
| Кръстосано проучване | Единична снимка | Колко често срещан е X в момента? (разпространение) | преобладаване | Не може да се установи причинно-следствена връзка; времева неяснота |
| Доклад от случай / Експертно мнение | - | Генериране на хипотези; редки събития | Само описание | Силно податлив на пристрастия; не може да се обобщава |
📖 Качествено срещу количествено изследване
Отговаря с „колко“ или „колко“. Използва числа, статистика и структурирани данни. Примери: рандомизирани контролирани проучвания (RCT), кохортни проучвания, проучвания с числени резултати. Генерира p-стойности, доверителни интервали (CI), числа за ненулево преброяване (NNT).
Отговаря с „защо“ или „как“. Използва думи, теми и интервюта. Примери: фокус групи, етнографски изследвания, обоснована теория. Изследва преживяванията и вярванията на пациентите.
🔬 Систематичен преглед срещу мета-анализ - не е едно и също нещо
Систематичен преглед: Стриктно, структурирано търсене на литература, което идентифицира, подбира и критично оценява всички релевантни изследвания по даден въпрос. Резултатът е качествено обобщение на доказателствата.
Мета-анализ: Систематичен преглед, който отива една стъпка по-далеч — той математически обединява количествените резултати от множество проучвания в една комбинирана оценка. Не всички систематични прегледи включват мета-анализ (напр. ако проучванията са твърде хетерогенни, за да бъдат комбинирани).
🔄 Рамката PICO
PICO е стандартната рамка за структуриране на клиничен изследователски въпрос — използвана за търсене в литературата и дизайнерски проучвания.
| писмо | Означава за | Пример |
|---|---|---|
| P | Население / Пациент | Възрастни с диабет тип 2 |
| I | Намеса | SGLT2 инхибитори |
| C | сравнение | Метформин самостоятелно |
| O | Резултат | Сърдечно-съдови събития на 5 години |
🎲 Характеристики на дизайна на RCT (често тествани)
| Особеност | Какво означава | Защо има значение |
|---|---|---|
| Рандомизирането | Участниците са разпределени в групи на случаен принцип | Елиминира пристрастията при подбора; балансира объркващите фактори |
| Единична щора | Участниците не знаят разпределението си | Намалява плацебо ефекта и пристрастността на участниците |
| Двойно сляпо | Нито участниците, нито изследователите знаят разпределението | Елиминира пристрастията на наблюдателите И пристрастията на участниците |
| Тройно сляпо | Участници, изследователи И анализатори на данни са заслепени | Максимално намаляване на отклонението |
| Намерение за лечение (ITT) | Анализирани в оригиналната им група, независимо от придържането | Запазва рандомизацията; отразява употребата в реалния свят |
| Според протокола | Анализирани само ако са изпълнили протокола | Показва биологична ефикасност, но надценява реалната полза |
| Дизайн на кросоувър | Участниците получават и двете лечения последователно | Всеки човек действа като свой собствен контрол; нуждае се от период на отмиване. |
| Скриване на разпределението | Лицето, което набира участници, не може да види към коя група ще бъде присвоен следващият участник, докато след те са били записани | Предотвратява подсъзнателно (или умишлено) разпределянето от страна на набиращия персонал на по-здрави пациенти към групата за лечение – форма на пристрастност при подбора, която само рандомизацията не предотвратява. |
| Клъстерно рандомизирано контролирано проучване (РКП) | Цели групи (напр. лекарски кабинети, отделения, училища) са рандомизирани, а не отделни лица | Използва се, когато индивидуалната рандомизация е непрактична (напр. тестване на нов стил на консултация). Изисква по-големи размери на извадката и статистическа корекция за ефект на клъстеризация. |
Намерението за лечение дава по- консервативна (по-ниска) оценка на ефективността, защото включва участници, които не се придържат към лечението. Това е предпочитаният анализ за клинични решения. Анализът „по протокол“ надценява ефективността, но е полезен за разбиране на биологичния механизъм.
⚖️ Проучвания за превъзходство, не по-ниска ефективност и еквивалентност
Не всички проучвания задават един и същ въпрос. AKT понякога проверява дали разбирате какво всъщност е било предназначено да покаже едно проучване – и защо това е важно при интерпретирането на резултатите му.
| Пробен тип | Въпросът, който се задава | Общ контекст |
|---|---|---|
| Проба за превъзходство | „Новото лечение ли е по-добре, отколкото сравнителният продукт? | Повечето стандартни рандомизирани контролирани проучвания — тестване на наистина ново лекарство или подход |
| Проучване за не по-малка ефикасност | „Новото лечение ли е не по-лошо от сравнителния елемент с повече от предварително зададен малък марж? | Ново лекарство с по-малко странични ефекти, по-ниска цена или по-лесно за приложение - целта е да се покаже, че е „достатъчно добро“ |
| Пробно изпитване за еквивалентност | „Двете лечения ли са по същество същото?" | Биоподобни лекарства; генерични лекарства; различни пътища на приложение |
Нов антикоагулант може да се окаже „не по-ефективен“ от варфарин за профилактика на инсулт – не по-добър, но не и значително по-лош – като същевременно е по-лесен за употреба (без мониторинг на INR). Това е клинично ценно откритие, дори ако лекарството не е „победило“ варфарин. AKT може да ви помоли да интерпретирате правилно резултата от проучване за не по-ефективност.
Проучване за не-инфериорност, което показва „няма значителна разлика“, не е същото като проучване за превъзходство, което показва „няма значителна разлика“. В проучване за превъзходство, незначителен резултат означава, че не сте успели да докажете, че новото лекарство действа по-добре. В проучване за не-инфериорност, незначителната разлика е точно това, на което сте се надявали.
Изследователска пристрастност, валидност и надеждност
| Тип отклонение | дефиниция | Кои дизайни на проучването? | Как да го намалим |
|---|---|---|---|
| Пристрастия при избора | Участниците не са представителни за целевата популация | Всички видове | Рандомизация; внимателно вземане на проби |
| Пристрастие при извикване | Случаите (хора със заболяване) си спомнят минали експозиции по-ярко от контролната група | Проучвания случай-контрола | Обективни източници на данни; стандартизирано разпитване |
| Пристрастност на публикацията | Положителните/значими изследвания се публикуват по-често от отрицателните. | Мета-анализи (открити чрез фуниевидна диаграма) | Регистрация за изпитване; търсене на сива литература |
| Пристрастие към изчезване | Загубата на участници за последващо наблюдение изкривява резултатите (отпадналите се различават от завършилите) | Кохортни проучвания, рандомизирани контролирани проучвания | Анализ на намерението за лечение; минимизиране на отпадането |
| Отклонение във времето за изпълнение | Скринингът дава илюзията за подобрена преживяемост чрез по-ранно откриване на заболяването | Скринингови проучвания | Използвайте смъртност, специфична за заболяването, а не преживяемост от поставяне на диагнозата |
| Отклонение от дължината | Скринингът открива по-бавно развиващи се (по-малко агресивни) заболявания | Скринингови проучвания | Рандомизирани контролирани проучвания със специфични за заболяването резултати |
| Пристрастие на наблюдателя / оценката | Познаването на разпределението на лечението влияе върху оценката на резултата | РКИ | Заслепяване (единично, двойно, тройно) |
| Ефектът на Хоторн | Участниците променят поведението си, защото знаят, че са наблюдавани | Всички видове, особено наблюдателни | Контролни групи; слепи наблюдатели |
| Пристрастие при проверката | Само пациенти с положителен резултат от теста получават златния стандарт за потвърдителен тест — така че чувствителността изглежда фалшиво висока, а специфичността фалшиво ниска. | Диагностични тестове | Уверете се, че всички пациенти (положителни и отрицателни) получават златния стандартен тест |
| Объркващо | Трета променлива е свързана както с експозицията, така и с резултата, което изкривява видимата връзка. | Наблюдателни изследвания | Рандомизация (РКП); стратификация; многовариантен анализ |
🔀 Объркващо — когато две неща изглеждат свързани, но не са
Объркването е една от най-важните концепции в методологията на изследването – и една от най-честите причини, поради които привидно убедителните наблюдателни открития се оказват погрешни. Ключовата идея е проста: две неща могат да изглеждат свързани не защото си влияят пряко, а защото и двете са свързани със скрита трета променлива.
Объркваща променлива ( или объркваща променлива) е трета променлива, която е независимо свързана както с експозицията , така и с резултата. Тя създава фалшива (фалшива) връзка – или маскира реална – между експозицията и резултата, които изучавате.
Класически примери
| Видима връзка | Обърквателят | Защо това обяснява всичко |
|---|---|---|
| Продажби на сладолед → смъртни случаи от удавяне | Горещо време (лято) | Горещото време причинява както повече консумация на сладолед, така и повече плуване → повече удавяния. Сладоледът не причинява удавяне. |
| Пиене на кафе → рак на белия дроб | пушене | Пушачите пият средно повече кафе. Ранни проучвания свързваха кафето с рака - докато тютюнопушенето не беше поставено под контрол. |
| Носене на запалка → рак на белия дроб | пушене | Пушачите носят запалки. Запалката няма биологичен ефект, докато пушенето има. |
| Сива коса → сърдечно заболяване | Възраст | Както сивата коса, така и сърдечните заболявания се увеличават с възрастта. Възрастта е объркващият фактор, а не цветът на косата. |
| Размер на обувките → способност за четене (при деца) | Възраст | По-големите деца имат по-големи крака И четат по-добре. Възрастта обяснява и двете. |
Променливата е объркваща, ако отговаря на всичките три условия:
- Свързано е с експозиция (нещото, което изучавате)
- Свързано е с резултат (резултатът, който измервате)
- Е не върху причинно-следствената връзка между експозицията и резултата (това е отделна трета променлива, а не междинна стъпка)
- Рандомизирането (в рандомизирани контролирани проучвания) — разпределя известните и неизвестните объркващи фактори по равно между групите. Това е най-силната защита.
- ограничение — записвайте само участници, които са сходни по объркващия фактор (напр. само непушачи в проучването с кафе)
- Съчетаване — сдвоени случаи и контроли върху объркващата променлива
- Стратификация — анализирайте резултатите поотделно за всяко ниво на объркващия фактор
- Многовариантна статистическа корекция — статистически отчитат едновременно множество объркващи фактори
В добре проведено рандомизирано контролирано проучване (РКП), рандомизацията разпределя объркващите фактори (както известни, така и неизвестни) по равно между групите, елиминирайки объркващите фактори като обяснение за разликите. В кохортните и контролните проучвания можете да коригирате само за объркващи фактори, за които знаете и които сте измерили. Неизмерените объркващи фактори винаги остават потенциално обяснение за всяка наблюдавана връзка – ето защо наблюдателните проучвания никога не могат окончателно да докажат причинно-следствена връзка.
✅ Валидност и надеждност — каква е разликата?
Измерва ли проучването това, което твърди, че измерва, в рамките на изследваната популация? Достоверни ли са резултатите от това проучване? Застрашено ли е от пристрастия и объркване.
Могат ли резултатите да се приложат към други популации или реални условия? Високо контролирано рандомизирано контролирано проучване в специализиран център може да не отразява случващото се в първичната медицинска помощ.
Тестът дава ли последователни резултати, когато се повтаря при едни и същи условия? Измерва се чрез надеждност между оценители (капа статистика) или надеждност при повторно тестване.
Измерва съгласието между двама оценители отвъд случайността. κ = 1 (перфектно съгласие); κ = 0 (съответствието не е по-добро от случайността); κ < 0 (по-лошо от случайността).
Измерване на риска и ефекта от лечението
Това е най-тежко тестваната област в статистиката на AKT. Трябва да знаете тези формули наизуст и да можете да ги прилагате към таблици с данни от пробни изпити при изпитни условия.
Ключовите показатели
📊 Интерпретация на NNT — Какво всъщност означават числата?
NNT (число, необходимо за лечение) ви показва колко пациенти трябва да лекувате, за да се получи полза от един . Така че, колкото по-малко пациенти трябва да лекувате, за да получите една полза, толкова по-ефективно е лечението. NNT = 2 означава полза за 1 на всеки 2 пациенти - това е отлично. NNT = 100 означава само ползи за 1 на 100 - много по-слаби.
| Диапазон NNT | Грубо тълкуване | Примерен контекст |
|---|---|---|
| <10 | Много ефективен | Антибиотици за определени инфекции; някои остри лечения |
| 10 - 50 | Умерен ефект | Много често срещани превантивни лекарства |
| > 100 | Слаб ефект | Някои превантивни стратегии на ниво население |
Тези прагове не са от NICE или RCGP — те са само приблизителни учебни помагала. „Правилното“ NNT винаги зависи от контекста:
- NNT от 100 може би все още си струва ако предотвратеният резултат е смърт или тежки необратими увреждания
- NNT от 5 може да не е приемливо ако лечението има чести или сериозни странични ефекти
Правило с един ред: NLL (числото за лечение на нежелана реакция) ви показва колко пациенти лекувате, за да се възползва един от тях — по-малко = по-силен ефект. Но винаги го претегляйте спрямо тежестта на резултата и тежестта на лечението.
Ако 60 от 100 пациенти се повлияят добре, това е ARR от 60% (= 0.6), което дава NNT = 1 ÷ 0.6 ≈ 1.7 — отличен резултат. NNT не е броят на пациентите, които се повлияват добре; това е броят на пациентите, които лекувате, за да получите една полза.
📖 Коефициент на вероятност и коефициент на риск — кога се използват?
| Мярка | Използвано в | Тълкуване |
|---|---|---|
| Относителен риск (ОР) | Кохортни проучвания, рандомизирани контролирани проучвания | Директно сравнява риска в две групи. По-интуитивно от OR. |
| Коефициент на вероятност (OR) | Проучвания случай-контрола | Сравнява вероятността от експозиция при случаи спрямо контролите. Приблизително определя RR, когато заболяването е рядко. |
| Коефициент на риск (HR) | Анализ на преживяемостта (време до събитие) | Като RR, но отчита когато събитията се случват с течение на времето. HR <1 = намален риск в лекуваната група. |
За често срещани заболявания, коефициентът на риск (OR) надценява риска в сравнение с коефициента на риск (RR). За редки заболявания (<10% разпространение) те са приблизително равни. Проучване случай-контрола генерира OR — не можете директно да изчислите честотата или RR от проучване случай-контрола.
🧮 Разработен пример — Изчисляване на NNT от данни от изпитване
🎯 Сценарий: Пробно лечение със статини
5-годишно рандомизирано контролирано проучване показва, че сред пациенти с висок сърдечно-съдов риск: 6% в групата на плацебо са претърпели инфаркт, в сравнение с 4% в групата на статини.
Лекувайте 50 пациенти в продължение на 5 години, за да предотвратите 1 инфаркт
Звучи впечатляващо! Но абсолютната полза е само 2%.
Групата, приемаща статини, е имала 67% от риска спрямо групата, приемаща плацебо - относително намаление с 33%.
Когато пациент попита „Ще ми помогне ли този статин?“, използвайте NNT (число, необходимо за лечение). „Ако 50 души като вас приемат тази таблетка в продължение на 5 години, ще бъде предотвратен 1 инфаркт. За вас лично това е 2% абсолютна полза.“ Това е далеч по-честно от „Намалява риска ви с 33%“.
💬 Комуникиране на риска с пациентите (любимец на AKT)
AKT често тества как бихте обяснили статистическа информация на пациентите. Има четири основни формата:
| формат | Пример | Най-добър за |
|---|---|---|
| Естествена честота | „5 от всеки 100 души“ | Най-лесно за разбиране от пациентите |
| Процент | „5% от хората“ | Широко използван, но може да подвежда |
| NNT | „Лекувайте 20, за да предотвратите 1 събитие“ | Ясно съобщава абсолютната полза |
| Сюжет на Кейтс | Визуална решетка от 100 лица | Най-доброто визуално помагало за споделено вземане на решения |
Да се твърди „това намалява риска ви с 33%“, без да се посочва изходният риск, е подвеждащо. 33% RRR от изходно ниво от 0.3% означава, че абсолютната ви полза е 0.1%. Винаги съчетавайте RRR с изходния риск или вместо това давайте ARR/NNT.
💊 Трикът с фармацевтичните представители — Как фармацевтичните компании манипулират статистиката
Представителите на фармацевтичните компании са обучени да представят данните от проучванията в най-благоприятна светлина. Те използват прост, но ефективен статистически трик:
- Ползи → цитирани като относително намаляване на риска (ОРР) — защото звучи по-голямо и по-впечатляващо
- Вреди → цитирано като Абсолютно увеличение на риска (ARI) — защото звучи по-малко и по-малко притеснително
Работен пример — посещение на фиктивен представител на статини
Нов статин намалява инфарктите от 2% на 1% за 5 години, но увеличава миопатията от 1% на 2%.
Противоотровата: винаги питайте – „Каква е абсолютната разлика?“ Когато търговски представител цитира относителна цифра, преобразувайте я сами: ARR = CER − EER, след това NNT = 1 ÷ ARR. Това важи еднакво за ползите и вредите.
Диагностично тестване и скрининг — таблицата 2×2
Таблицата за контингентност 2×2 е основата на всички диагностични статистики. Ако можете да съставите и прочетете тази таблица, ще можете да отговорите на повечето диагностични въпроси за AKT.
Масата 2×2
| ДЕЙСТВИТЕЛНО СЪСТОЯНИЕ НА ЗАБОЛЯВАНЕТО | ||
|---|---|---|
| РЕЗУЛТАТ ОТ ТЕСТ | Болест Представяне | Болест Липсващ |
| Положителен тест | Истински положителен (TP) Тестът показва ДА → има заболяване ✓ |
Фалшиво положителен (FP) Тестът казва ДА → няма заболяване ✗ |
| Тестът е отрицателен | Фалшиво отрицателен (FN) Тестът показва НЕ → има заболяване ✗ |
Истински отрицателен (TN) Тестът показва НЕ → няма заболяване ✓ |
🧠 SnNout & SpPin — Помощните средства за памет (и защо работят)
Sn out: Високочувствителен тест , ако е отрицателен , изключва заболяването.
Ако чувствителността е много висока, отрицателният резултат от теста означава, че заболяването е много малко вероятно (нисък процент на фалшиво отрицателни резултати). Използвайте чувствителен тест за скрининг и изключване.
Sp in: Високоспецифичен тест , ако е положителен , изключва заболяването In.
Ако специфичността е много висока, положителният резултат от теста означава, че заболяването е много вероятно (нисък процент на фалшиво положителни резултати). Използвайте специфичен тест, за да потвърдите диагнозата.
📊 Ефектът на разпространението върху PPV и NPV — Critical AKT Topic
Това е една от най-важните и най-изпитани концепции в диагностичната статистика. Чувствителността и специфичността са фиксирани свойства на теста. Но PPV и NPV се променят драстично в зависимост от това колко често е заболяването в популацията, която тествате.
| Сценарий | преобладаване | PPV | NPV |
|---|---|---|---|
| Скрининг на общото население за рядко заболяване (напр. ХИВ при хора с нисък риск) | 1% | НИСКО (~16%) | ВИСОКО (~99.9%) |
| Изследване в специализирана клиника с висок риск | 50% | ВИСОКО (~95%) | ВИСОКО (~95%) |
- С нарастване на разпространението ↑ → PPV ↑, NPV ↓
- С нарастване на разпространението ↓ → PPV ↓, NPV ↑
- В популация с ниска разпространеност, повечето положителни резултати са фалшиво положителни (ниска PPV) - дори при високоспецифичен тест.
- Отрицателен тест при популация с висока разпространеност все пак може да пропусне заболяването (по-ниска нетна настояща стойност)
📐 Коефициенти на вероятност — когато искате да стигнете по-далеч
Коефициентите на вероятност (LR) комбинират чувствителността и специфичността в едно число, което ви показва с колко даден резултат от теста измества вероятността от заболяване. По-усъвършенствани от PPV/NPV, но полезни - и понякога тествани в AKT.
| LR+ | Влияние върху вероятността след теста |
|---|---|
| > 10 | Голямо и често убедително увеличение на вероятността |
| 5-10 | Умерено увеличение |
| 2-5 | Малко увеличение |
| 1 | Няма промяна (тестът е безполезен) |
| 0.1-0.5 | Малко до умерено намаление |
| <0.1 | Голямо намаление — силно отрицателно изключване |
Статистика на населението и епидемиология
📊 Стандартизиран коефициент на смъртност (SMR)
| Стойност на SMR | Тълкуване |
|---|---|
| = 100 | Смъртността е същата като при референтната популация |
| > 100 | Прекомерна смъртност (по-висока от очакваната) |
| <100 | По-ниска смъртност от очакваната |
🎯 Проверка — Отклонение във времето за изпълнение и дължината (ключови капани на AKT)
Скринингът открива заболяването по-рано, което създава впечатление, че преживяемостта се е подобрила - дори ако пациентът почине в същия момент. „Времето за преживяемост от поставяне на диагнозата“ просто е удължено чрез ранно откриване, а не чрез действителна полза от лечението. Пациентът не живее по-дълго; той просто знае, че ще живее по-дълго.
Скрининговите програми е по-вероятно да открият бавно развиващо се, индолентно заболяване (което има по-дълга „откриваема предклинична фаза“), отколкото агресивно заболяване, което прогресира бързо. Това прави скрининга да изглежда по-ефективен, отколкото е в действителност при тежко заболяване.
✅ Критерии за скрининг на Wilson & Jungner
Преди да бъде въведена скринингова програма, тя трябва да отговаря на критериите на Уилсън и Юнгнер (първоначално публикувани през 1968 г., все още стандартната рамка). AKT проверява както познаването на тези критерии, така и приложението им към различни сценарии.
| # | критерий | Какво означава това на практика |
|---|---|---|
| 1 | Важен здравословен проблем | Състоянието е със значителна заболеваемост или смъртност — струва си усилието за скрининг |
| 2 | Налично е прието лечение | Няма смисъл да откриваш болест, която не можеш да лекуваш |
| 3 | Налице са съоръжения за диагностика и лечение | Инфраструктурата трябва да е налице преди стартирането |
| 4 | Разпознаваем латентен или ранен стадий | Заболяването трябва да има забележима предсимптоматична фаза |
| 5 | Наличен е подходящ тест | Тестът трябва да е приемлив за населението, безопасен и сравнително точен |
| 6 | Тест, приемлив за населението | Хората трябва да са готови да се подложат на това – инвазивните или неприятни тестове могат да възпрепятстват приемането им. |
| 7 | Адекватно разбрана естествена история | Трябва да се знае как ще се развие заболяването, ако не се лекува. |
| 8 | Договорена политика за това кой да се лекува | Необходими са ясни протоколи – не само откриване, но и какво се случва след това |
| 9 | Рентабилен | Разходите за намиране на всеки случай трябва да бъдат балансирани спрямо ползата |
| 10 | Непрекъснат процес, а не еднократен | Скринингът трябва да бъде непрекъснат — разпространението на заболяванията продължава |
Скринингът за PSA за рак на простатата не е част от националната скринингова програма на NHS, именно защото не отговаря на критерии 5 и 7: PSA не е достатъчно точен тест (ниска специфичност → много фалшиво положителни резултати), а естественият ход на много нискостепенни ракови заболявания на простатата означава, че те никога не биха причинили симптоми през живота на пациента. Това е пряко свързано със свръхдиагностицирането (вижте по-долу).
🔍 Свръхдиагностика — Откриване на проблеми, които не биха причинили проблеми
Свръхдиагностицирането се случва, когато се открие истинско заболяване – такова, което наистина съществува – но това заболяване никога не би причинило симптоми, вреда или смърт през живота на пациента, ако не е било открито. Това не е фалшиво положителен резултат (болестта е реална); това е истински положителен резултат, който не е било необходимо да бъде открит.
Свръхдиагностицирането превръща здравите хора в пациенти. То ги излага на тревожността, страничните ефекти и рисковете от лечението на състояние, което никога не би им навредило. Това е една от най-сериозните вреди на скрининговите програми – и такава, която AKT тества директно.
| състояние | Пример за свръхдиагностика |
|---|---|
| Рак на простатата | Много нискостепенни видове рак, открити чрез PSA, никога не биха прогресирали или причинили симптоми - мъжете умират с тях, не от тях |
| Рак на тироидите | Ултразвукът открива малки папиларни ракови заболявания на щитовидната жлеза, които са почти повсеместно лениви - откриваемостта се е увеличила, но смъртността е непроменена |
| DCIS (гърда) | Дуктален карцином in situ, открит чрез мамография - някои никога не биха се развили в инвазивен рак |
Свръхдиагностика = откриване на заболяване, което не е било необходимо да бъде открито. Свръхлечение = лечение на заболяване, което не е било необходимо да бъде лекувано (което може да последва свръхдиагностика или да се появи независимо). Това са свързани, но различни понятия.
🔢 Стандартизация на възрастта
Когато сравнявате нивата на заболеваемост или смъртност между различни популации (напр. различни държави, различни периоди от време), трябва да вземете предвид факта, че тези популации може да имат различно възрастово разпределение. По-възрастните популации естествено ще имат по-висока смъртност, дори ако здравето им е еднакво добро.
Стандартизацията на възрастта е статистическа техника, която премахва изкривяващия ефект на различните възрастови разпределения при сравняване на здравните резултати между популациите. Тя води до процент, който би се наблюдавал, ако и двете популации имаха еднаква възрастова структура („стандартната популация“).
🎗️ Статистика за рака — AKT Must-Knows
AKT понякога тества специфични статистически данни за рака. Не са ви необходими изчерпателни познания за онкологията, но тези водещи данни се появяват и си струва да се знаят.
| Рак | Ключова статистика | Защо има значение |
|---|---|---|
| Рак на тестисите | >98% 10-годишна преживяемост | Един от най-лечимите видове рак - важно е да се знае за консултиране на млади мъже |
| Рак на белия дроб | Водеща причина за смърт от рак (Великобритания) | Въпреки че не е най-често срещаният рак, той убива повече хора от всеки друг |
Ракът може да има висока честота (често срещан), но ниска смъртност (лечим), като рак на гърдата. Или може да има по-ниска честота, но много висока смъртност, като рак на панкреаса. Тестът за анамнеза и терапия (AKT) може да тества способността ви да интерпретирате правилно статистическите данни за рака – не приемайте, че най-често срещаният рак е и най-смъртоносният.
⚖️ Неравенства в здравеопазването
Неравенствата в здравеопазването описват несправедливи, предотвратими разлики в здравето между различните групи хора. Те са важен фокус на политиката за обществено здраве на Обединеното кралство и се появяват в AKT в контекста на епидемиологията и социалните детерминанти на здравето.
Неравенствата в здравеопазването са несправедливи, предотвратими разлики в здравния статус или в разпределението на здравните детерминанти между различните групи от населението . Те са „избежими“, защото произтичат от социални, икономически или екологични условия, които по принцип биха могли да бъдат променени, а не от случайност или биологични вариации.
| Тип | Примери във Великобритания |
|---|---|
| Социално-икономически | По-ниска продължителност на живота в необлагодетелстваните райони; по-високи нива на сърдечно-съдови заболявания, диабет и психични заболявания в по-бедните общности |
| географски | „Разделение Север-Юг“ — по-лоши здравни резултати в части от Северна Англия в сравнение с Юга |
| Етнически | По-високи нива на диабет тип 2 сред южноазиатските популации; по-висок сърдечно-съдов риск сред чернокожите популации |
| Пол | Мъжете имат по-ниска продължителност на живота, но жените имат повече години влошено здраве (заболеваемост) |
Разпределение на данните и статистическа значимост
Мерки за централна тенденция
| Мярка | дефиниция | Най-добре се използва, когато | Внимавай |
|---|---|---|---|
| Означава | Сума от всички стойности ÷ брой стойности | Данните са нормално разпределени | Лесно се изкривява от отклонения |
| Медиана | Средна стойност при сортиране по ред. Ако има четно число от стойности, медианата е средната стойност на двете средни числа. | Изкривени данни (напр. доход, продължителност на болничния престой) | Игнорира действителните стойности в екстремуми |
| вид | Най-често срещаната стойност | Категорични данни; бимодални разпределения | Може да е безсмислено с непрекъснати данни |
| Обхват | Максимум − Минимум | Бързо усещане за разпространение | Изцяло определено от отклонения |
| IQR (интерквартилен диапазон) | 75-ти персентил − 25-ти персентил | Сдвоено с медиана за изкривени данни | Игнорира горните и долните 25% |
| Стандартно отклонение (SD) | Среден размах от средната стойност | Нормално разпределени данни | Подвеждащо, ако данните не са нормално разпределени |
🗂️ Видове данни — номинални, ординални, интервални, съотношения
Разбирането на типа данни, с които разполагате, определя кои обобщени статистики и кои статистически тестове са подходящи. AKT тества това – обикновено чрез представяне на набор от данни и задаване на въпрос кой тест или мярка да се използва.
| Тип | дефиниция | Примери | аналогия |
|---|---|---|---|
| Номинален | Категории без естествен ред | Кръвна група (A, B, AB, O); пол; цвят на очите; причина за смъртта | Купа с плодове — ябълките и бананите са просто различни, нито едното не е „повече“ |
| реден | Подредени категории, но разликите между тях са не непременно равен | Сърдечна недостатъчност клас по NYHA (I–IV); скала за болка (лека/умерена/силна); скали на Ликерт | Позиции в състезанието — 1-во, 2-ро, 3-то. Знаем реда, но разликата между 1-во и 2-ро място може да е много различна от разликата между 2-ро и 3-то място. |
| Интервал | Подредени с равни разстояния между стойностите, но няма истинска нула | Температура в °C; календарни дати; резултати от IQ | Термометър — 0°C не означава „няма температура“. Не може да се каже, че 20°C е „два пъти по-топло“ от 10°C в абсолютен смисъл. |
| Съотношение | Подредени, равни празнини И a истинска абсолютна нула | Височина, тегло, кръвно налягане, възраст, доход, доза на лекарството | Пари — 0 паунда означава, че наистина нямате нищо. 40 паунда са два пъти повече от 20 паунда. |
- Номинални/Ординални данни → използвайте непараметрични тестове, мода или медиана за средни стойности
- Данни за интервал/съотношение (нормално разпределено) → може да се използват средни стойности, стандартно отклонение, параметрични тестове
- Вие не може смислено да изчисли средната стойност за номинални данни (напр. „средна кръвна група“ е безсмислица) или правете пропорционални твърдения с интервални данни (не можете да кажете, че някой с коефициент на интелигентност 120 е „два пъти по-умен“ от някой с 60)
🔬 Параметрични срещу непараметрични тестове
Статистическите тестове се разделят на две семейства в зависимост от допусканията, които правят за вашите данни. AKT проверява кой тип тест е подходящ за даден сценарий – не е необходимо да извършвате изчисленията, просто трябва да знаете кога да използвате кой.
Параметричните тестове предполагат, че данните са нормално разпределени (или извадката е достатъчно голяма, че това да няма голямо значение) и че данните са поне на интервално ниво. Непараметричните тестове не правят такива предположения — те работят с рангове или категории и са подходящи за асиметрични данни, малки извадки или ординални/номинални данни.
| Цел | Параметричен тест | Непараметричен еквивалент |
|---|---|---|
| Сравнете средните стойности на 2 независими групи | Независим t-тест | U-тест на Ман-Уитни |
| Сравнение на средства: същата група, 2 времеви точки | Сдвоен t-тест | Тест на Уилкоксън за знакови рангове |
| Сравнете средните стойности на 3 или повече групи | ANOVA (анализ на дисперсията) | Тест на Крускал-Уолис |
| Корелация между две непрекъснати променливи | Корелация на Пиърсън | Рангова корелация на Спирман |
| Сравнете пропорции / категорични данни | - | Хи-квадрат тест (χ²) |
- Данните са изкривена or не е нормално разпределено → използвайте непараметрични
- Малък размер на извадката (и нормалността е несигурна) → използвайте непараметрични
- Данните са реден (напр. скали за болка, Ликерт) → използвайте непараметрични
- Сравнение пропорции или категории → хи-квадрат тест
- Голяма извадка, непрекъсната, приблизително нормална → параметричният тест е добър
🔔 Нормално разпределение — правилото 68-95-99.7
Нормалното разпределение е симетрична крива с форма на камбана. Средната стойност, медианата и модата са равни и се намират в центъра.
| Обхват | % от включените стойности |
|---|---|
| Средно ± 1 стандартно отклонение | 68% |
| Средно ± 2 стандартно отклонение | 95% |
| Средно ± 3 стандартно отклонение | 99.7% |
При положително изкривени данни (напр. доходи, време на чакане при личния лекар, серумен билирубин в отделение), средната стойност се измества надясно с няколко големи отклонения. В този случай използвайте медианата — тя по-добре представя типичната стойност. AKT обича да тества това разграничение.
📉 P-стойности и доверителни интервали — какво всъщност означават
P-стойности
P-стойността е вероятността да се наблюдават резултати поне толкова екстремни, колкото тези, наблюдавани, ако нулевата хипотеза е вярна (т.е. ако няма реален ефект). Тя не е вероятността нулевата хипотеза да е вярна.
| р-стойност | Тълкуване |
|---|---|
| р <0.05 | Статистически значимо — по-малко от 5% вероятност този резултат да е възникнал случайно |
| p> 0.05 | Не е статистически значимо — резултатът може да се дължи на случайност |
| р = 0.01 | 1% шанс за получаване на този резултат, ако няма реален ефект |
Доверителни интервали (ДИ)
95% CI означава: ако повторите изследването 100 пъти, в 95 от тези случаи истинската стойност на популацията ще попадне в този диапазон.
- За съотношение (RR, OR, HR): ако 95% CI включва 1.0 → не е статистически значимо
- За разлика (средна разлика, ARR): ако 95% CI включва 0 → не е статистически значимо
- Ако доверителният интервал (ДИ) е изцяло над 1 (за съотношения) → значително повишен риск
- Ако доверителният интервал (ДИ) е изцяло под 1 (за съотношения) → значително намален риск
❌ Грешки от тип I и тип II — Плачещ вълк срещу Пропускане на вълка
Отхвърляне на нулевата хипотеза, когато тя всъщност е вярна. С други думи: заключение, че лечението работи, когато не работи. Процентът на фалшиво положителни резултати. Конвенционално приемливо при 5% (α = 0.05, p < 0.05).
„Плачещ вълк“ — биене на тревога, когато няма вълк.
Неуспех при отхвърляне на нулевата хипотеза, когато тя всъщност е невярна. С други думи: пропускане на истински ефект от лечението. Процент на фалшиво отрицателни резултати. Конвенционално приемливо при 20% (β = 0.2, мощност = 80%).
„Липсва ми вълкът“ — казвам, че няма вълк, когато има такъв.
Мощност = 1 − β. Това е вероятността за правилно откриване на истински ефект. По-висока мощност = по-малка вероятност да се пропусне реален ефект. Мощността се увеличава с по-големи размери на извадката. Добре проектирано проучване се нуждае от мощност ≥80%.
⚡ Статистическа значимост ≠ Клинична значимост
Това е един от най-важните и най-изпитани нюанси в статистиката на AKT - и такъв, който много обучаващи се пропускат.
Резултатът може да бъде статистически значим (p < 0.05), но същевременно клинично безсмислен . Статистическата значимост само ви показва, че е малко вероятно резултатът да се дължи на случайност — тя не казва нищо за това дали ефектът е достатъчно голям, за да има значение на практика.
| Сценарий | Статистически значимо? | Клинично важно? |
|---|---|---|
| Кръвното налягане спада с 1 mmHg, n=50,000, p=0.001 | Да | Не |
| Кръвното налягане спада с 15 mmHg, n=30, p=0.08 | Не | Вероятно да |
| Кръвното налягане спада с 12 mmHg, n=500, p=0.02 | Да | Да |
Винаги разглеждайте размера на ефекта (ARR, NNT, средна разлика) заедно с p-стойностите и доверителните интервали. Тесен доверителен интервал, който изключва нула или единица, е по-смислен от самата p-стойност — той ви показва както посоката, така и прецизността на ефекта.
- Тесен доверителен интервал (ДИ) → точна оценка → висока степен на доверие истинската стойност е близка до точковата оценка (обикновено от голяма извадка)
- Широк ДИ → несигурна оценка → истинската стойност може да бъде в широк диапазон (обикновено от малка или хетерогенна извадка)
Пример: RR = 1.5 (95% CI 1.4–1.6) → прецизно, убедително. RR = 1.5 (95% CI 0.6–3.8) → широко, несигурно — и преминаване през 1.0, така че дори не е значимо.
📈 Регресия към средната стойност — Скритият объркващ фактор в клиничната практика
Регресията към средната стойност е статистическата тенденция екстремно измерване да бъде по-близо до средната стойност при второ измерване - независимо от каквато и да е интервенция . Това е един от най-недооценените източници на подвеждащи заключения в медицината.
Пациентите често се изследват или лекуват точно когато симптомите или измерванията им са най-лоши. Естествената вариация означава, че тези измервания е вероятно да се подобрят така или иначе при повторно тестване - не непременно поради вашата намеса. Без контролна група е невъзможно да се разграничи регресията към средната стойност от действителния ефект на лечението.
| Сценарий | Как изглежда ефектът от лечението | Какво всъщност може да се случи |
|---|---|---|
| Пациентът има много високо кръвно налягане при едно измерване → започнал е прием на лекарства → кръвното налягане е по-ниско при следващото посещение | Лекарството действа | Първото отчитане може да е било отклонение; кръвното налягане така или иначе би било по-ниско при повторно измерване. |
| Ученикът получава много слаби резултати на тест → получава допълнителни такси за обучение → получава по-добри резултати следващия път | Таксата за обучение помогна | Слабият резултат може да е бил непредставителен; естественото представяне е склонно към средното си ниво. |
| Пациент с тежко обостряне на екзема започва нов крем → обострянето се подобрява | Кремът е ефективен | Тежките обостряния се подобряват естествено с времето, независимо от лечението. |
- Вземете множество базови измервания и използвайте средната стойност, преди да започнете лечението
- Употреба контролна група — регресията към средната стойност засяга еднакво и двете групи, така че всяка разлика между групите е по-вероятно да е реален ефект от лечението
- Това е един от най-силните аргументи за Рандомизирани контролирани проучвания (РКП) спрямо неконтролирани проучвания „преди и след“
Статистически графики — какво да търсите
AKT редовно представя графики и ви моли да ги интерпретирате. Научете се да забелязвате ключовата характеристика във всеки тип графика — не се опитвайте да разчетете всичко. Едно целенасочено наблюдение е всичко, което е необходимо.
| Тип графика | Първична употреба | Единственото нещо, което трябва да търсите |
|---|---|---|
| Горски парцел | Резултати от мета-анализа | Дали диамант пресича вертикалната линия на липса на ефект? |
| График на фуния | Откриване на пристрастия в публикациите / Мониторинг на отклонения в GP | Сюжетът ли е асиметрична? (Пропуск = липсват непубликувани изследвания) |
| Сюжет на Кейтс | Визуално съобщаване на NNT на пациентите | Пребройте оцветените „полезни“ лица; NNT = 100 ÷ тези лица |
| Парцелът на Л'Абе | Изследване на хетерогенността в мета-анализи | Точка на диагоналната линия = нулев ефект от лечението |
| Сюжет с кутия и мустаци | Разпространение и разпространение на данни | Средна линия = медиана (не е средно); точки отвъд мустаците = отклонения |
| Номограма на Фаган | Вероятност преди теста → след теста | Начертайте линия от вероятността преди теста през LR, за да прочетете вероятността след теста. |
| Графика на стъбло и листо | Разпределение — запазва първоначалните стойности | Като хистограма, но показва отделни точки от данни |
| Крива на Каплан-Майер | Анализ на оцеляването — време до събитието | Стъпките намаляват, когато настъпят събития; кривите, които се разминават рано и остават разделени, предполагат трайна полза от лечението |
| Хистограма | Разпределение на непрекъснати данни | Форма на кривата: симетрична = нормално разпределение; асиметрична = използва се медиана, а не средна стойност |
🌲 Горски парцели — Подробности
- Всеки квадрат = едно проучване. Размерът на квадрата = теглото на проучването (обикновено се определя от размера на извадката)
- Хоризонтални линии = 95% доверителен интервал за това проучване
- Диаманта в долната част = обединената обща оценка. Ширината ѝ = обединеният 95% доверителен интервал (ДИ)
- Вертикална линия при 1.0 = "линия без ефект" (за съотношения). Ако CI линия или ромб пресича тази линия, този резултат е не е статистически значимо
I² измерва доколко вариациите между изследванията се дължат на истинска хетерогенност (реални разлики), а не на случайност.
I² < 25% = ниска хетерогенност ✓
I² = 25–50% = умерена хетерогенност
I² > 50% = значителна хетерогенност — обединеният резултат е по-малко надежден ⚠️
📯 Фуниеви графики — Мониторинг на отклоненията в публикациите и отклоненията в GP
Фуниевидните графики се появяват в два напълно различни контекста в AKT – уверете се, че разпознавате и двата.
Графиката показва размера на ефекта (ос x) спрямо прецизността или размера на изследването (ос y). Симетрична обърната фуния = няма отклонение. Асиметрична фуния с празнина в долния ляв ъгъл = липсват малки отрицателни изследвания → отклонение от публикацията.
Сравнява практиките на общопрактикуващите лекари по показатели (напр. процент на насочване, смъртност). Данните извън линиите на фунията са статистически отклонения , изискващи разследване — не непременно доказателство за лошо представяне.
😊 Графики на Кейтс — Как да извлечем визуално NNT
Диаграмата на Кейтс (понякога наричана „диаграма на усмихнато лице“) използва мрежа от 100 лица, за да помогне на пациентите да визуализират абсолютната полза и вреда.
- Всяко от 100-те лица представлява един човек на 100 третирани
- Жълти/зелени лица = хора, които са се възползвали (предотвратени събития)
- Червени лица = хора, които са претърпели вреда
- Сиви/обикновени лица = няма ефект в нито една от двете посоки
📉 Криви на оцеляване по Каплан-Майер — как да ги разчетем
Кривите на Каплан-Майер (KM) показват вероятността за оцеляване (или оставане без събития) във времето. Те се появяват във въпросите на AKT относно проучвания за рак, сърдечно-съдови изследвания и всякакви изследвания, проследяващи времето до събитие.
| Особеност | Какво означава |
|---|---|
| Y-оста | Вероятност за оцеляване (или оцеляване без събития) — започва от 1.0 (100%) и намалява с времето |
| Оста X | Време (дни, месеци, години) |
| Всяка стъпка надолу | Настъпило е събитие (напр. смърт, рецидив). По-големи стъпки = повече събития в този момент |
| Отметки на линията | Цензурирани пациенти — изгубени от проследяване или проучването е приключило. Не са събития. |
| Две криви се разминават рано и остават разделени | Предполага траен ефект от лечението по време на проследяване |
| Пресичане на криви | Предполага, че опасността не е пропорционална във времето — усложнява тълкуването |
| Средна преживяемост | Времевата точка, в която кривата на преживяемост пресича 50% - точката, в която половината от пациентите са претърпели събитието |
Логарм -ранковият тест сравнява статистически две KM криви. Коефициентът на риск (HR) обобщава общата разлика между кривите. HR < 1 = лекуваната група има по-малко събития във времето. Ако кривите се припокриват значително, HR ще бъде близо до 1 (няма полза).
📊 Хистограми — Разпределение с един поглед
Хистограмата показва разпределението на непрекъсната променлива (напр. възраст, кръвно налягане, ИТМ), като групира стойностите в интервали (бинове) и показва колко наблюдения попадат във всеки от тях. За разлика от стълбовидната диаграма, стълбовете се докосват, защото данните са непрекъснати.
| Форма | Значение | Да се използва средна стойност или медиана? |
|---|---|---|
| Симетрична форма на камбана | Нормално разпределение — средна стойност, медиана, мода, всички са равни | Или — но конвенционално средна стойност ± SD |
| Дясно (положително) наклонение | Дълга опашка надясно — няколко много високи стойности, които издърпват средната стойност нагоре | Медиана (по-представителна) |
| Ляво (отрицателно) изкривяване | Дълга опашка наляво — няколко много ниски стойности, които дърпат средната стойност надолу | Медиана (по-представителна) |
| Бимодален (два пика) | Две отделни подгрупи в данните | Докладвайте двата пика поотделно |
Подобряване на качеството и клиничен одит
| Инструмент | Цел | Основни функции |
|---|---|---|
| Клиничен одит | Измерете практиката спрямо изрично посочените стандарти; идентифицирайте и отстранете пропуските | Изисква определен стандарт. Използва PDSA цикъл. Включва затваряне на цикъла (повторен одит). Не изследване — без хипотеза, без генериране на нови знания. |
| Анализ на значими събития (SEA) | Систематичен мултидисциплинарен преглед на едно-единствено значимо събитие | Без обвинения. Фокусира се върху системното обучение, а не върху индивидуалната вина. Споделя се в рамките на екипа. Документира обучението и действията. |
| Анализ на първопричината (RCA) | Задълбочено разследване на сериозни инциденти | По-структуриран от SEA. Използва техниката „5-те защо“. Идентифицира допринасящи и коренни причини. Често за никога не настъпили събития или сериозни вреди. |
| Докладване на изключения за QOF | Подходящо изключване на пациенти от показателите за качество на живот (QOF) | Клинично подходящо за: максимално поносима терапия, информирано несъгласие на пациента, изключителна крехкост или клинично противопоказание. |
🔄 Клиничен одит срещу изследване — ключови разлики
| Особеност | Клиничен одит | Научни изследвания |
|---|---|---|
| Цел | Подобрете грижите чрез сравняване със стандартите | Генериране на нови знания |
| хипотеза | Няма — сравнява се със съществуващия стандарт | Винаги има хипотеза |
| Етично одобрение | Обикновено не се изисква | Обикновено се изисква |
| Съгласие | Обикновено не се изисква | Обикновено се изисква |
| Рандомизирането | Никога | Може да включва рандомизирани контролирани проучвания (РКП) |
| Краен резултат | Подобряване на услугите; план за действие | Нови доказателства; публикация |
🔁 Цикъл на PDSA
Цикълът „Планирай-Изпълни-Проучи-Действай“ (PDSA) е рамката за непрекъснато усъвършенстване, използвана в клиничния одит и подобряването на качеството.
| Етап | Какво става |
|---|---|
| План | Дефинирайте въпроса, задайте стандарта, планирайте събирането на данни |
| Do | Приложете промяната или измерете текущата практика |
| Уча | Анализирайте резултатите; сравнете със стандарта; идентифицирайте пропуски |
| акт | Внедрете подобрения; планирайте повторен одит, за да затворите цикъла |
Клинични изчисления (AKT Formula Bank)
Тези формули се появяват във въпросите за изчисление на AKT. Научете всяка една и знайте клиничните гранични стойности, които задействат действие.
🧮 Работен пример на ABPI
🎯 Сценарий: Г-жа Т, 72 г., с болка в краката при ходене
🍷 Примери за работа с единици за алкохол
| Пия | Обем (ml) | % алкохол | Изчисление | Единици |
|---|---|---|---|---|
| Голяма чаша вино | 250ml | 13% | 250 × 13 ÷ 1000 | 3.25 |
| Бутилка вино | 750ml | 12% | 750 × 12 ÷ 1000 | 9.0 |
| Пинта лагер (силна) | 568ml | 5% | 568 × 5 ÷ 1000 | 2.84 |
| Единична спиртна мярка | 25ml | 40% | 25 × 40 ÷ 1000 | 1.0 |
Работени примери
🎯 Пример 1: Изчисляване на всички показатели за риск от пробна таблица
Рандомизирано контролирано проучване (РКП) рандомизира пациентите да получават или Лекарство X, или плацебо. След 3 години: 80 от 500 пациенти на плацебо са претърпели инсулт; 40 от 500 пациенти на Лекарство X са претърпели инсулт.
🎯 Пример 2: Изграждане на таблица 2×2 и изчисляване на чувствителност и специфичност
Нов тест е приложен към 200 пациенти, 100 от които са със заболяването. Тестът правилно идентифицира 85 от 100 със заболяване и правилно идентифицира 80 от 100 без заболяване.
🎯 Пример 3: Изчисляване на педиатричната доза
Детето се нуждае от 300 мг амоксицилин. Наличната суспензия е 250 мг/5 мл. Какъв обем трябва да се приложи?
Шпаргалка за формули и помощни средства за запаметяване
Формули за риск и лечение
Диагностично тестване
Популационни и клинични формули
- SnNout: Чувствителен тест — Отрицателен резултат изключва OUT заболяване (скрининг)
- SpPIN: Специфичен тест — Положителни правила за IN заболяване (потвърждение)
- CI кръстосвания 1.0 (съотношение) или 0 (разлика) → не е значителна
- Ромбантът на горския участък пресича линията → не е значимо
- Асиметрия на фунията → публикационно отклонение (или отклонение от GP, ако е в контекста на изпълнението)
- Средна линия на кутията → МЕДИАНА (не средна стойност)
- 68-95-99.7 → ±1SD, ±2SD, ±3SD при нормално разпределение
- I² >50% → значителна хетерогенност
- ИЛИ от случай-контрола | RR от кохортата | Разпространение от напречно сечение
- Одит ≠ Проучване (одитни мерки срещу стандарт; изследванията генерират нови знания)
- Случай-контрола → OR (коефициент на вероятност) — поглед назад към експозициите
- група → RR (относителен риск) — НАПРЕД от експозицията
- Напречно сечение → Разпространение — МОМЕНТНА СКРИНКА във времето
- РКИ / СР → Златен стандарт за въпроси относно лечението
Перли за треньори и преподаватели
- Стажантите често изучават ЧЛН като формула, без да разбират какво всъщност означава клинично — уверете се, че могат да го обяснят с изречение, което пациентът би разбрал.
- Разграничението между чувствителност/специфичност (свойства на теста) и PPV/NPV (повлияни от разпространението) е слабо разбрано — аналогията с теста за бременност работи добре.
- Много стажанти знаят как изглежда горски парцел, но не могат да го обяснят какво да се погледне — фокусирайте се върху диаманта и дали той преминава границата на липса на ефект
- Отклонението във времето за изпълнение често се бърка с отклонението във времето – използвайте диаграми или времеви линии, за да илюстрирате разликата.
- Стажантите рутинно бъркат клиничния одит с изследването — използвайте собствените примери на RCGP от оценките
- „Ето обобщената таблица от лекарствено изпитване — можете ли да ми кажете NLT (числото, необходимо за лечение) и дали бихте го предписали на този пациент?“
- „Вижте този горски участък. Ефективна ли е интервенцията? Колко сте уверени в този отговор?“
- „Вашият пациент има положителен FIT тест. PPV в нискорискова популация е около 3%. Как ще му обясните това?“
- „Виждаме много високи резултати от PSA. Какъв е проблемът с използването на PSA като скринингов тест?“
- „Един колега иска да сравни нашите резултати за сепсис с тези на Тръста. Това одит ли е или изследване? Необходима ли е етика?“
- „Как бихте обяснили вероятността от 1 към 50 за страничен ефект на пациент, който пита „Безопасно ли е?“
- Как обяснявате риска на пациентите в момента? Използвате ли абсолютни или относителни числа?
- Можете ли да си спомните скорошно клинично ръководство, което цитира значителен NLT (число, необходимо за лечение на наркотици) - какъв беше той и как е повлиял на вашата практика?
- Случвало ли ви се е да поръчате тест и да не знаете неговата чувствителност/специфичност? Как интерпретирахте резултата?
- Защо една фармацевтична компания може да избере да представи резултатите от своите проучвания като RRR, а не като ARR?
🔥 Високодоходни съвети на AKT
Това са моделите, които се появяват многократно в тестовете AKT. Запомнете ги и ще получите точки.
Винаги първо преобразувайте процентите в десетични дроби. ARR = 5% → NNT = 1 ÷ 0.05 = 20. Винаги закръглявайте до най-близкото цяло число. По-нисък NNT = по-ефективно лечение.
За съотношения (RR, OR, HR): CI кръстосвания 1.0 = незначително. За разлики: CI кръстосвания 0 = незначително. Това се появява в почти всеки въпрос от горската парцел.
Рядко заболяване → случай-контрола → OR. Нова експозиция в бъдеще → кохорта → RR. Моментна снимка на разпространението → напречно сечение . Най-добри доказателства за лечение → RCT или SR/мета-анализ.
Скринингов тест → искате висока чувствителност (не искате да пропуснете случаи → SnNout). Потвърдителен тест → искате висока специфичност (не искате фалшиво положителни резултати → SpPin).
Дори високоспецифичен тест (99%) дава лоша PPV в среда с ниска разпространеност. Повечето положителни резултати при скрининг на населението са фалшиво положителни. Ето защо не изследваме всички за всичко.
Ако ромбът (обединена оценка) пресече вертикалната линия на липса на ефект → общият резултат НЕ е статистически значим. Ако I² > 50% → значителна хетерогенност → обединеният резултат е по-малко надежден.
Пропуск в долния ляв ъгъл на фуниевидната диаграма = публикувателно отклонение — не са публикувани малки отрицателни проучвания. Това завишава видимия ефект на лечението в мета-анализа.
Линията вътре в квадратчето е медианата . Квадратчето = IQR (средни 50%). Точки или кръгове отвъд „мустаците“ = отклонения.
Фармацевтичните компании обичат да цитират RRR, защото звучи по-голямо. 50% RRR звучи невероятно - докато не знаете, че изходният риск е бил само 2% (→ ARR = 1%, NNT = 100). Винаги питайте: какъв е бил изходният риск?
Асиметрични разпределения (доход, престой в болница, серумен билирубин) → използвайте медиана , а не средна стойност. Средната стойност е извлечена от отклоненията; медианата не е.
Одит: измерва спрямо съществуващ стандарт; не е необходима етика; няма хипотеза. Изследване: генерира нови знания; изисква етично одобрение; има хипотеза. Ключово разграничение, което AKT тества многократно.
ITT анализът включва всички рандомизирани участници, независимо от придържането им към лечението. Това дава консервативна оценка на ефективността – по-реалистична за клиничната практика. Per-protocol анализът надценява ефекта.
ABPI < 0.9 = периферно артериално заболяване. ABPI > 1.3 = некомпресируеми (калцифицирани) съдове — ненадежден резултат. Компресионната превръзка е противопоказана, ако ABPI < 0.8 (проверете с вашите указания за компресия).
Пребройте ползите от играта (обикновено жълти или зелени). NNT = 100 ÷ (брой на ползите от играта). 5 жълти страни → NNT = 20.
Често срещани грешки и капани на стажантите
Това са грешките, които се появяват многократно в схемите за оценяване на AKT. Всяка една от тях е реална загуба на оценка от истинските кандидати.
- Забравяне на преобразуването на процентите в десетични дроби преди изчисляване на NNT (напр. ARR = 5% → трябва да се използва 0.05, а не 5, за да се получи NNT = 20, а не 0.2)
- Закръгляване на NNT надолу , а не up (NNT = 12.5 → отговорът е 13, а не 12)
- Объркване на RRR с ARR и цитиране на по-впечатляващата относителна цифра като клинична полза
- Да се каже, че даден резултат е „значителен“, когато CI едва достигне 1.0 — това е задължително не включва 1.0 е значимо
- Твърдейки, че средната линия на диаграмата тип „кутия и мустаци“ е средната стойност – тя винаги е медиана
- Объркване на чувствителността с PPV — чувствителността е фиксирано свойство на теста; PPV зависи от разпространението.
- Мисленето, че високоспецифичен тест в популация с ниска разпространеност ще даде надежден положителен резултат - няма да го направи (ниска PPV)
- Объркване на OR с RR — OR не могат да се използват директно като RR, освен когато заболяването е рядко.
- Да се каже, че проучване случай-контрола генерира RR - то генерира OR, защото започвате със случаи и контроли, а не с експонирана кохорта.
- Объркване на клиничния одит с изследването — твърдение, че одитът се нуждае от етично одобрение
- Погрешно тълкуване на отклонението във времето за подготовка като означаващо, че скрининговата програма наистина подобрява преживяемостта
- Забравянето, че I² >50% в горски участък, поражда опасения относно валидността на обединения резултат
- Използване на средната стойност за описание на изкривени данни (напр. доход, продължителност на болничния престой) — използвайте медианата
🏁 Крайни точки за вкъщи
- NNT = 1 ÷ ARR. Винаги преобразувайте процентите в десетични дроби. Винаги закръглявайте нагоре. По-ниско NNT = по-добро третиране.
- ARR е клинично честен. RRR звучи впечатляващо, но може да подведе. Винаги съчетавайте RRR с изходния риск.
- Чувствителността и специфичността са фиксирани свойства на теста. PPV и NPV се променят с разпространението на заболяването.
- SnNout: чувствителни тестове изключват отрицателен резултат. SpPin: специфични тестове изключват положителен резултат.
- Ромбът на горската диаграма пресича линията на липса на ефект → резултатът не е статистически значим. I² >50% → проблеми с хетерогенността.
- Асиметрия на фуниевидния график → пристрастност при публикуване. Точки извън границите на фунията при мониторинг на ефективността → практики за отклонения.
- Доверителен интервал (ДИ) за съотношение, което включва 1.0 → не е значимо. ДИ за разлика, която включва 0 → не е значимо.
- Случай-контрола → OR. Кохорта → RR. Напречно сечение → разпространение. RCT/SR → златен стандарт за лечение.
- Изкривени данни → използвайте медиана, а не средна стойност. Средната линия на квадратчето = медиана. Точките отвъд нишките = отклонения.
- Клинични одити измерват спрямо стандартите — не е необходима етика, няма хипотеза. Изследванията генерират нови знания — етика е необходима.
Въпросите по статистика в AKT са сред най-надеждно усвоимите оценки. Няколко часа с тази страница и шепа практически въпроси ще се отплатят далеч от инвестицията.