சான்றுகள் அடிப்படையிலான நடைமுறை மற்றும் மருத்துவப் புள்ளிவிவரங்கள் — பிராட்போர்டு வி.டி.எஸ்

பிராட்போர்டு VTS · AKT மாஸ்டரி சீரிஸ்

சான்றுகள் அடிப்படையிலான நடைமுறை மற்றும் மருத்துவப் புள்ளிவிவரங்கள்

ஏனென்றால், AKT தேர்வில் "நான் இணையத்தில் ஏதோ படித்தேன்" என்பது மட்டும் எடுபடாது.

🔥 AKT-க்கான அதிக பலன் தரும் குறிப்புகள் ⚡ நிமிடங்களில் உயர் தாக்கக் கற்றல் 💎 அவர்கள் கற்பிக்க மறக்கும் மறைக்கப்பட்ட பொக்கிஷங்கள்

கடைசியாகப் புதுப்பிக்கப்பட்டது: ஏப்ரல் 2026 · சான்று அடிப்படையிலான மருத்துவம் (EBM) என்றும் அழைக்கப்படுகிறது

📥 பதிவிறக்கங்கள்

கையேடுகள், சுருக்கங்கள் மற்றும் கற்பித்தலுக்கான கூடுதல் அம்சங்கள் — நீங்கள் தயாராக இருக்கும்போது நாங்களும் தயாராக இருக்கும்.

பாதை: சான்று அடிப்படையிலான நடைமுறை என்பது சான்று அடிப்படையிலான மருத்துவம் அல்லது சுருக்கமாக EBM என்றும் அழைக்கப்படுகிறது.

🌐

வலை வளங்கள்

அதிகாரப்பூர்வ வழிகாட்டுதல்கள் மற்றும் நிஜ உலகப் பொது மருத்துவர் பயிற்சி வளங்களின் கவனமாகத் தேர்ந்தெடுக்கப்பட்ட கலவை. ஏனென்றால், சில சமயங்களில் சிறந்த பொக்கிஷங்கள் அதிகாரப்பூர்வ ஆவணங்களில் மறைந்திருப்பதில்லை.

📘 முக்கிய EBM மற்றும் புள்ளியியல்

CEBM — ஆக்ஸ்போர்டு EBM மையம் கருவிகள், வழிகாட்டிகள் மற்றும் திறனாய்வு மதிப்பீட்டு வளங்கள் டாக்டர் கிறிஸ் கேட்ஸின் EBM வலைத்தளம் NNT கால்குலேட்டர் மற்றும் கேட்ஸ் ப்ளாட் விளக்கவுரை — மிகச்சிறப்பு GP நோட்புக் — புள்ளிவிவரங்கள் சுருக்கமான மருத்துவப் புள்ளிவிவரக் குறிப்பு பந்தோலியர் ஆதார அடிப்படையிலான சுகாதாரப் பராமரிப்பு, எளிய ஆங்கிலத்தில் கோக்ரேன் நூலகம் தங்கத் தரமான முறையான மதிப்பாய்வுகள்

📗 AKT திருத்தம் மற்றும் தேர்வுத் தயாரிப்பு

NHS — மருத்துவப் பரிசோதனைகள் ஆராய்ச்சி வகைகள் குறித்த எளிய ஆங்கில வழிகாட்டி கேம்பிரிட்ஜ் EBM வளங்கள் விமர்சன மதிப்பீட்டுக் கருவிகள் மற்றும் பயிற்சிகள்

📙 மேலதிக வாசிப்பு மற்றும் கருவிகள்

NICE — ஆதாரங்களை எவ்வாறு பயன்படுத்துவது சான்றுகளை மதிப்பாய்வு செய்வதற்கான NICE செயல்முறை கையேடு NNT விளக்கம் — மான்செஸ்டர் ஊடாடும் NNT கால்குலேட்டர் மற்றும் விளக்கம் சுகாதார அறிவு — ஆய்வு வடிவமைப்புகள் நோய்ப்பரவலியல் குறித்த பொது சுகாதாரப் பாடநூல்

⚡ विशाला

ஒரு நிமிட நினைவு

மருத்துவமனைக்குச் செல்வதற்கு முன் இதை மேலோட்டமாகப் பார்ப்பதா — அல்லது AKT தேர்வுக்கு முந்தைய நாள் இரவா? இவைதான் உங்களுக்கு மதிப்பெண்களைப் பெற்றுத்தரும் விஷயங்கள்.

🧮 இடர் சூத்திரங்கள்

ஏஆர்ஆர் = CER − EER
என்என்டி = 1 ÷ ARR
RRR = ARR ÷ CER
RR = EER ÷ CER
NNH = 1 ÷ ARI

🔬 நோயறிதல் சோதனை

சென் = TP ÷ (TP+FN) → SnNout
ஸ்பெக் = TN ÷ (TN+FP) → SpPin
பிபிவி = TP ÷ (TP+FP) ← குறைந்த பரவல் கொண்ட வீழ்ச்சிகள்
நிகர நிகழ் = TN ÷ (TN+FN) ← அதிக பரவல் கொண்ட வீழ்ச்சிகள்

📊 படிப்பு வடிவமைப்புகள்

SR/மெட்டா-பகுப்பாய்வு → மிக உயர்ந்த ஆதாரம்
RCT → சிகிச்சைக்கான தங்கத் தரநிலை
குழு → ஆர்ஆர் மற்றும் நிகழ்வு
நோயாளிக் கட்டுப்பாட்டு → அல்லது, அரிய நோய்கள்
குறுக்குவெட்டு → பரவல்

📈 வரைபடங்கள்

ஃபாரஸ்ட் ப்ளாட் வைரக் குறுக்குக் கோடு = முக்கியத்துவம் அற்றது
புனல் சமச்சீரின்மை = வெளியீட்டுச் சார்பு
கேட்ஸ் வரைபடம்: NNT = 100 ÷ மஞ்சள் முகங்கள்
பெட்டி வரைபடத்தின் நடுக் கோடு = சராசரி
I² >50% = கணிசமான பன்முகத்தன்மை

📉 முக்கியத்துவம்

p < 0.05 = புள்ளிவிவரப்படி குறிப்பிடத்தக்கது
நம்பிக்கை இடைவெளி 1.0-ஐத் தாண்டுகிறது (விகிதம்) = முக்கியத்துவம் அற்றது
நம்பிக்கை இடைவெளி 0-ஐக் கடக்கிறது (வேறுபாடு) = குறிப்பிடத்தக்கதல்ல
சராசரி = சராசரி மதிப்பு; இடைநிலை = நடு மதிப்பு
இயல்நிலைப் பரவலுக்கான 68-95-99.7 விதி

⚖️ சார்பு வகைகள்

தேர்வு → பிரதிநிதித்துவமற்ற மாதிரி
நினைவு கூர் → வழக்குகள் மேலும் நினைவில் கொள்க
வெளியீடு → நேர்மறையான ஆய்வுகள் மட்டும்
முன்னணி நேரம் → திரையிடல் மாயை
மாணவர் இழப்பு → இடைநிற்றல் முடிவுகளைச் சிதைக்கிறது.

💡

GP மற்றும் AKT-யில் இது ஏன் முக்கியத்துவம் பெறுகிறது

சான்று அடிப்படையிலான மருத்துவமும் (EBM) புள்ளிவிவரங்களும் வெறும் கோட்பாட்டு ரீதியானவை அல்ல. உங்கள் ஆலோசனை அறையில், சிகிச்சை முறைகள் பற்றிய ஒவ்வொரு உரையாடலிலும், நீங்கள் அவற்றின் பெயரைக் குறிப்பிட்டாலும் சரி, குறிப்பிடாவிட்டாலும் சரி, NNT-கள் இடம்பெறுகின்றன. ஒவ்வொரு இரத்தப் பரிசோதனைக்கும் ஒரு குறிப்பிட்ட உணர்திறனும் தனித்தன்மையும் உண்டு. ஒவ்வொரு புதிய வழிகாட்டுதலும் ஒரு ஆய்வு வடிவமைப்பை அடிப்படையாகக் கொண்டது; அந்த ஆய்வு வடிவமைப்பு, அதன் மீது நீங்கள் எவ்வளவு நம்பிக்கை வைக்க வேண்டும் என்பதைப் பாதிக்கிறது.

AKT தேர்வில், இந்தத் தலைப்பு மதிப்பெண்களின் ஒரு குறிப்பிடத்தக்க பங்கைக் கொண்டுள்ளது — RCGP வழிகாட்டுதலின்படி இது வினாத்தாளின் சுமார் 10–15% ஆகும். சிறிதளவு இலக்கு நோக்கிய திருப்புதல் நல்ல பலனைத் தரும் ஒரு சில பகுதிகளில் இதுவும் ஒன்றாகும். உடனடியாகபல தேர்வர்கள் இங்கு எளிதாக மதிப்பெண்களை இழப்பதற்குக் காரணம், கருத்துகள் கடினமாக இருப்பது அல்ல; மாறாக, அவர்கள் ஒருபோதும் அமர்ந்து அவற்றை முறையாகக் கற்றுக் கொள்ளாததுதான்.

AKT தேர்வில் உள்ள புள்ளிவிவரக் கேள்விகள், பெரும்பாலும் சோதனைத் தரவுகளின் அட்டவணையை அளித்து, ஒரு மதிப்பைக் கணக்கிடவோ, ஒரு வரைபடத்தை விளக்கவோ, அல்லது சிறந்த ஆய்வு வடிவமைப்பைக் கண்டறியவோ உங்களைக் கேட்கின்றன. அவை மருத்துவ அறிவை அல்ல, முறைசார்ந்த சிந்தனையையே ஊக்குவிக்கின்றன. இதனால், இவை வினாத்தாளில் மிகவும் 'கற்றுக்கொள்ளக்கூடிய' மதிப்பெண்களாக அமைகின்றன.

NNT-ஐக் கணக்கிடுவது எப்படி, ஃபாரஸ்ட் ப்ளாட்டை விளக்குவது எப்படி, மற்றும் PPV-இன் மீது பரவலின் விளைவைப் புரிந்துகொள்வது எப்படி என்பதை நீங்கள் தெரிந்துகொண்டவுடன், AKT கேள்விகளின் ஒரு முழுப் பிரிவும் பயமுறுத்துவதாக இல்லாமல் எளிமையாகிவிடும்.

📖

சான்றுகள் அடிப்படையிலான மருத்துவம் (EBM)

1980களின் நடுப்பகுதியில் நான் பயிற்சியில் இருந்தபோது, மாரடைப்புக்குப் பிறகு மருத்துவமனைக்கு வந்த ஒவ்வொரு நோயாளிக்கும் நரம்பு வழியாக லிடோகெயின் மருந்தைச் செலுத்தினேன். அதுதான் வழக்கம். எல்லோரும் அதைச் செய்தார்கள். அது மிகவும் சரியானதாகத் தோன்றியது.

— 'சான்று அடிப்படையிலான மருத்துவம்' (Evidence-Based Medicine) என்ற சொல்லை உருவாக்கிய மருத்துவரான பேராசிரியர் கோர்டன் குயாட், EBM நடைமுறைக்கு வருவதற்கு முன்பு தனது சொந்தப் பயிற்சியை விவரிக்கிறார்.

தான் பயிற்சி பெற்றதும், உலகெங்கிலும் உள்ள நூறாயிரக்கணக்கான மருத்துவர்கள் பின்பற்றி வந்ததுமான அந்த சிகிச்சை முறை, பயனற்றது மட்டுமல்ல, அது மக்களைக் கொல்லவும் கூடும் என்பதை அவர் பின்னர் கண்டறிந்தார். அது அலட்சியத்தினாலோ, திறமையின்மையினாலோ அல்ல. மாறாக, அது உண்மையில் பலனளிக்கிறதா என்பதை யாரும் முறையாகச் சோதித்துப் பார்க்காததே அதற்குக் காரணம்.

அந்தக் கதைதான் சான்று அடிப்படையிலான மருத்துவம் இருப்பதற்கான காரணம் — மேலும் நீங்கள் சந்திக்கும் ஒவ்வொரு நோயாளிக்கும் அது ஏன் மிகவும் முக்கியத்துவம் வாய்ந்தது என்பதற்கான காரணமும் அதுவே.

📋 சான்றுகள் அடிப்படையிலான மருத்துவம் என்றால் என்ன?

தனிப்பட்ட நோயாளிகளின் பராமரிப்பு குறித்த முடிவுகளை எடுப்பதில், தற்போதைய சிறந்த சான்றுகளை மனசாட்சியுடன், வெளிப்படையாக மற்றும் விவேகத்துடன் பயன்படுத்துதல்.

— டேவிட் சாக்கெட், BMJ 1996 — மருத்துவத்தில் மிகவும் பரவலாக மேற்கோள் காட்டப்படும் வரையறை

எளிமையாகச் சொல்வதானால்: பழக்கம், கருத்து, பாரம்பரியம் அல்லது உங்கள் பேராசிரியர் சொன்னதன் அடிப்படையில் நோயாளிகளுக்குச் சிகிச்சை அளிப்பதற்குப் பதிலாக, கடுமையாக நடத்தப்பட்ட, விமர்சன ரீதியாக மதிப்பிடப்பட்ட மற்றும் நேர்மையாக விளக்கப்பட்டுள்ள சிறந்த ஆராய்ச்சியின் அடிப்படையில் மருத்துவ முடிவுகளை எடுக்குமாறு சான்று அடிப்படையிலான மருத்துவம் (EBM) உங்களைக் கோருகிறது.

இது மருத்துவத் தீர்ப்புக்கு மாற்றாக அமையாது — அறிவித்தல்கள் EBM மூன்று பிரிக்க முடியாத தூண்களின் மீது நிலை கொண்டுள்ளது, அவை ஒன்றிணைந்து செயல்பட வேண்டும்:

🔬

சிறந்த ஆராய்ச்சி சான்றுகள்

மருத்துவ ரீதியாகப் பொருத்தமான, உயர்தரமான ஆராய்ச்சி — குறிப்பாக சீரற்ற கட்டுப்பாட்டு சோதனைகள் (RCTs) மற்றும் முறைப்படுத்தப்பட்ட ஆய்வுகளிலிருந்து பெறப்பட்டவை.

🩺

மருத்துவ நிபுணத்துவம்

தனிப்பட்ட மருத்துவ நிபுணரின் திறமையும் அனுபவமும், பல வருடப் பயிற்சியின் மூலம் கட்டமைக்கப்பட்டது.

🤝

நோயாளியின் மதிப்புகள் மற்றும் விருப்பத்தேர்வுகள்

தனிப்பட்ட நோயாளியின் சூழ்நிலைகள், மதிப்புகள் மற்றும் அவர்களுக்கு மிகவும் முக்கியமானது எது

🕰️ சான்று அடிப்படையிலான மருத்துவம் (EBM) எப்படி உருவானது? — ஒரு சுருக்கமான வரலாறு

EBM திடீரெனத் தோன்றிவிடவில்லை. அது கனடாவிலும் ஐக்கிய இராச்சியத்திலும் பல தசாப்தங்களாக நிலவிய அமைதியான புரட்சிகர சிந்தனையின் உச்சக்கட்டமாகும்.

ஆண்டு	நிகழ்வு
1938	ஜான் பால் (யேல்) "மருத்துவ நோய்ப்பரவலியல்" என்ற சொல்லை உருவாக்கினார் — அதாவது, மருத்துவத்தை தனிப்பட்ட நோயாளிகளிடம் மட்டும் உற்றுநோக்காமல், மக்கள் தொகையினரிடையே அறிவியல் பூர்வமாக ஆய்வு செய்ய வேண்டும் என்பதே அந்தச் சொல்.
1967	மெக்மாஸ்டர் பல்கலைக்கழகம் (ஹாமில்டன், கனடா), மருத்துவ முடிவுகளுக்கு ஆராய்ச்சி முறைகளைப் பயன்படுத்துவதற்கென அர்ப்பணிக்கப்பட்ட, அக்காலத்தில் ஒரு புரட்சிகரமான துறையான மருத்துவ நோய்ப்பரவலியல் மற்றும் உயிரியல் புள்ளியியல் துறையுடன் தனது புதிய மருத்துவப் பள்ளியைத் திறந்தது.
1972	ஸ்காட்லாந்தைச் சேர்ந்த தொற்றுநோயியல் நிபுணரான ஆர்ச்சி கோக்ரேன் வெளியிடுகிறார் செயல்திறனும் திறனும்: சுகாதார சேவைகள் குறித்த சில சிந்தனைகள் மருத்துவம் தனது சிகிச்சை முறைகளைத் தானே கடுமையாகச் சோதிக்க வேண்டும் என்று வாதிடும் ஒரு முக்கியத்துவம் வாய்ந்த நூல். அவருடைய பணி, இறுதியில் அவரைக் கௌரவிக்கும் விதமாக கோக்ரேன் கூட்டமைப்பு உருவாக வழிவகுத்தது.
1981	மெக்மாஸ்டர் பல்கலைக்கழகத்தைச் சேர்ந்த டேவிட் சாக்கெட் மற்றும் அவரது சகாக்கள், மருத்துவ இலக்கியங்களை எவ்வாறு திறனாய்வு ரீதியாக மதிப்பிடுவது என்று மருத்துவர்களுக்குக் கற்பிக்கும் ஒன்பது கட்டுரைகள் கொண்ட தொடரை கனடிய மருத்துவ சங்க இதழில் வெளியிடுகின்றனர். இதுவே சான்று அடிப்படையிலான மருத்துவ (EBM) இயக்கத்தின் முறையான தொடக்கமாகும்.
1990	மெக்மாஸ்டர் கல்லூரியின் இளம் வதிவிட இயக்குநரான கோர்டன் குயாட், ஒரு புதிய கற்பித்தல் திட்டத்தை வடிவமைத்து, ஆரம்பத்தில் அதற்கு "அறிவியல் மருத்துவம்" என்று பெயரிடுகிறார். தற்போதைய நடைமுறை அறிவியல் பூர்வமானது அல்ல என்ற மறைமுகக் கருத்து மிகவும் நேரடியாக இருப்பதால், சக ஊழியர்கள் பின்வாங்குகிறார்கள்.
1991	குயாட் அணுகுமுறைக்கு மறுபெயரிடுகிறார் "சான்று அடிப்படையிலான மருத்துவம்" மேலும், ACP ஜர்னல் கிளப்பில் ஒரு தலையங்கத்தில் அந்தச் சொல்லை வெளியிடுகிறார். அந்தச் சொற்றொடர் உடனடியாக நிலைத்துவிட்டது.
1992	முக்கியத்துவம் வாய்ந்த JAMA கட்டுரை — சான்று அடிப்படையிலான மருத்துவம்: மருத்துவப் பயிற்சியைக் கற்பிப்பதற்கான ஒரு புதிய அணுகுமுறை — சான்று அடிப்படையிலான மருத்துவத்தை (EBM) உலகிற்கு அறிமுகப்படுத்துகிறது. ஆரம்பத்தில், இதற்கு கிடைத்த எதிர்வினை "கடுங்கோபம்" என்று குயாட் நினைவு கூர்கிறார். தாங்கள் நல்ல மருத்துவர்கள் அல்ல என்று தங்களுக்குச் சொல்லப்படுவதாக சக மருத்துவர்கள் உணர்ந்தனர்.
1993	சுகாதாரப் பராமரிப்புச் சான்றுகள் குறித்த முறைப்படுத்தப்பட்ட ஆய்வுகளைத் தயாரித்துப் பரப்புவதற்கான ஒரு சர்வதேச வலையமைப்பான கோக்ரேன் கூட்டுறவு, முறையாக நிறுவப்பட்டது.
1996	டேவிட் சாக்கெட் BMJ இதழில் திட்டவட்டமான மூன்று தூண் வரையறையை வெளியிடுகிறார். சான்று அடிப்படையிலான மருத்துவம் (EBM) பிரதானமாகிறது.
2000கள்–தற்போது வரை	சான்று அடிப்படையிலான மருத்துவம் (EBM) ஐக்கிய இராச்சியத்தின் பயிற்சியில் ஒருங்கிணைக்கப்படுகிறது: NICE வழிகாட்டுதல்கள், GMC-யின் நல்ல மருத்துவப் பயிற்சி மற்றும் RCGP பாடத்திட்டம் ஆகிய அனைத்தும் இதைக் கட்டாயமாக்குகின்றன. தற்போது ஒவ்வொரு ஐக்கிய இராச்சிய மருத்துவரும் பயிற்றுவிக்கப்பட்டு மதிப்பிடப்படும் முறையின் அடித்தளமாக இது விளங்குகிறது.

⚠️ சான்று அடிப்படையிலான மருத்துவத்திற்கு முன்பு மருத்துவம் எப்படி இருந்தது? அது தீர்த்த பிரச்சினை

சான்று அடிப்படையிலான மருத்துவத்திற்கு (EBM) முன்பு, மருத்துவம் கோர்டன் கயாட் நினைவில் நிற்கும் வகையில் குறிப்பிட்ட ஒன்றின் அடிப்படையில் இயங்கியது. "கோப்சாட்" - நல்ல பழைய நண்பர்கள் ஒரு மேசையைச் சுற்றி அமர்ந்திருக்கிறார்கள்மருத்துவ வழிகாட்டுதல்கள், மூத்த நிபுணர்கள் தங்களின் தனிப்பட்ட கருத்துக்களை ஒன்றிணைத்து எழுதியதால், உங்கள் நோயாளிக்கு என்ன ஆனது என்பது அவரை எந்த மருத்துவர் பார்த்தார் என்பதை முழுமையாகப் பொறுத்து அமைந்தது.

EBM-க்கு முந்தைய உலகம்

மேன்மை சார்ந்த மருத்துவம்: உங்கள் பேராசிரியர் கையாண்ட விதத்திலேயே நீங்களும் நோயாளிகளைக் கையாண்டீர்கள். அதிகாரம் என்பது சான்றுகளிலிருந்து அல்ல, பணிமூப்பிலிருந்து வந்தது. 30 ஆண்டுகளாக "எப்போதும் இப்படித்தான் செய்து வந்த" ஒரு ஆலோசகருக்கு, அந்த "முறை" ஒருபோதும் சோதிக்கப்படாமல் இருந்தபோதிலும், மரியாதை அளிக்கப்பட்டது.
உள்ளுணர்வு அடிப்படையிலான மருத்துவம்: ஒரு சிகிச்சை உடலியல் ரீதியாகப் பொருத்தமானது என்று தோன்றினால், அது பயன்படுத்தப்பட்டது. இயல்புக்கு மாறான இதயத் துடிப்புகளை அடக்குவது தர்க்கரீதியானது என்று தோன்றினால், அவை அடக்கப்பட்டன. அது உண்மையில் நோயாளிகளுக்கு உதவியதா என்பது அரிதாகவே சோதிக்கப்பட்டது.
அனுபவக் கதைகளை அடிப்படையாகக் கொண்ட மருத்துவம்: "என் அனுபவத்தில், நான் கண்டறிந்த விஷயம் என்னவென்றால்..." என்பதே சான்றின் தரமாக இருந்தது. தனிப்பட்ட நிகழ்வுகளே நடைமுறையை வழிநடத்தின — அந்த நிகழ்வுகள் புள்ளிவிவர ரீதியாக விதிவிலக்கானவையாக இருந்தபோதிலும் கூட.
மிகப்பெரிய மாறுபாடு: ஒரே நோயாளி இரண்டு வெவ்வேறு மருத்துவமனைகளுக்கு வரும்போது — அல்லது ஒரே மருத்துவமனையில் உள்ள இரண்டு வெவ்வேறு மருத்துவர்களிடம் செல்லும்போது கூட — அவருக்கு முற்றிலும் மாறுபட்ட சிகிச்சை அளிக்கப்படலாம்.

"நான் 30 ஆண்டுகளாக இந்த முறையில்தான் பாலங்களை வடிவமைத்து வருகிறேன், இதுவரை எதுவும் இடிந்து விழவில்லை" என்ற அடிப்படையில் ஒரு பாலம் கட்டப்படுவதை விரும்புவீர்களா? அல்லது, சோதிக்கப்பட்ட கட்டமைப்புப் பொறியியல் அறிவியலின் அடிப்படையில் கட்டப்படுவதை விரும்புவீர்களா? பதில் வெளிப்படையானது. ஆனால், மருத்துவ வரலாற்றின் பெரும்பகுதியில், பாலம் கட்டும் அணுகுமுறைதான் துல்லியமாகப் பின்பற்றப்பட்டது.

🔴 மருத்துவத்துறையை மாற்றிய உதாரணம் — தி CAST டிரையல்

இது ஒரு கற்பனையான நிகழ்வு அல்ல. இது நவீன மருத்துவத்தின் மிக முக்கியமான உண்மைக்கதைகளில் ஒன்றாகும் — மேலும் சான்று அடிப்படையிலான மருத்துவத்திற்கு (EBM) இதுவரை தேவைப்பட்ட மிக வலிமையான வாதங்களில் ஒன்றும் ஆகும்.

அமைப்பு — அசைக்க முடியாததாகத் தோன்றிய தர்க்கம்

மாரடைப்பு ஆபத்தான இதயத் துடிப்பு ஒழுங்கின்மைகளை (வென்ட்ரிகுலர் அரித்மியாஸ்) ஏற்படுத்துகிறது. வென்ட்ரிகுலர் அரித்மியாஸ் திடீர் மரணத்தை விளைவிக்கிறது. எனவே: இதயத் துடிப்பு ஒழுங்கின்மையை அடக்குதல் → திடீர் மரணத்தைத் தடுத்தல்இது மிகவும் சரியானது என்று தோன்றியதால், 1970-கள் முதல், இதயத் துடிப்பு ஒழுங்கின்மையைச் சரிசெய்யும் மருந்துகள் — குறிப்பாக லிடோகெய்ன், ஃபிளெகைனைடு மற்றும் என்கைனைடு — உலகெங்கிலும் உள்ள மருத்துவமனைகளில் மாரடைப்புக்குப் பிந்தைய நோயாளிகளுக்கு வழக்கமாக வழங்கப்பட்டன. எப்போதாவது அல்ல. வழக்கமாக. ஒரு நிலையான சிகிச்சையாக.

அந்த சோதனை — யாரோ ஒருவர் அதை உண்மையில் சோதித்துப் பார்த்தார்

1987-ல், இதயத் துடிப்பு ஒழுங்கின்மை அடக்குதல் சோதனை (CAST), மாரடைப்புக்குப் பிந்தைய 1,700-க்கும் மேற்பட்ட நோயாளிகளைப் பதிவுசெய்து, அவர்களை சீரற்ற முறையில் இதயத் துடிப்பு ஒழுங்கின்மைக்கு எதிரான மருந்துகள் (ஃபிளெகைனைடு அல்லது என்கைனைடு) அல்லது மருந்துப்போலி எனப் பிரித்தது. அந்த மருந்துகள் செய்ய வேண்டியதைச் சரியாகச் செய்தன — அவை இதயத் துடிப்பு ஒழுங்கின்மைகளை வெற்றிகரமாக அடக்கின. ஆனால், எதிர்பாராத ஒன்று நடந்தது.

முடிவு — யாரும் எதிர்பாராதது

மருந்துகளை உட்கொண்ட நோயாளிகள் இறப்பதற்கு 2.5 மடங்கு அதிகம் மருந்துப்போலி பெற்றவர்களை விட, மருந்துப்போலி பெற்றவர்களுக்கு அதிக பாதிப்புகள் இருந்தன. அதனால் ஏற்பட்ட தீங்கு மிகவும் தெளிவாகத் தெரிந்ததால், அந்தச் சோதனையை முன்கூட்டியே நிறுத்த வேண்டியிருந்தது. அந்த மருந்துகள், தாங்கள் பாதுகாக்க வேண்டிய நோயாளிகளையே கொன்று கொண்டிருந்தன.

NNH = 21. ஃபிளெகைனைடு அல்லது என்கைனைடு கொண்டு சிகிச்சை அளிக்கப்பட்ட ஒவ்வொரு 21 நோயாளிகளிலும், உயிர் பிழைத்திருக்கக்கூடிய ஒருவர் கூடுதலாக உயிரிழந்தார்.

பாடம்

அப்போது ஒரு இளம் இதயநோய் நிபுணராக இருந்த கோர்டன் குயாட், தனது வார்டுக்கு வந்த மாரடைப்புக்குப் பிந்தைய ஒவ்வொரு நோயாளிக்கும் தனிப்பட்ட முறையில் லிடோகெய்ன் மருந்தைச் செலுத்தி வந்தார். அவர் சிறந்த நடைமுறையைப் பின்பற்றி வந்தார். அவருக்குச் சரியாகவே கற்பிக்கப்பட்டிருந்தது. அவரது நோக்கங்கள் நல்லவையாகவே இருந்தன. ஆனாலும், ஒரு சீரற்ற கட்டுப்பாட்டுச் சோதனையின் (RCT) கடுமையான பரிசோதனை இல்லாமல், அந்தச் சிகிச்சை தீங்கு விளைவிக்கும் என்பதை அறிந்துகொள்ள அவருக்கோ அவரது சக மருத்துவர்களுக்கோ எந்த வழியும் இருக்கவில்லை. இந்த அனுபவமே, அவர் தனது தொழில் வாழ்க்கையை ஆதார அடிப்படையிலான மருத்துவத்திற்கு (EBM) அர்ப்பணித்ததற்கான மையக் காரணமாக அமைந்தது. மருத்துவத்தின் வரலாறு, "திடமான ஆதாரங்களை விட, பெரும்பாலும் யூகங்கள் மற்றும் உள்ளுணர்வின் அடிப்படையில் அமைந்த சிகிச்சைகளால் நிறைந்துள்ளது" என்று அவர் பின்னர் கூறினார்.

🌐 சான்று அடிப்படையிலான மேலாண்மை (EBM) எல்லாவற்றையும் மாற்றிய விதம் — தரப்படுத்தலும் ஒற்றுமையும்

சான்று அடிப்படையிலான மருத்துவத்திற்கு (EBM) முன்பு, உங்களுக்குக் கிடைத்த சிகிச்சை நீங்கள் வசிக்கும் இடம், நீங்கள் செல்லும் மருத்துவமனை, மற்றும் உங்களைப் பார்க்கும் மருத்துவர் ஆகியவற்றைச் சார்ந்திருந்தது. ஒரே நோயால் பாதிக்கப்பட்ட ஒரே நோயாளி, லீட்ஸ் மற்றும் லண்டனில் முற்றிலும் மாறுபட்ட சிகிச்சைகளைப் பெறக்கூடும். வெவ்வேறு மருத்துவமனைகள். வெவ்வேறு நாடுகள். மிகப்பெரிய அளவில் மாறுபட்ட முடிவுகள்.

சான்று அடிப்படையிலான மருத்துவம் (EBM) இதை மாற்றியது. மருத்துவ முடிவுகளை ஒரே மாதிரியான சான்றுகளின் தொகுப்புடன் — அதாவது, ஒரே மருத்துவப் பரிசோதனைகள், ஒரே முறைப்படுத்தப்பட்ட ஆய்வுகள், ஒரே வழிகாட்டுதல்கள் — இணைப்பதன் மூலம், அது மருத்துவத்திற்கு ஒரு பொதுவான மொழியையும் ஒரு பொதுவான தரத்தையும் வழங்கியது. இன்று, பிராட்போர்டில் மாரடைப்புடன் வரும் ஒரு நோயாளியும், பிரிஸ்டலில் மாரடைப்புடன் வரும் ஒரு நோயாளியும் அடிப்படையில் ஒரே மாதிரியான சான்று அடிப்படையிலான சிகிச்சையைப் பெற வேண்டும். மருத்துவர்கள் ஒரே மாதிரியாக இருப்பதால் அல்ல, மாறாக சிகிச்சையானது தனிப்பட்ட விருப்பத்தால் அல்லாமல், சான்றுகளால் வழிநடத்தப்படுவதால்தான்.

ஐக்கிய இராச்சியத்தில், இது இதன் மூலம் செயல்படுத்தப்படுகிறது நைஸ் வழிகாட்டுதல்கள், அந்த RCGP பாடத்திட்டம், QOF குறிகாட்டிகள், மருத்துவ தணிக்கைகள், மற்றும் எம்.ஆர்.சி.ஜி.பி தேர்வுகள் — இவை அனைத்துமே சான்று அடிப்படையிலான நடைமுறையைக் கோருவதோடு, அதனை மதிப்பிடவும் செய்கின்றன. நீங்கள் AKT தேர்வில் பங்கேற்கும்போது, இந்தக் கட்டமைப்பைப் பயன்படுத்தும் உங்கள் திறன் சோதிக்கப்படுகிறது.

🌍 சான்றுகள் அடிப்படையிலான மருத்துவம் இல்லாத ஓர் உலகம் — சர்வதேசப் பார்வை

NICE, NHS மற்றும் முதுகலைப் பயிற்சி ஆகியவற்றின் மூலம் சான்று அடிப்படையிலான மருத்துவத்திற்கு (EBM) ஐக்கிய இராச்சியம் அளிக்கும் முக்கியத்துவம் உலகளாவியதல்ல. உலகின் பல பகுதிகளில், ஒரு நோயாளியாக நீங்கள் பெறும் சிகிச்சையானது, உங்களைப் பார்ப்பவர் யார், நீங்கள் எங்கு செல்கிறீர்கள், மற்றும் உங்களால் எவ்வளவு பணம் செலுத்த முடியும் என்பதைப் பொறுத்தே பெருமளவில் அமைகிறது. இதைப் புரிந்துகொள்வது, சான்று அடிப்படையிலான மருத்துவம் உங்கள் நோயாளிகளை எதிலிருந்து பாதுகாக்கிறது என்பதை நீங்கள் உணர்ந்துகொள்ள உதவுகிறது.

🔴 படிப்பதற்கு முன் முக்கிய குறிப்பு

கீழே விவரிக்கப்பட்டுள்ள மாறுபாடு பிரதிபலிக்கிறது சுகாதார அமைப்புகள் மற்றும் கட்டமைப்புகள்இது தனிப்பட்ட மருத்துவர்களின் திறமையையோ அல்லது அர்ப்பணிப்பையோ சார்ந்தது அல்ல. பட்டியலிடப்பட்டுள்ள ஒவ்வொரு நாட்டிலும் பல திறமையான, கடினமாக உழைக்கும் மருத்துவர்கள் பணியாற்றுகின்றனர். சான்று அடிப்படையிலான மருத்துவம் (EBM) வழங்கும் தரப்படுத்தும் உள்கட்டமைப்பான — வழிகாட்டுதல்கள், மேற்பார்வை, பயிற்சி கட்டமைப்புகள் — இல்லாததே இங்குள்ள பிரச்சினை. தனிப்பட்ட மருத்துவர்களால் மட்டும் அமைப்பு ரீதியான பிரச்சினைகளைச் சமாளிக்க முடியாது.

நாடு / பிராந்தியம்	வலுவான EBM கட்டமைப்புகள் இல்லாமல் நடைமுறை எவ்வாறு வேறுபடுகிறது
🇮🇳 இந்தியா (தனியார் துறை)	ஏழு லான்சட் தனியார் மருத்துவமனைகளில் சிசேரியன் விகிதம் 40–58% ஆகவும், அரசு மருத்துவமனைகளில் 10–14% ஆகவும் இருப்பது ஒரு ஆய்வில் கண்டறியப்பட்டுள்ளது — இது பெரும்பாலும் மருத்துவத் தேவையை விட நிதி ஊக்கங்களால் தூண்டப்படுகிறது. தனியார் துறையில் அதிகப்படியான பரிசோதனைகளும், பல மருந்துகளைப் பயன்படுத்துவதும் பரவலாக ஆவணப்படுத்தப்பட்டுள்ளன. ஒரே புற்றுநோயாளி, அவர் எங்கு வருகிறார் மற்றும் அவரால் என்ன செலவழிக்க முடியும் என்பதைப் பொறுத்து, முற்றிலும் மாறுபட்ட சிகிச்சையைப் பெறக்கூடும்.
பாகிஸ்தான்	நுண்ணுயிர் எதிர்ப்பு மருந்து வழிகாட்டுதல்களைப் பின்பற்றுவதில் குறிப்பிடத்தக்க வேறுபாடு காணப்படுகிறது — இது தெற்காசியாவிலேயே மிக அதிக நுண்ணுயிர் எதிர்ப்பு மருந்து பரிந்துரை விகிதங்களில் ஒன்றாகும். மருந்து எதிர்ப்பு காசநோய் மற்றும் நுண்ணுயிர் எதிர்ப்புத் திறன் ஆகியவை இதன் நேரடி விளைவுகளாகும். சிறப்பு மருத்துவர் கவனிப்பு மற்றும் தரப்படுத்தப்பட்ட மேலாண்மை வழிமுறைகளுக்கான அணுகல், புவியியல் மற்றும் வருமானத்தைப் பெரிதும் சார்ந்துள்ளது.
🇳🇬 நைஜீரியா / 🇬🇭 கானா	எக்லாம்சியாவுக்கான உலக சுகாதார அமைப்பால் பரிந்துரைக்கப்பட்ட, ஆதார அடிப்படையிலான, மலிவான சிகிச்சை மெக்னீசியம் சல்பேட் ஆகும். இது தாய்மார்களின் இறப்பு விகிதத்தை கணிசமாகக் குறைப்பதாக ஆய்வுகள் காட்டுகின்றன. இருப்பினும், நைஜீரியா மற்றும் கானாவில் உள்ள மருத்துவமனைகளில் இதன் கிடைப்புத்தன்மையும் உண்மையான பயன்பாடும், மருத்துவமனை வளங்கள் மற்றும் மருத்துவர்களின் பயிற்சி ஆகியவற்றைப் பொறுத்து பெருமளவில் வேறுபடுகின்றன. அதாவது, எக்லாம்சியாவால் பாதிக்கப்பட்ட ஒரு பெண் உயிர் வாழ்வாரா அல்லது இறப்பாரா என்பது அவர் சென்றடையும் மருத்துவமனையைப் பொறுத்தே அமையக்கூடும்.
🇸🇩 சூடான் / 🇮🇶 ஈராக்	நீடித்த மோதலும் நிலையற்ற தன்மையும் சுகாதார உள்கட்டமைப்பைச் சீர்குலைத்துள்ளன. ஈராக்கில் 2003-க்குப் பிறகு, பொது சுகாதார சேவைகள் சரிந்தன, வழிகாட்டு நெறிமுறைகளின் அமலாக்கம் தடைபட்டது, மேலும் அடிப்படை மருந்துகளுக்கான அணுகல் புவியியல் சார்ந்ததாக மாறியது. சூடானில், மோதல் தடுப்பூசித் திட்டங்கள், தாய்வழி சுகாதார சேவைகள் மற்றும் நாள்பட்ட நோய் மேலாண்மை ஆகியவற்றைப் பாதித்துள்ளது. இத்தகைய சூழல்களில் நடைமுறை வேறுபாடு என்பது விருப்பத்தைப் பொறுத்ததல்ல — அது கிடைக்கக்கூடியவற்றைப் பொறுத்ததாகும்.
🇪🇬 எகிப்து / 🇮🇷 ஈரான்	இரு நாடுகளிலும் திறமையான மருத்துவர்களை உருவாக்கும் மருத்துவப் பள்ளிகள் உள்ளன, மேலும் அவை சான்று அடிப்படையிலான மருத்துவ வழிகாட்டுதல்களையும் வெளியிட்டுள்ளன — ஆனால், பொது மற்றும் தனியார் துறைகளுக்கும், நகர்ப்புற மற்றும் கிராமப்புறங்களுக்கும் இடையே அவற்றின் செயலாக்கம் சீரற்றதாக உள்ளது. ஈரானில், சர்வதேசத் தடைகள் மருந்துகளின் கிடைப்பைப் பாதித்துள்ளன, இது சான்று அடிப்படையிலான நெறிமுறைகளிலிருந்து விலகிச் செல்லும் தழுவல்களை மேற்கொள்ள அவர்களைக் கட்டாயப்படுத்துகிறது.
ருமேனியா	ருமேனியா இந்த நடைமுறையை ஆவணப்படுத்தி வருகிறது ப்ளிகுல் (அந்த "உறை") — சிகிச்சையை உறுதி செய்வதற்காக மருத்துவர்களுக்கும் செவிலியர்களுக்கும் வழங்கப்படும் முறைசாரா பணக் கொடுப்பனவுகள். அதிகாரப்பூர்வமாக சட்டவிரோதமானது, ஆனால் பரவலாகப் பின்பற்றப்படுகிறது. ஒரு நோயாளிக்கு அதிகாரப்பூர்வமாக NHS-க்கு இணையான உரிமை உள்ளதா இல்லையா என்பதைப் பொருட்படுத்தாமல், அவர் தனிப்பட்ட முறையில் எவ்வளவு பணம் செலுத்த முடியும் என்பதைப் பொறுத்தே அறுவை சிகிச்சையின் தரம் அமையும் என்பதை நாடாளுமன்ற விசாரணைகளும் புலனாய்வு இதழியலும் உறுதிப்படுத்தியுள்ளன. ஐரோப்பிய ஒன்றியத்தில் இணைந்ததிலிருந்து, அறிவுசார் புலம்பெயர்வு காரணமாக சுமார் 14,000-க்கும் மேற்பட்ட மருத்துவர்கள் பணியிலிருந்து நீக்கப்பட்டுள்ளனர்.
அமெரிக்கா	உலகிலேயே மிகவும் விலையுயர்ந்த சுகாதாரப் பராமரிப்பு — ஒரு நபருக்கு ஆண்டுக்கு $12,000-க்கும் மேல் — ஆனாலும் அதன் விளைவுகள் பெரும்பாலும் இங்கிலாந்தை விடச் சிறப்பாக இருப்பதில்லை. டார்ட்மவுத் அட்லஸ் திட்டம், மருத்துவ நடைமுறையில் உள்ள மிகப்பெரிய புவியியல் வேறுபாடுகளை ஆவணப்படுத்தியுள்ளது: மியாமியில் உள்ள அதே நோயாளி, மினியாபோலிஸில் உள்ள அதே நோயாளியை விட இரண்டு மடங்கு அதிகமான பரிசோதனைகளையும் செயல்முறைகளையும் பெறக்கூடும், ஆனால் விளைவுகளில் எந்த வித்தியாசமும் இல்லை. 2019-ஆம் ஆண்டின் JAMA ஆய்வு ஒன்று, $935 பில்லியன் — அதாவது அமெரிக்காவின் மொத்த சுகாதாரப் பராமரிப்புச் செலவில் ஏறக்குறைய கால் பகுதி — தேவையற்ற சிகிச்சைக்காக வீணடிக்கப்படுவதாக மதிப்பிட்டுள்ளது. ஓபியாய்டு நெருக்கடிக்கு, சான்று அடிப்படையிலான மருத்துவக் கட்டமைப்புகளுக்கு (EBM) வெளியே மருந்து நிறுவனங்கள் மருந்து பரிந்துரைக்கும் நடைமுறைகளில் செல்வாக்கு செலுத்தியதும் ஒரு பகுதிக் காரணமாக அமைந்தது.
பிரான்ஸ்	பிரான்சில் சிறந்த சுகாதார வசதிகள் உள்ளன — ஆனால், ஒரு கலந்தாய்வின் முடிவில் எப்போதும் மருந்துச்சீட்டு வழங்கப்பட வேண்டும் என்ற கலாச்சார எதிர்பார்ப்புகளால் உந்தப்பட்டு, வரலாற்று ரீதியாகவே நுண்ணுயிர் எதிர்ப்பி பரிந்துரைக்கும் விகிதங்கள் ஐரோப்பாவிலேயே மிக உயர்ந்தவையாக இருந்து வந்துள்ளன. இதைக் குறைப்பதற்கான பிரச்சாரங்கள் ("நுண்ணுயிர் எதிர்ப்பிகள் தானாக வழங்கப்படுபவை அல்ல") உதவியுள்ளன, ஆனால் அதிநவீன அமைப்புகளில்கூட, கலாச்சார மற்றும் வணிக அழுத்தங்கள் எவ்வாறு சான்றுகள் அடிப்படையிலான வழிகாட்டுதல்களை மீறிச் செயல்பட முடியும் என்பதை இந்தப் போக்கு விளக்குகிறது.
இத்தாலி	வட இத்தாலியில் (மிலன், போலோக்னா) சுகாதாரப் பராமரிப்பின் தரம் ஐரோப்பாவிலேயே மிகச் சிறந்த ஒன்றாகும். தென் இத்தாலியின் சில பகுதிகளில் நிலைமை மிகவும் வேறுபட்டதாக உள்ளது — புற்றுநோய் அறுவை சிகிச்சைக்கு நீண்ட காத்திருப்பு நேரங்கள், பரிசோதனைத் திட்டங்களின் சீரற்ற செயலாக்கம், வழிகாட்டுதல் அடிப்படையிலான சிகிச்சையைப் பின்பற்றுவதில் குறைவு போன்றவை காணப்படுகின்றன. ஒரே நாட்டிற்குள் இருக்கும் புவியியல் இருப்பிடம், சிகிச்சை முடிவுகளில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தக்கூடும்.
🇬🇷 கிரீஸ் / 🇪🇸 ஸ்பெயின்	கிரீஸின் சிக்கன நெருக்கடி (2010–2015), சுகாதாரச் செலவினங்களில் 25%க்கும் அதிகமான குறைப்புகளுக்கு வழிவகுத்தது. இதன் விளைவாக, மருந்துகளுக்குத் தட்டுப்பாடு, பணியாளர் குறைப்பு மற்றும் தரக்குறைவு ஆகியவை ஆவணப்படுத்தப்பட்டுள்ளன. 35,000க்கும் மேற்பட்ட சுகாதாரப் பணியாளர்கள் வெளிநாடுகளுக்குக் குடிபெயர்ந்தனர். ஸ்பெயினில், புற்றுநோயிலிருந்து மீளும் விகிதங்களில் குறிப்பிடத்தக்க பிராந்திய வேறுபாடு இருப்பது ஆவணப்படுத்தப்பட்டுள்ளது — நீங்கள் வாழும் பிராந்தியத்தைப் பொறுத்து, உங்களுக்கு உருவாகும் கட்டி வித்தியாசமாக நடந்துகொள்ளக்கூடும்; இது உயிரியல் வேறுபடுவதால் அல்ல, மாறாக ஆதார அடிப்படையிலான சிகிச்சையை அந்த அமைப்பு பயன்படுத்தும் விதம் மாறுபடுவதால்தான்.

💊 நீங்கள் கொடுக்கும் பணத்தைப் பொறுத்தே உங்கள் பலன் அமையும் போது

வலுவான சான்று அடிப்படையிலான மருத்துவக் கட்டமைப்புகள் அல்லது அனைவருக்கும் பொதுவான உரிமைகள் இல்லாத சுகாதார அமைப்புகளில், செலுத்துதலுக்கும் சிகிச்சையின் தரத்திற்கும் இடையிலான தொடர்பு பெரும்பாலும் நேரடியானதாகவும் ஆவணப்படுத்தப்பட்டதாகவும் உள்ளது:

இந்தியாவின் சில தனியார் மருத்துவமனைகளில், நெஞ்சு வலியுடன் வரும் மற்றும் தனியார் சிகிச்சைக்குப் பணம் செலுத்தக்கூடிய ஒரு நோயாளிக்கு, உடனடியாக சிறுநீர்க் குழாய் செருகல் மற்றும் ஸ்டென்டிங் செய்யப்படலாம். அரசு மருத்துவமனையில் அதே நோயாளி, ஒரு இதய மின் வரைவு (ECG) எடுப்பதற்காகப் பல மணிநேரம் காத்திருக்க வேண்டியிருக்கும்.
துணை-சஹாரா ஆப்பிரிக்காவின் சில பகுதிகளில், கடுமையான மலேரியாவால் பாதிக்கப்பட்ட ஒரு குழந்தைக்கு, ஆதார அடிப்படையிலான தரமான சிகிச்சையான ஆர்டிமிசினின் சார்ந்த கூட்டு சிகிச்சை அளிக்கப்படுகிறதா அல்லது பழைய, குறைந்த செயல்திறன் கொண்ட மருந்து அளிக்கப்படுகிறதா என்பது, அக்குழந்தை எந்த மருத்துவ மையத்தை அடைகிறது மற்றும் அதன் குடும்பத்தினரால் எவ்வளவு பணம் செலுத்த முடியும் என்பதைப் பொறுத்து அமைகிறது.
அனைவருக்கும் மருந்து கிடைக்கும் வசதி இல்லாத நாடுகளில், புற்றுநோய் கீமோதெரபி மருந்துகள் தங்கள் சொந்தப் பணத்தைச் செலவழிக்கக் கூடியவர்களுக்கு மட்டுமே கிடைக்கக்கூடும் — அதாவது, வருமானத்தை மட்டுமே அடிப்படையாகக் கொண்டு, ஒரே மாதிரியான புற்றுநோய்களின் விளைவுகள் வியத்தகு முறையில் வேறுபடுகின்றன.
ருமேனியா மற்றும் சில பிற கிழக்கு ஐரோப்பிய நாடுகளில், ஒரு அறுவை சிகிச்சையின் தரம் — அதாவது அறுவை சிகிச்சை நிபுணரின் விடாமுயற்சி, மயக்க மருந்து கண்காணிப்பின் தரம், அறுவை சிகிச்சைக்குப் பிந்தைய செவிலியர் சேவையின் கிடைக்கும் தன்மை போன்றவை — மருத்துவத் தேவையைச் சார்ந்து இல்லாமல், முறைசாரா பணப் பரிமாற்றத்தைச் சார்ந்தே இருப்பதாக ஆவணப்படுத்தப்பட்டுள்ளது.

✈️ தெளிவுபடுத்தும் உவமை

ஒவ்வொரு முறையும் நீங்கள் ஒரு வணிக விமானத்தில் ஏறும்போது, மனிதர்கள் இதுவரை உருவாக்கியுள்ள மிகவும் பயனுள்ள பாதுகாப்பு அமைப்புகளில் ஒன்றின் பலனைப் பெறுகிறீர்கள். தனிப்பட்ட விமானிகள் விதிவிலக்காகத் திறமையானவர்கள் என்பதால் அல்ல — அவர்கள் அப்படித்தான் என்றாலும். மாறாக, விமானப் போக்குவரத்து இதைச் சுற்றியே கட்டமைக்கப்பட்டுள்ளது. தரப்படுத்தப்பட்ட, சான்றுகளால் சோதிக்கப்பட்ட நெறிமுறைகள்ஒவ்வொரு விமானியும், ஒவ்வொரு விமான நிறுவனமும், ஒவ்வொரு நாடும் ஒரே மாதிரியான விமானப் பயணத்திற்கு முந்தைய சரிபார்ப்புப் பட்டியல்களையும், ஒரே மாதிரியான தரையிறங்கும் நடைமுறைகளையும், ஒரே மாதிரியான அவசரகால நெறிமுறைகளையும் பின்பற்றுகின்றன. உங்களுக்கு எந்த விமானி கிடைத்தாலும், இந்த அமைப்பு உங்களைப் பாதுகாக்கிறது.

சான்று அடிப்படையிலான மருத்துவம் இல்லாத மருத்துவம் என்பது, சரிபார்ப்புப் பட்டியல்கள் இல்லாத விமானப் போக்குவரத்து போன்றது. உங்கள் பாதுகாப்பு என்பது, உங்களுக்கு ஒரு நல்ல விமானி கிடைக்கிறாரா, அவர் சமீபத்தில் பயிற்சி பெற்றிருக்கிறாரா, அவருக்கு அந்த நாள் நல்ல நாளாக அமைகிறதா, மேலும் அவர் நம்பும் ஒருவரிடமிருந்து சமீபத்திய சிந்தனைகளைக் கேட்டிருக்கிறாரா என்பதைப் பொறுத்தே முழுமையாக அமைகிறது.

EBM அதிர்ஷ்டத்திற்குப் பதிலாக முறைமைகளை முன்னிறுத்துகிறது. அது "எனது அனுபவத்தில்" என்பதற்குப் பதிலாக "2 லட்சம் நோயாளிகளை உள்ளடக்கிய 15,000 சோதனைகளில்" என்று குறிப்பிடுகிறது. அது, ஓர் அறையில் தற்செயலாக மிகவும் மூத்தவராக இருப்பவரின் கருத்திற்குப் பதிலாக, மனிதகுலத்தின் கூட்டு மருத்துவ அனுபவத்தின் திரட்டப்பட்ட சான்றுகளை முன்னிறுத்துகிறது. உங்கள் நோயாளிகளுக்கு அது கிடைப்பதை நீங்கள் விரும்ப மாட்டீர்களா? உங்கள் நோயாளிகள் தங்களுக்கென அதை விரும்ப மாட்டார்களா?

💡 இங்கிலாந்தில் ஒரு பொது மருத்துவர் பயிற்சி பெறுபவராகிய உங்களுக்கு இது ஏன் முக்கியம்

நீங்கள் பின்பற்றும் ஒவ்வொரு NICE வழிகாட்டுதலும் முறையான ஆதார மீளாய்வின் விளைவாகும் — நீங்கள் செய்வது, கிடைக்கக்கூடிய சிறந்த அறிவியலால் ஆதரிக்கப்படுகிறதா என்பதை உறுதிசெய்யும் பணியை யாரோ ஒருவர் செய்துள்ளார்.
புள்ளிவிவரங்கள் மற்றும் ஆராய்ச்சி முறைகள் குறித்த ஒவ்வொரு AKT கேள்வியும், சான்றுகளை விமர்சன ரீதியாக மதிப்பிடும் உங்கள் திறனைச் சோதிக்கிறது — அதாவது, அறிவுறுத்தல்களை செயலற்ற முறையில் பின்பற்றுபவராக இல்லாமல், சான்று அடிப்படையிலான மருத்துவத்தின் (EBM) ஒரு செயலூக்கமுள்ள நுகர்வோராக உங்களை அது சோதிக்கிறது.
நீங்கள் ஒரு நோயாளிக்கு NNT-ஐ விளக்கும்போது, அல்லது ஒரு பரிசோதனையின் வரம்புகளைப் பற்றி விவாதிக்கும்போது, அல்லது தேவைப்படாத ஒரு நுண்ணுயிர் எதிர்ப்பியைப் பரிந்துரைக்க மறுக்கும்போது, நீங்கள் சான்று அடிப்படையிலான மருத்துவத்தை (EBM) உணர்வுபூர்வமாக, வெளிப்படையாக, மற்றும் விவேகத்துடன் கடைப்பிடிக்கிறீர்கள்.
மேலும், ஒரு மருந்து விற்பனைப் பிரதிநிதி உங்களுக்கு எதிரே அமர்ந்து, தங்களது புதிய மருந்து இருதய நோய்களை 35% குறைக்கிறது என்று உங்களிடம் கூறும்போது, உங்கள் முதல் கேள்வி — "35% என்பது ஒப்பீட்டளவிலானதா அல்லது முழுமையானதா?" — என்பதுதான், சான்று அடிப்படையிலான மருத்துவம் (EBM) கேட்கக் கற்றுக்கொடுத்த கேள்வியாகும்.

ஆய்வு வடிவமைப்புகள் மற்றும் சான்றுகளின் படிநிலை

எந்தவொரு முடிவையும் விளக்குவதற்கு முன், நீங்கள் தெரிந்து கொள்ள வேண்டும் அது எங்கிருந்து வந்ததுவெவ்வேறு ஆய்வு வடிவமைப்புகள் வெவ்வேறு கேள்விகளுக்குப் பதிலளிக்கின்றன, வெவ்வேறு புள்ளிவிவரங்களை உருவாக்குகின்றன, மேலும் வெவ்வேறு அளவிலான நம்பகத்தன்மையையும் கொண்டுள்ளன.

ஆதார பிரமிடு

வலுவான ஆதாரம் மேலே; வலுவற்ற ஆதாரம் கீழே

முறையான மதிப்பாய்வுகள் மற்றும் மெட்டா பகுப்பாய்வுகள்

சமவாய்ப்பு முறையில் கட்டுப்படுத்தப்பட்ட சோதனைகள் (RCTs)

கோஹார்ட் ஆய்வுகள்

வழக்கு-கட்டுப்பாட்டு ஆய்வுகள்

குறுக்கு வெட்டு ஆய்வுகள்

வழக்கு அறிக்கைகள் மற்றும் நிபுணர் கருத்து

⬆ வலுவான ஆதாரம் | ⬇ பலவீனமான ஆதாரம்

படிப்பு வடிவமைப்பு	திசையில்	சிறந்தது	உருவாக்கின்றது	முக்கிய பலவீனம்
முறைப்படுத்தப்பட்ட ஆய்வு / மெட்டா பகுப்பாய்வு	-	ஒரு கேள்விக்கான சிறந்த ஒட்டுமொத்த ஆதாரம்	ஒருங்கிணைந்த விளைவு அளவு	அடிப்படை ஆய்வுகளின் தரத்தைப் பொறுத்தே அமையும்; பன்முகத்தன்மை
RCT (சீரற்ற கட்டுப்பாட்டு சோதனை)	முன்னோக்கி	சிகிச்சை X பலனளிக்கிறதா?	ஆர்ஆர், ஏஆர்ஆர், என்என்டி	விலையுயர்ந்த, செயற்கையான அமைப்பு, நெறிமுறைச் சிக்கல்கள்
கூட்டு ஆய்வு	முன்னோக்கி (வருங்கால) அல்லது பின்னோக்கி (கடந்தகால)	வெளிப்பாடு விளைவை ஏற்படுத்துமா? நிகழ்வை ஏற்படுத்துமா?	சார்பு இடர் (RR), நிகழ்வு	தேய்மானம்; காலப்போக்கில் செலவு மிக்கது; குழப்பமானது
நேர்வு-கட்டுப்பாட்டு ஆய்வு	பிற்படுத்தப்பட்ட	அரிதான நோய்கள்; ஆபத்துக் காரணிகள்	முரண்பாட்டு விகிதம் (OR)	நினைவுப் பிழை; நிகழ்வு விகிதத்தை நேரடியாகக் கணக்கிட முடியாது.
குறுக்குவெட்டு ஆய்வு	ஒற்றை ஸ்னாப்ஷாட்	தற்போது X எவ்வளவு பரவலாக உள்ளது?	இதன் பரவல்	காரண காரியத் தொடர்பை நிறுவ இயலவில்லை; காலத் தெளிவின்மை
வழக்கு அறிக்கை / நிபுணர் கருத்து	-	கருதுகோள் உருவாக்கம்; அரிதான நிகழ்வுகள்	விளக்கம் மட்டும்	சார்புநிலைக்கு மிகவும் ஆட்படக்கூடியது; பொதுமைப்படுத்த இயலாதது.

📖 பண்புசார் ஆராய்ச்சி மற்றும் அளவுசார் ஆராய்ச்சி ஒப்பீடு

அளவு ஆராய்ச்சி

"எத்தனை" அல்லது "எவ்வளவு" என்பதற்குப் பதிலளிக்கிறது. எண்கள், புள்ளிவிவரங்கள் மற்றும் கட்டமைக்கப்பட்ட தரவுகளைப் பயன்படுத்துகிறது. எடுத்துக்காட்டுகள்: சீரற்ற கட்டுப்பாட்டு சோதனைகள் (RCTs), கூட்டாய்வுகள், எண் சார்ந்த முடிவுகளைக் கொண்ட கணக்கெடுப்புகள். p-மதிப்புகள், நம்பிக்கை இடைவெளிகள் (CIs), நிகர நிகரப் புள்ளிகள் (NNTs) ஆகியவற்றை உருவாக்குகிறது.

தரமான ஆராய்ச்சி

"ஏன்" அல்லது "எப்படி" என்ற கேள்விகளுக்குப் பதிலளிக்கிறது. சொற்கள், கருப்பொருள்கள் மற்றும் நேர்காணல்களைப் பயன்படுத்துகிறது. எடுத்துக்காட்டுகள்: குழு விவாதங்கள், இனவரைவியல் ஆய்வுகள், அடித்தளக் கோட்பாடு. நோயாளியின் அனுபவங்களையும் நம்பிக்கைகளையும் ஆராய்கிறது.

AKT-இல்: நோயாளியின் மனப்பான்மைகள், அனுபவங்கள் அல்லது நோய் குறித்த புரிதல் பற்றிய ஒரு கேள்வி → பண்புசார்ந்தது. விகிதங்கள், விளைவுகள் அல்லது செயல்திறன் பற்றிய ஒரு கேள்வி → அளவுசார்ந்தது.

🔬 முறைப்படுத்தப்பட்ட ஆய்வு மற்றும் மீபகுப்பாய்வு — இரண்டும் ஒன்றல்ல

முறையான ஆய்வு: ஒரு கேள்வி தொடர்பான அனைத்து ஆய்வுகளையும் கண்டறிந்து, தேர்ந்தெடுத்து, திறனாய்வு செய்யும் ஒரு கடுமையான, கட்டமைக்கப்பட்ட இலக்கியத் தேடல். இதன் விளைவாக, சான்றுகளின் பண்புசார் சுருக்கம் கிடைக்கிறது.

மெட்டா பகுப்பாய்வு: இன்னும் ஒரு படி மேலே செல்லும் ஒரு முறையான ஆய்வு — அது கணித ரீதியாக குளங்கள் பல ஆய்வுகளின் அளவுசார் முடிவுகளை ஒரே ஒருங்கிணைந்த மதிப்பீடாகத் திரட்டுதல். எல்லா முறைப்படுத்தப்பட்ட மீளாய்வுகளும் ஒரு மீபகுப்பாய்வை உள்ளடக்குவதில்லை (எ.கா., ஆய்வுகள் ஒன்றிணைக்க முடியாத அளவுக்கு மிகவும் பன்முகத்தன்மை கொண்டவையாக இருந்தால்).

ஒரு முறையான மீளாய்வை, ஒரு தலைப்பைப் பற்றிய ஒவ்வொரு புத்தகத்தையும் படித்து ஒரு அறிக்கை எழுதுவதாகக் கருதுங்கள். ஒரு மீபகுப்பாய்வு என்பது, அனைத்து ஆசிரியர்களின் முடிவுகளையும் சராசரியாக ஒரே எண்ணாகக் கணக்கிடும் ஒரு சூத்திரத்தை இறுதியில் கொண்ட அந்த அறிக்கையாகும்.

🔄 பிக்கோ கட்டமைப்பு

PICO என்பது மருத்துவ ஆராய்ச்சிக் கேள்வியைக் கட்டமைப்பதற்கான ஒரு தரமான கட்டமைப்பாகும் — இது ஆய்வுக் கட்டுரைகளைத் தேடுவதற்கும் ஆய்வுகளை வடிவமைப்பதற்கும் பயன்படுத்தப்படுகிறது.

கடிதம்	குறிக்கிறது	உதாரணமாக
P	மக்கள் தொகை / நோயாளி	வகை 2 நீரிழிவு நோய் உள்ள பெரியவர்கள்
I	தலையீடு	SGLT2 தடுப்பான்கள்
C	ஒப்பீடு	மெட்ஃபார்மின் மட்டும்
O	முடிவு	5 வயதில் இதய நோய்கள்

AKT ஒரு சூழ்நிலையை முன்வைத்து, PICO கேள்விக்கு எந்த ஆய்வு வடிவமைப்பு சிறப்பாகப் பதிலளிக்கிறது என்று கேட்கலாம். மேலே உள்ள அட்டவணையைப் பயன்படுத்தி, விளைவு வகையைச் சரியான வடிவமைப்புடன் பொருத்தவும்.

🎲 RCT வடிவமைப்பு அம்சங்கள் (பொதுவாகச் சோதிக்கப்படுபவை)

வசதிகள்	இது என்ன அர்த்தம்	ஏன் இது முக்கியமானது
சீரற்றமயமாக்கல்	பங்கேற்பாளர்கள் தற்செயலாக குழுக்களுக்கு ஒதுக்கப்பட்டனர்.	தேர்வுச் சார்பை நீக்குகிறது; குழப்பக் காரணிகளைச் சமப்படுத்துகிறது.
ஒற்றை மறைவிடம்	பங்கேற்பாளர்களுக்குத் தங்களின் ஒதுக்கீடு தெரியாது.	போலி மருந்து விளைவையும் பங்கேற்பாளர் சார்புநிலையையும் குறைக்கிறது.
இரட்டை குருட்டு	பங்கேற்பாளர்களுக்கும் ஆய்வாளர்களுக்கும் ஒதுக்கீடு தெரியாது.	கவனிப்பாளர் சார்பு மற்றும் பங்கேற்பாளர் சார்பு இரண்டையும் நீக்குகிறது
மூன்று மறைப்புகள்	பங்கேற்பாளர்கள், புலனாய்வாளர்கள் மற்றும் தரவு ஆய்வாளர்கள் மறைக்கப்பட்டனர்.	அதிகபட்ச சார்பு குறைப்பு
சிகிச்சைக்கான நோக்கம் (ITT)	இணக்கத்தைப் பொருட்படுத்தாமல் அவர்களின் அசல் குழுவில் பகுப்பாய்வு செய்யப்பட்டது	சீரற்ற தன்மையைப் பாதுகாக்கிறது; நிஜ உலகப் பயன்பாட்டைப் பிரதிபலிக்கிறது.
நெறிமுறைப்படி	நெறிமுறையை நிறைவுசெய்தால் மட்டுமே பகுப்பாய்வு செய்யப்படும்	உயிரியல் செயல்திறனைக் காட்டினாலும், நிஜ உலகப் பலனை மிகைப்படுத்திக் காட்டுகிறது.
கிராஸ்ஓவர் வடிவமைப்பு	பங்கேற்பாளர்கள் இரண்டு சிகிச்சைகளையும் வரிசையாகப் பெறுகிறார்கள்.	ஒவ்வொருவரும் தங்களுக்குத் தாங்களே கட்டுப்பாடாகச் செயல்படுகிறார்கள்; இதற்கு ஒரு சுத்திகரிப்புக் காலம் தேவை.
ஒதுக்கீடு மறைப்பு	பங்கேற்பாளர்களைச் சேர்க்கும் நபரால், அடுத்த பங்கேற்பாளர் எந்தக் குழுவிற்கு ஒதுக்கப்படுவார் என்பதைப் பார்க்க முடியாது. பிறகு அவர்கள் சேர்க்கப்பட்டுள்ளனர்	ஆட்சேர்ப்பாளர் அறியாமலேயே (அல்லது வேண்டுமென்றே) ஆரோக்கியமான நோயாளிகளை சிகிச்சைக் குழுவிற்கு ஒதுக்குவதைத் இது தடுக்கிறது — இது சீரற்ற முறைப்படுத்தலால் மட்டும் தடுக்க முடியாத ஒரு வகையான தேர்வுச் சார்பு ஆகும்.
கிளஸ்டர் ஆர்.சி.டி.	தனிநபர்களுக்குப் பதிலாக முழு குழுக்களும் (எ.கா. பொது மருத்துவர் அலுவலகங்கள், வார்டுகள், பள்ளிகள்) சீரற்ற முறையில் தேர்ந்தெடுக்கப்படுகின்றன.	தனிநபர் சீரற்ற ஒதுக்கீடு நடைமுறைக்குச் சாத்தியமில்லாதபோது பயன்படுத்தப்படுகிறது (எ.கா. ஒரு புதிய கலந்தாய்வு முறையைச் சோதித்தல்). இதற்குப் பெரிய மாதிரி அளவுகளும், கொத்து விளைவுக்கான புள்ளிவிவரச் சரிசெய்தலும் தேவைப்படுகின்றன.

⚠️ AKT பொறி — ITT மற்றும் Per Protocol ஒப்பீடு

சிகிச்சை அளிக்கும் நோக்கம் அதிக பலனைத் தருகிறது பழமைவாத செயல்திறனின் (குறைவான) மதிப்பீடு — ஏனெனில் இது விதிமுறைகளைப் பின்பற்றாத பங்கேற்பாளர்களையும் உள்ளடக்கியுள்ளது. மருத்துவ முடிவுகளுக்கு இதுவே விரும்பத்தக்க பகுப்பாய்வாகும். நெறிமுறைப்படியான பகுப்பாய்வு செயல்திறனை மிகைமதிப்பீடு செய்கிறது, ஆனால் உயிரியல் வழிமுறையைப் புரிந்துகொள்ளப் பயனுள்ளதாக இருக்கிறது.

⚖️ மேன்மை, தாழ்வின்மை மற்றும் சமநிலை சோதனைகள்

எல்லா சோதனைகளும் ஒரே கேள்வியைக் கேட்பதில்லை. ஒரு சோதனை உண்மையில் எதைக் காட்டுவதற்காக வடிவமைக்கப்பட்டது என்பதையும், அதன் முடிவுகளை விளக்கும்போது அது ஏன் முக்கியமானது என்பதையும் நீங்கள் புரிந்துகொண்டிருக்கிறீர்களா என்பதை AKT அவ்வப்போது சோதிக்கிறது.

சோதனை வகை	கேட்கப்படும் கேள்வி	பொதுவான சூழல்
மேன்மை சோதனை	புதிய சிகிச்சை சிறந்தது ஒப்பீட்டாளர்?"	பெரும்பாலான வழக்கமான ஆர்.சி.டி-க்கள் — அதாவது, முற்றிலும் புதிய மருந்து அல்லது அணுகுமுறையைச் சோதிப்பவை
தாழ்வற்ற தன்மை சோதனை	புதிய சிகிச்சை இதைவிட மோசமில்லை முன் குறிப்பிடப்பட்ட ஒரு சிறிய வித்தியாசத்தை விட ஒப்பீட்டாளரை விட அதிகமாகவா?	குறைவான பக்க விளைவுகள், குறைந்த செலவு அல்லது எளிதாகப் பயன்படுத்தக்கூடிய ஒரு புதிய மருந்து — அது "போதுமான அளவு சிறந்தது" என்று நிரூபிப்பதே இதன் நோக்கம்.
சமநிலை சோதனை	இரண்டு சிகிச்சைகளும் அடிப்படையில் ஒன்றுதான்?"	உயிரியல் ஒத்த மருந்துகள்; பொதுவான மருந்துகள்; வெவ்வேறு நிர்வாக முறைகள்

💡 பொது மருத்துவத்தில் தரம் குறையாத சோதனைகள் ஏன் முக்கியத்துவம் பெறுகின்றன?

ஒரு புதிய இரத்த உறைதல் தடுப்பு மருந்து, பக்கவாதத்தைத் தடுப்பதில் வார்ஃபரினுக்கு "சமமான செயல்திறன் கொண்டது" என்று நிரூபிக்கப்படலாம் — அதாவது, அது சிறந்ததல்ல, ஆனால் குறிப்பிடத்தக்க அளவு மோசமானதும் அல்ல — அதே சமயம், அதைப் பயன்படுத்துவதும் எளிதாக இருக்கலாம் (INR கண்காணிப்பு தேவையில்லை). அந்த மருந்து வார்ஃபரினை "வெல்லவில்லை" என்றாலும், இது மருத்துவ ரீதியாக மதிப்புமிக்க ஒரு கண்டுபிடிப்பாகும். ஒரு சமமற்ற செயல்திறன் சோதனையின் முடிவைச் சரியாகப் புரிந்துகொள்ளுமாறு AKT உங்களைக் கேட்கலாம்.

⚠️ ஏகேடி ட்ராப்

"குறிப்பிடத்தக்க வேறுபாடு இல்லை" என்பதைக் காட்டும் ஒரு தாழ்வற்ற சோதனை என்பது இல்லை இது, 'குறிப்பிடத்தக்க வேறுபாடு இல்லை' என்று காட்டும் ஒரு மேன்மைச் சோதனையைப் போன்றதுதான். ஒரு மேன்மைச் சோதனையில், குறிப்பிடத்தக்க வேறுபாடு இல்லாத முடிவு என்பது, புதிய மருந்து சிறப்பாகச் செயல்படுகிறது என்பதை நீங்கள் நிரூபிக்கத் தவறிவிட்டீர்கள் என்று அர்த்தம். ஒரு தாழ்வற்ற சோதனையில், குறிப்பிடத்தக்க வேறுபாடு இல்லாத முடிவு என்பது நீங்கள் எதிர்பார்த்ததுதான்.

ஆராய்ச்சி சார்பு, செல்லுபடியாகும் தன்மை மற்றும் நம்பகத்தன்மை

சார்பு வகை	வரையறை	எந்த ஆய்வு வடிவமைப்புகள்?	அதை எப்படி குறைப்பது
தேர்வு சார்பு	பங்கேற்பாளர்கள் இலக்கு மக்கள் தொகையின் பிரதிநிதிகள் அல்ல.	அனைத்து வகையான	சீரற்ற தேர்வு; கவனமான மாதிரி எடுத்தல்
நினைவுச் சார்பு	நோயாளிகள் (நோய் உள்ளவர்கள்) கட்டுப்பாட்டுக் குழுவினரை விட, கடந்தகால வெளிப்பாடுகளை மிகவும் தெளிவாக நினைவில் கொள்கிறார்கள்.	நேர்வு-கட்டுப்பாட்டு ஆய்வுகள்	புறநிலைத் தரவு மூலங்கள்; தரப்படுத்தப்பட்ட வினா முறை
வெளியீடு சார்பு	எதிர்மறையான ஆய்வுகளை விட, நேர்மறையான/முக்கியத்துவம் வாய்ந்த ஆய்வுகள் அதிகமாக வெளியிடப்படுகின்றன.	மெட்டா பகுப்பாய்வுகள் (ஃபனல் ப்ளாட் மூலம் கண்டறியப்பட்டது)	சோதனைப் பதிவு; சாம்பல் இலக்கியத் தேடல்
இழப்பு சார்பு	பின்தொடர்வதில் பங்கேற்பாளர்களின் இழப்பு முடிவுகளைத் திரித்துவிடுகிறது (பாதியிலேயே விலகியவர்கள், முழுமையாக முடித்தவர்களிடமிருந்து வேறுபடுகிறார்கள்).	கூட்டு ஆய்வுகள், சீரற்ற கட்டுப்பாட்டு சோதனைகள்	சிகிச்சை நோக்கு பகுப்பாய்வு; இடைநிற்றலைக் குறைத்தல்
முன்னணி நேர சார்பு	பரிசோதனையானது, நோயை முன்கூட்டியே கண்டறிவதன் மூலம் உயிர் பிழைப்பது மேம்பட்டது போன்ற ஒரு மாயையை அளிக்கிறது.	திரையிடல் ஆய்வுகள்	நோய் கண்டறியப்பட்டதிலிருந்து உயிர்வாழும் காலத்தை அல்ல, நோய் சார்ந்த இறப்பு விகிதத்தைப் பயன்படுத்தவும்.
நீள சார்பு	பரிசோதனை, மெதுவாக வளரும் (தீவிரம் குறைந்த) நோயை அதிகமாகக் கண்டறிகிறது.	திரையிடல் ஆய்வுகள்	நோய் சார்ந்த விளைவுகளைக் கொண்ட சீரற்ற கட்டுப்பாட்டு சோதனைகள்
கவனிப்பாளர் / மதிப்பீட்டுச் சார்பு	சிகிச்சை ஒதுக்கீடு குறித்த அறிவு, விளைவு மதிப்பீட்டைப் பாதிக்கிறது.	RCTகள்	பார்வை மங்கச் செய்தல் (ஒற்றை, இரட்டை, மும்மடங்கு)
ஹாவ்தோர்ன் விளைவு	தாங்கள் கண்காணிக்கப்படுகிறோம் என்பதை அறிவதால், பங்கேற்பாளர்கள் தங்கள் நடத்தையை மாற்றிக்கொள்கிறார்கள்.	அனைத்து வகைகளும், குறிப்பாக உற்றுநோக்கல்	கட்டுப்பாட்டுக் குழுக்கள்; பார்வையற்ற பார்வையாளர்கள்
சரிபார்ப்பு சார்பு	பரிசோதனையில் நேர்மறை முடிவு பெற்ற நோயாளிகளுக்கு மட்டுமே மிக உயர்ந்த தரமான உறுதிப்படுத்தும் பரிசோதனை செய்யப்படுகிறது — அதனால், உணர்திறன் தவறாக அதிகமாகவும், தனித்தன்மை தவறாகக் குறைவாகவும் தோன்றுகிறது.	நோயறிதல் சோதனை ஆய்வுகள்	தொற்று உறுதி செய்யப்பட்ட மற்றும் இல்லாத அனைத்து நோயாளிகளும் மிக உயர்ந்த தரமான பரிசோதனையைப் பெறுவதை உறுதிசெய்யுங்கள்.
குழப்பமான	மூன்றாவது மாறி ஒன்று, வெளிப்பாடு மற்றும் விளைவு ஆகிய இரண்டுடனும் தொடர்புடையதாக இருப்பதால், வெளிப்படையான உறவைச் சிதைக்கிறது.	கண்காணிப்பு ஆய்வுகள்	சமவாய்ப்பு முறைப்படுத்தல் (RCTs); அடுக்குப்படுத்தல்; பன்மாறி பகுப்பாய்வு

ஒரு சிறந்த குழப்பமூட்டும் உதாரணம்: "ஐஸ்கிரீம் விற்பனைக்கும் நீரில் மூழ்கி இறப்பதற்கும் தொடர்பு உள்ளது." ஐஸ்கிரீம் ஆபத்தானதா? இல்லை — கோடை காலத்தில் இரண்டுமே அதிகரிக்கும். பருவகாலமே இங்கு குழப்பத்தை ஏற்படுத்துகிறது. தொடர்பு என்பது காரண காரியத் தொடர்பு அல்ல என்பதையும், குழப்பமூட்டும் காரணிகளைக் கட்டுப்படுத்த வேண்டும் என்பதையும் இது விளக்குகிறது.

🔀 குழப்பம் — இரண்டு விஷயங்கள் ஒன்றுடன் ஒன்று தொடர்புடையதாகத் தோன்றும் போது, ஆனால் உண்மையில் அவை தொடர்பில்லாத போது

ஆய்வு முறையியலில் குழப்பம் விளைவித்தல் என்பது மிக முக்கியமான கருத்துருக்களில் ஒன்றாகும் — மேலும், வெளித்தோற்றத்தில் நம்பத்தகுந்ததாகத் தோன்றும் உற்றுநோக்கல் கண்டுபிடிப்புகள் தவறாக முடிவடைவதற்கான மிகவும் பொதுவான காரணங்களில் ஒன்றும் இதுவே. இதன் முக்கியக் கருத்து எளிமையானது: இரண்டு விஷயங்கள் ஒன்றுக்கொன்று நேரடியாகப் பாதிப்பதால் அல்ல, மாறாக இரண்டும் ஒரு மறைவான மூன்றாவது மாறியுடன் இணைக்கப்பட்டிருப்பதால், அவை தொடர்புடையவை போல் தோன்றலாம்.

🔴 மைய வரையறை

A மோசடி செய்பவர் (அல்லது குழப்பமான மாறி) என்பது சுயாதீனமாக தொடர்புடைய ஒரு மூன்றாவது மாறி ஆகும். இரண்டு வெளிப்பாடு மற்றும் அது, நீங்கள் ஆய்வு செய்யும் வெளிப்பாட்டிற்கும் விளைவிற்கும் இடையே ஒரு போலியான (தவறான) தொடர்பை உருவாக்குகிறது — அல்லது ஒரு உண்மையான தொடர்பை மறைக்கிறது.

லைட்டர்களை எடுத்துச் செல்பவர்களுக்கு நுரையீரல் புற்றுநோய் வருவதற்கான வாய்ப்புகள் அதிகம் என்பதை நீங்கள் கவனித்தால் என்னவாகும்? நாம் லைட்டர்களைத் தடை செய்ய வேண்டுமா? இல்லை — உண்மையான குற்றவாளி புகைப்பிடித்தல்தான். புகைப்பிடித்தலுக்கும், லைட்டரை எடுத்துச் செல்வதற்கும், நுரையீரல் புற்றுநோய் ஏற்படுவதற்கும் தொடர்பு உள்ளது. புகைப்பிடித்தல்தான் குழப்பத்தை ஏற்படுத்துகிறது. லைட்டருக்கும் புற்றுநோய்க்கும் உள்ள தொடர்பை அது மட்டுமே முழுமையாக விளக்குகிறது.

கிளாசிக் எடுத்துக்காட்டுகள்

வெளிப்படையான இணைப்பு	குழப்பவாதி	அது ஏன் எல்லாவற்றையும் விளக்குகிறது
ஐஸ்கிரீம் விற்பனை → நீரில் மூழ்கி இறப்புகள்	வெப்பமான வானிலை (கோடைக்காலம்)	வெப்பமான வானிலை அதிக ஐஸ்கிரீம் சாப்பிடுவதையும், அதிகமாக நீந்துவதையும் ஏற்படுத்துகிறது → அதிக நீரில் மூழ்குதல்கள் நிகழ்கின்றன. ஐஸ்கிரீம் நீரில் மூழ்குதலை ஏற்படுத்தாது.
காபி குடிப்பதால் நுரையீரல் புற்றுநோய்	டாக்ஷிடோ	புகைப்பிடிப்பவர்கள் சராசரியாக அதிக காபி அருந்துகிறார்கள். புகைப்பழக்கம் கட்டுப்படுத்தப்படும் வரை, ஆரம்பகால ஆய்வுகள் காபிக்கும் புற்றுநோய்க்கும் தொடர்பு இருப்பதாகக் கூறின.
லைட்டரை எடுத்துச் செல்வது → நுரையீரல் புற்றுநோய்	டாக்ஷிடோ	புகைப்பிடிப்பவர்கள் லைட்டர்களை எடுத்துச் செல்கிறார்கள். லைட்டருக்கு எந்த உயிரியல் விளைவும் இல்லை; ஆனால் புகைப்பிடிப்பதற்கு உண்டு.
நரை முடி → இதய நோய்	வயது	வயதாக ஆக நரை முடியும் இதய நோயும் அதிகரிக்கின்றன. இதில் குழப்பத்தை ஏற்படுத்துவது வயதே தவிர, முடியின் நிறம் அல்ல.
காலணி அளவு → வாசிக்கும் திறன் (குழந்தைகளிடம்)	வயது	மூத்த குழந்தைகளுக்குப் பாதங்கள் பெரிதாகவும், நன்றாக வாசிக்கவும் தெரியும். வயது இவ்விரண்டையும் விளக்குகிறது.

📐 ஒரு உண்மையான குழப்பவாதிக்கான மூன்று அளவுகோல்கள்

ஒரு மாறி பின்வரும் நிபந்தனைகளைப் பூர்த்தி செய்தால் அது ஒரு குழப்பக்காரியாகும்: மூன்றும் இவற்றில்:

இது தொடர்புடையது வெளிப்பாடு (நீங்கள் படிக்கும் விஷயம்)
இது தொடர்புடையது விளைவு (நீங்கள் அளவிடும் முடிவு)
இது இல்லை வெளிப்பாட்டிற்கும் விளைவிற்கும் இடையிலான காரணப் பாதையில் (இது ஒரு தனி மூன்றாவது மாறி, இடையில் உள்ள ஒரு படிநிலை அல்ல)

💡 குழப்பத்தைக் கட்டுப்படுத்துவது எப்படி

சீரற்றமயமாக்கல் (சீரற்ற கட்டுப்பாட்டு சோதனைகளில்) — அறியப்பட்ட மற்றும் அறியப்படாத குழப்பக் காரணிகளை குழுக்களிடையே சமமாகப் பகிர்ந்தளிக்கிறது. இதுவே மிக வலிமையான பாதுகாப்பு ஆகும்.
கட்டுப்பாடு குழப்பக்காரணியில் ஒத்திருக்கும் பங்கேற்பாளர்களை மட்டும் சேர்க்கவும் (உதாரணமாக, காபி ஆய்வில் புகைப்பிடிக்காதவர்கள் மட்டும்).
பொருந்துவதை குழப்பக்கார மாறியின் மீது நோயாளிகளையும் கட்டுப்பாட்டுக் குழுவினரையும் இணைக்கவும்.
அடுக்கு — குழப்பக்காரரின் ஒவ்வொரு நிலைக்கும் முடிவுகளைத் தனித்தனியாகப் பகுப்பாய்வு செய்யவும்
பன்மாறி புள்ளிவிவர சரிசெய்தல் — புள்ளிவிவரப்படி ஒரே நேரத்தில் பல குழப்பக் காரணிகளைக் கணக்கில் எடுத்துக்கொள்ளுங்கள்

⚠️ உற்றுநோக்கல் ஆய்வுகளில் குழப்பம் ஏன் முக்கியமாக ஒரு பிரச்சனையாக இருக்கிறது

நன்கு நடத்தப்பட்ட ஒரு சீரற்ற கட்டுப்பாட்டு சோதனையில் (RCT), சமவாய்ப்பு முறையானது, அறியப்பட்ட மற்றும் அறியப்படாத குழப்பக் காரணிகளை குழுக்களிடையே சமமாகப் பகிர்ந்தளிக்கிறது — இதன் மூலம் வேறுபாடுகளுக்கான விளக்கமாக குழப்பம் ஏற்படுவதை நீக்குகிறது. கூட்டாய்வு மற்றும் நேர்வுக் கட்டுப்பாட்டு ஆய்வுகளில், உங்களுக்குத் தெரிந்த மற்றும் நீங்கள் அளவிட்ட குழப்பக் காரணிகளை மட்டுமே சரிசெய்ய முடியும். அளவிடப்படாத குழப்பக் காரணிகள், கவனிக்கப்பட்ட எந்தவொரு தொடர்புக்கும் எப்போதும் ஒரு சாத்தியமான விளக்கமாகவே இருக்கின்றன — இதனால்தான் உற்றுநோக்கல் ஆய்வுகளால் ஒருபோதும் காரண காரிய உறவை உறுதியாக நிரூபிக்க முடியாது.

✅ செல்லுபடியாகும் தன்மை மற்றும் நம்பகத்தன்மை — இவ்விரண்டிற்கும் உள்ள வேறுபாடு என்ன?

உள் செல்லுபடியாகும் தன்மை

இந்த ஆய்வு, ஆய்வுக்குட்பட்ட மக்களிடையே அது அளவிடுவதாகக் கூறும் விஷயங்களை அளவிடுகிறதா? இதன் முடிவுகள் இந்த ஆய்வு நம்பகமானதா? சார்பு மற்றும் குழப்பங்களால் அச்சுறுத்தப்படுகிறது.

வெளிப்புற செல்லுபடித்தன்மை (பொதுமைப்படுத்தல்)

இந்த முடிவுகளை மற்ற மக்கள் குழுக்களுக்கோ அல்லது நிஜ உலகச் சூழல்களுக்கோ பயன்படுத்த முடியுமா? ஒரு சிறப்பு மையத்தில் நடத்தப்படும் மிகவும் கட்டுப்படுத்தப்பட்ட சீரற்ற கட்டுப்பாட்டு சோதனையானது, முதன்மை மருத்துவப் பராமரிப்பில் நடப்பதைப் பிரதிபலிக்காமல் இருக்கலாம்.

நம்பகத்தன்மை (மீளுருவாக்கம்)

ஒரே நிபந்தனைகளின் கீழ் மீண்டும் மீண்டும் செய்யப்படும்போது, இந்தச் சோதனை சீரான முடிவுகளைத் தருகிறதா? இது மதிப்பீட்டாளர் இடையேயான நம்பகத்தன்மை (காப்பா புள்ளிவிவரம்) அல்லது சோதனை-மறுசோதனை நம்பகத்தன்மை மூலம் அளவிடப்படுகிறது.

காப்பா புள்ளிவிவரம் (κ)

இரு மதிப்பீட்டாளர்களுக்கு இடையேயான தற்செயல் வாய்ப்பையும் தாண்டிய உடன்பாட்டை அளவிடுகிறது. κ = 1 (முழுமையான உடன்பாடு); κ = 0 (தற்செயல் வாய்ப்பை விட உடன்பாடு சிறப்பாக இல்லை); κ < 0 (தற்செயல் வாய்ப்பை விட மோசமானது).

ஆபத்து மற்றும் சிகிச்சை விளைவை அளவிடுதல்

இந்த மிகவும் தீவிரமாக சோதிக்கப்பட்ட பகுதி AKT புள்ளியியலில், நீங்கள் இந்த சூத்திரங்களை அத்துபடியாகத் தெரிந்து வைத்திருக்க வேண்டும், மேலும் தேர்வுச் சூழலில் அவற்றை மாதிரித் தரவு அட்டவணைகளில் பயன்படுத்தவும் தெரிந்திருக்க வேண்டும்.

நீங்கள் ஒரு சூதாட்ட விடுதியில் இருப்பதாகக் கற்பனை செய்து கொள்ளுங்கள். லாட்டரியில் வெற்றி பெறுவதற்கான உங்கள் வாய்ப்புகள் இரட்டிப்பாகியுள்ளன என்று அது கூறுகிறது — கேட்பதற்கு அற்புதமாக இருக்கிறது. ஆனால், உங்கள் வெற்றி வாய்ப்பு பத்து லட்சத்தில் ஒன்றிலிருந்து பத்து லட்சத்தில் இரண்டு என்ற நிலைக்கு உயர்ந்தால், ஒப்பீட்டு ரீதியான முன்னேற்றம் 100% ஆகும், ஆனால் முழுமையான வித்தியாசம் என்பது அடிப்படையில் ஒன்றுமே இல்லை. இதுதான் RRR மற்றும் ARR-க்கு இடையிலான வித்தியாசம். மருந்து நிறுவனங்கள் RRR-ஐக் குறிப்பிடுவதை விரும்புகின்றன. நீங்கள் எப்போதும் ARR-ஐக் கேட்க வேண்டும்.

முக்கிய அளவீடுகள்

முழுமையான இடர் குறைப்பு (ARR)

ARR = CER − EER

குழுக்களுக்கு இடையேயான நிகழ்வு விகிதங்களில் உள்ள உண்மையான வேறுபாடு. மருத்துவ ரீதியாக மிகவும் நேர்மையான அளவீடு.

சார்பு இடர் குறைப்பு (RRR)

RRR = (CER − EER) ÷ CER

பெரும்பாலும் மிகவும் பிரமாண்டமாகத் தோன்றலாம் — ஆனால் அடிப்படை அபாயத்தை அறியாமல் இருந்தால் அது தவறான புரிதலை ஏற்படுத்தக்கூடும். மாற்று சூத்திரம்: RRR = 1 − RR (RR = EER÷CER என்பதால், RRR = 1 − அந்த மதிப்பு).

சார்பு இடர் (RR)

RR = EER ÷ CER

கூட்டு ஆய்வுகள் மற்றும் சீரற்ற கட்டுப்பாட்டு சோதனைகளில் பயன்படுத்தப்படுகிறது. RR 1 = விளைவின்மை; <1 = குறைந்த இடர்; >1 = அதிகரித்த இடர்.

சிகிச்சை அளிக்கத் தேவைப்படும் நபர்களின் எண்ணிக்கை (NNT)

NNT = 1 ÷ ARR

ஒரு மோசமான விளைவைத் தடுக்க எத்தனை நோயாளிகளுக்கு சிகிச்சை அளிக்க வேண்டும். குறைவாக இருந்தால், அதிக பலன் கிடைக்கும். எப்போதும் மேல்நோக்கி முழுமையாக்கவும்.

தீங்கு விளைவிக்கத் தேவையான எண்ணிக்கை (NNH)

NNH = 1 ÷ ARI

கூடுதலாக ஒரு பக்க விளைவை ஏற்படுத்துவதற்கு எத்தனை நோயாளிகளுக்கு சிகிச்சை அளிக்க வேண்டும். அதிகமானது = பாதுகாப்பான சிகிச்சை.

முழுமையான இடர் அதிகரிப்பு (ARI)

ARI = EER − CER

தீங்கு விளைவிக்கும் வெளிப்பாடு அல்லது சிகிச்சையின் பக்க விளைவினால் ஏற்படும் கூடுதல் ஆபத்து.

📊 NNT விளக்கம் — இந்த எண்களின் உண்மையான அர்த்தம் என்ன?

⚠️ பொதுவான குழப்பம் — குறைந்த NNT = சிறந்தது (மோசமானதல்ல)

நீங்கள் எத்தனை நோயாளிகளுக்கு சிகிச்சை அளிக்க வேண்டும் என்பதை NNT உங்களுக்குத் தெரிவிக்கும். ஒரு பயனடைய. எனவே அந்த குறைவான ஒரு பலனைப் பெறுவதற்கு நீங்கள் சிகிச்சை அளிக்க வேண்டிய நோயாளிகளின் எண்ணிக்கை, சிகிச்சையின் செயல்திறனை அதிகரிக்கும். NNT = 2 என்றால், ஒவ்வொரு 2 நோயாளிகளிலும் 1 நோயாளி பயனடைகிறார் — இது மிகச் சிறந்தது. NNT = 100 என்றால், 100 நோயாளிகளில் 1 நோயாளி மட்டுமே பயனடைகிறார் — இது மிகவும் பலவீனமானது.

மழை நாளில் குடைகள் கொடுப்பதைப் பற்றி யோசித்துப் பாருங்கள். நிகரத் தேவை (NNT) = 2 → 2 குடைகளைக் கொடுத்தால், 1 நபர் நனையாமல் இருப்பார் — இது மிகவும் பயனுள்ளது. நிகரத் தேவை (NNT) = 100 → 100 குடைகளைக் கொடுத்தால், 1 நபர் மட்டுமே நனையாமல் தப்பிக்கிறார் — இது மிகவும் ஏமாற்றமளிக்கிறது.

NNT வரம்பு	தோராயமான விளக்கம்	எடுத்துக்காட்டு சூழல்
<10	மிகவும் பயனுள்ளதாக இருக்கும்	சில நோய்த்தொற்றுகளுக்கான நுண்ணுயிர் எதிர்ப்பிகள்; சில தீவிர சிகிச்சைகள்
10 - 50	மிதமான விளைவு	பல பொதுவான தடுப்பு மருந்துகள்
> 100	பலவீனமான விளைவு	மக்கள் தொகை அளவிலான சில தடுப்பு உத்திகள்

⚠️ இந்த இசைக்குழுக்கள் முறைசாராதவை — சூழலே எல்லாமே.

இந்த வரம்புகள் இல்லை NICE அல்லது RCGP-இலிருந்து பெறப்படுபவை — அவை தோராயமான கற்பித்தல் துணைக்கருவிகள் மட்டுமே. "சரியான" தேசிய மாற்றுமுறை (NNT) என்பது எப்போதும் சூழலைப் பொறுத்ததே ஆகும்:

ஒரு NNT இன் 100 இன்னும் பயனுள்ளதாக இருக்கலாம். தடுக்கப்பட்ட விளைவு மரணம் அல்லது கடுமையான சரிசெய்ய முடியாத பாதிப்பாக இருந்தால்
ஒரு NNT இன் 5 ஏற்றுக்கொள்ள முடியாததாக இருக்கலாம் சிகிச்சையில் அடிக்கடி அல்லது கடுமையான பக்க விளைவுகள் ஏற்பட்டால்

ஒற்றை வரி விதி: ஒருவர் பயனடைவதற்கு எத்தனை நோயாளிகளுக்கு சிகிச்சை அளிக்க வேண்டும் என்பதை NNT உங்களுக்குச் சொல்கிறது — குறைவாக இருந்தால், விளைவு வலுவாக இருக்கும். ஆனால், அதை எப்போதும் விளைவின் தீவிரத்தன்மை மற்றும் சிகிச்சையின் சுமையுடன் ஒப்பிட்டுப் பாருங்கள்.

🔄 NNT-ஐ % பெனிஃபிட்டுடன் குழப்பிக் கொள்ளாதீர்கள்

100 நோயாளிகளில் 60 பேர் பயனடைந்தால், அது 60% (= 0.6) ARR ஆகும், இது NNT = 1 ÷ 0.6 ≈ என்பதைத் தருகிறது. 1.7 — ஒரு சிறந்த முடிவு. NNT என்பது பயனடைபவர்களின் எண்ணிக்கை அல்ல; அது, நீங்கள் சிகிச்சை அளித்துப் பெறவைக்கும் எண்ணிக்கையாகும். ஒரு நன்மை.

📖 முரண்பாட்டு விகிதம் மற்றும் இடர் விகிதம் — இவை எப்போது பயன்படுத்தப்படுகின்றன?

நடவடிக்கை	இல் பயன்படுத்தப்பட்டது	விளக்கம்
சார்பு இடர் (RR)	கூட்டு ஆய்வுகள், சீரற்ற கட்டுப்பாட்டு சோதனைகள்	இரு குழுக்களில் உள்ள இடர்களை நேரடியாக ஒப்பிடுகிறது. OR-ஐ விடப் புரிந்துகொள்ள எளிதானது.
முரண்பாட்டு விகிதம் (OR)	நேர்வு-கட்டுப்பாட்டு ஆய்வுகள்	நோயாளிகளுக்கும் கட்டுப்பாட்டுக் குழுவினருக்கும் இடையிலான நோய்த் தாக்கத்தின் நிகழ்தகவை ஒப்பிடுகிறது. நோய் அரிதாக இருக்கும்போது சார்பு அபாயத்தை (RR) தோராயமாகக் கணக்கிடுகிறது.
அபாய விகிதம் (HR)	பிழைப்புப் பகுப்பாய்வு (நிகழ்வுக்கான நேரம்)	RR போன்றது ஆனால் கணக்கில் எடுத்துக்கொள்கிறது போது நிகழ்வுகள் காலப்போக்கில் நிகழ்கின்றன. HR <1 = சிகிச்சை குழுவில் குறைக்கப்பட்ட ஆபத்து.

⚠️ AKT ட்ராப் — அல்லது ≠ RR

பொதுவான நோய்களுக்கு, RR உடன் ஒப்பிடும்போது OR இடர் விகிதத்தை மிகைமதிப்பிடுகிறது. அரிதான நோய்களுக்கு (<10% பரவல்), அவை ஏறக்குறைய சமமாக இருக்கும். ஒரு நேர்வு-கட்டுப்பாட்டு ஆய்வு OR-ஐ உருவாக்குகிறது — நீங்கள் முடியாது ஒரு நேர்வு-கட்டுப்பாட்டு ஆய்விலிருந்து நிகழ்வு விகிதம் அல்லது சார்பு அபாயத்தை நேரடியாகக் கணக்கிடுங்கள்.

🧮 செய்து காட்டப்பட்ட எடுத்துக்காட்டு — சோதனைத் தரவுகளிலிருந்து NNT-ஐக் கணக்கிடுதல்

🎯 சூழல்: ஸ்டேடின் சோதனை

5 ஆண்டு கால சீரற்ற கட்டுப்பாட்டு ஆய்வு ஒன்றின்படி, இதய நோய்கள் ஏற்படும் அதிக அபாயம் உள்ள நோயாளிகளில், ஸ்டேடின் குழுவில் 4% பேருக்கு மாரடைப்பு ஏற்பட்டதோடு ஒப்பிடுகையில், பிளாசிபோ குழுவில் 6% பேருக்கு மாரடைப்பு ஏற்பட்டது.

1 சிஈஆரின் (கட்டுப்பாட்டு நிகழ்வு விகிதம்) = 6% = 0.06 மரியாதை (சோதனை நிகழ்வு விகிதம்) = 4% = 0.04

2 ஏஆர்ஆர் = CER - EER = 0.06 - 0.04 = 0.02 (2%)

3 என்என்டி = 1 ÷ ARR = 1 ÷ 0.02 = 50
ஒரு மாரடைப்பைத் தடுக்க, 50 நோயாளிகளுக்கு 5 ஆண்டுகள் சிகிச்சை அளிக்கவும்.

4 RRR = ARR ÷ CER = 0.02 ÷ 0.06 = 33%
கேட்கவே பிரமாதமாக இருக்கிறது! ஆனால், அதனால் கிடைக்கும் முழுமையான பலன் வெறும் 2% மட்டுமே.

5 RR = EER ÷ CER = 0.04 ÷ 0.06 = 0.67
ஸ்டேடின் குழுவிற்கு, பிளாசிபோ குழுவின் அபாயத்தில் 67% இருந்தது — இது 33% ஒப்பீட்டு குறைப்பு ஆகும்.

💡 மருத்துவ ரீதியான இறுதி முடிவு

ஒரு நோயாளி, "இந்த ஸ்டேடின் எனக்கு உதவுமா?" என்று கேட்கும்போது, NNT முறையைப் பயன்படுத்துங்கள். "உங்களைப் போன்ற 50 பேர் இந்த மாத்திரையை 5 ஆண்டுகளுக்கு எடுத்துக்கொண்டால், ஒரு மாரடைப்பு தடுக்கப்படும். தனிப்பட்ட முறையில் உங்களுக்கு, இது 2% முழுமையான நன்மையாகும்." என்பது, "இது உங்கள் ஆபத்தை 33% குறைக்கிறது" என்பதை விட மிகவும் நேர்மையானதாகும்.

💬 நோயாளிகளுக்கு ஆபத்து குறித்துத் தெரிவித்தல் (AKT-யின் விருப்பமான பதிவு)

AKT தேர்வானது, நீங்கள் நோயாளிகளுக்குப் புள்ளிவிவரத் தகவல்களை எவ்வாறு விளக்குவீர்கள் என்பதை அடிக்கடி சோதிக்கிறது. இதில் நான்கு முக்கிய வடிவங்கள் உள்ளன:

வடிவம்	உதாரணமாக	சிறந்தது
இயற்கை அதிர்வெண்	"ஒவ்வொரு 100 பேரில் 5 பேர்"	நோயாளிகளுக்குப் புரிந்துகொள்வதற்கு மிகவும் எளிதானது
சதவிதம்	5% மக்கள்	பரவலாகப் பயன்படுத்தப்படுகிறது ஆனால் தவறாக வழிநடத்தக்கூடும்
என்என்டி	ஒரு நிகழ்வைத் தடுக்க 20 முறை சிகிச்சை அளிக்கவும்.	முழுமையான நன்மையை தெளிவாகத் தெரிவிக்கிறது
கேட்ஸ் சதித்திட்டம்	100 முகங்களைக் கொண்ட காட்சி கட்டம்	கூட்டு முடிவெடுத்தலுக்கான சிறந்த காட்சி உதவி

🚨 இடர் குறித்துத் தெரிவிக்கும்போது RRR-ஐ மட்டும் ஒருபோதும் பயன்படுத்தாதீர்கள்.

அடிப்படை அபாயத்தைக் குறிப்பிடாமல், "இது உங்கள் அபாயத்தை 33% குறைக்கிறது" என்று கூறுவது தவறான வழிகாட்டுதலாகும். 0.3% என்ற அடிப்படை அபாயத்திலிருந்து கிடைக்கும் 33% RRR என்பது, உங்கள் முழுமையான நன்மை 0.1% மட்டுமே என்பதாகும். எப்போதும் RRR-ஐ அடிப்படை அபாயத்துடன் இணைத்துக் கொடுங்கள் அல்லது அதற்குப் பதிலாக ARR/NNT-ஐக் கொடுங்கள்.

💊 மருந்து நிறுவனப் பிரதிநிதியின் தந்திரம் — மருந்து நிறுவனங்கள் புள்ளிவிவரங்களைத் திரிக்கும் விதம்

மருந்து நிறுவனப் பிரதிநிதிகள், சோதனைத் தரவுகளை மிகவும் சாதகமான கண்ணோட்டத்தில் முன்வைக்கப் பயிற்சி அளிக்கப்படுகிறார்கள். அவர்கள் எளிய ஆனால் பயனுள்ள ஒரு புள்ளிவிவர தந்திரத்தைப் பயன்படுத்துகிறார்கள்:

நன்மைகள் → சார்பு இடர் குறைப்பு (RRR) எனக் குறிப்பிடப்படுகிறது ஏனென்றால் அது பெரிதாகவும் மேலும் ஈர்க்கக்கூடியதாகவும் ஒலிக்கிறது.
தீங்குகள் → முழுமையான இடர் அதிகரிப்பு (ARI) எனக் குறிப்பிடப்படுகிறது ஏனென்றால் அது சிறியதாகவும், கவலை அளிக்காததாகவும் தெரிகிறது.

செய்து காட்டப்பட்ட எடுத்துக்காட்டு — ஒரு கற்பனையான ஸ்டேடின் பிரதிநிதியின் சந்திப்பு

ஒரு புதிய ஸ்டேடின் மருந்து, 5 ஆண்டுகளில் மாரடைப்பு ஏற்படுவதை 2%-இலிருந்து 1%-ஆகக் குறைக்கிறது, ஆனால் தசை நோய் ஏற்படுவதை 1%-இலிருந்து 2%-ஆக அதிகரிக்கிறது.

பிரதிநிதி என்ன சொல்கிறார்	அது உண்மையில் என்ன அர்த்தம்
இந்த மருந்து மாரடைப்பை இதன்மூலம் குறைக்கிறது 50%"	RRR = 50% — ஆனால் ARR என்பது மட்டும் 1%NNT = 100. ஒரு மாரடைப்பைத் தடுப்பதற்காக, 100 பேருக்கு 5 ஆண்டுகளுக்கு சிகிச்சை அளிக்க வேண்டும்.
தசை நோய் ஏற்படும் அபாயம் இதன் மூலம் மட்டுமே அதிகரிக்கிறது. 1%"	ARI = 1% — ஆனால் அது உண்மையில் ஒரு இரட்டிப்பாக்க தசை நோய்க்கான அபாயத்தில் (சார்பு அபாய அதிகரிப்பு = 100%).

உண்மையான பதிப்பு: 100 நோயாளிகள் இந்த மருந்தை 5 ஆண்டுகளுக்கு எடுத்துக்கொண்டால், கூடுதலாக ஒருவர் மாரடைப்பைத் தவிர்க்கிறார் — மேலும் கூடுதலாக ஒருவருக்குத் தசை நோய் ஏற்படுகிறது. அதே தரவுதான். ஆனால், முற்றிலும் மாறுபட்ட ஒரு கண்ணோட்டம்.

மாற்று மருந்து: எப்போதும் கேளுங்கள் — முழுமையான வேறுபாடு என்ன? ஒரு பிரதிநிதி ஒப்பீட்டு மதிப்பைக் குறிப்பிடும்போது, அதை நீங்களே மாற்றவும்: ARR = CER − EER, பிறகு NNT = 1 ÷ ARR. இது சலுகைகளுக்கும் சமமாகப் பொருந்தும். மற்றும் தீங்குகள்.

நோயறிதல் சோதனை மற்றும் பரிசோதனை — 2×2 அட்டவணை

2×2 நிகழ்வு அட்டவணையே அனைத்து நோயறிதல் புள்ளிவிவரங்களுக்கும் அடித்தளமாகும். இந்த அட்டவணையை உங்களால் உருவாக்கிப் படிக்க முடிந்தால், பெரும்பாலான நோயறிதல் AKT கேள்விகளுக்கு உங்களால் பதிலளிக்க முடியும்.

2×2 மேசை

	உண்மையான நோய் நிலை
சோதனை முடிவு	நோய் தற்போதைய	நோய் இல்லாமல்
சோதனை நேர்மறை	உண்மை நேர்மறை (TP) பரிசோதனை முடிவு ஆம் → நோய் உள்ளது ✓	தவறான நேர்மறை (FP) பரிசோதனையில் ஆம் எனத் தெரியவந்துள்ளது → நோய் இல்லை ✗
சோதனை எதிர்மறை	தவறான எதிர்மறை (FN) பரிசோதனையில் இல்லை என முடிவு → நோய் உள்ளது ✗	உண்மை எதிர்மறை (TN) பரிசோதனையில் இல்லை எனத் தெரியவந்துள்ளது → நோய் இல்லை ✓

உணர்திறன்

TP ÷ (TP + FN)

நோய் உள்ளவர்களில் பரிசோதனையில் தொற்று உறுதி செய்யப்பட்டவர்களின் விகிதம். "நோய்களை எவ்வளவு நன்றாகத் தொற்றிக்கொள்வார்கள்?"

குறிப்பிட்ட

TN ÷ (TN + FP)

நோய் இல்லாதவர்களில் பரிசோதனையில் எதிர்மறை முடிவு பெறுபவர்களின் விகிதம். "நோயை நிராகரிப்பதில் எவ்வளவு திறன்?"

நேர்மறை முன்கணிப்பு மதிப்பு (PPV)

TP ÷ (TP + FP)

ஒரு பரிசோதனையில் நேர்மறை முடிவு வந்தால், அது உண்மையாகவே நோயைக் குறிப்பதற்கான நிகழ்தகவு. இது நோய்ப் பரவலால் பாதிக்கப்படுகிறது.

எதிர்மறை முன்கணிப்பு மதிப்பு (NPV)

TN ÷ (TN + FN)

எதிர்மறைப் பரிசோதனை முடிவுக்கும் உண்மையிலேயே நோய் இல்லை என்பதற்குமான நிகழ்தகவு. இது நோய்ப் பரவலைப் பொறுத்து அமைகிறது.

🧠 SnNout & SpPin — நினைவாற்றல் உதவிகள் (மற்றும் அவை ஏன் பலனளிக்கின்றன)

SnNout

Snவெளியே: மிகவும் Senநேர்மறை சோதனை, என்றால் Nஎதிர்மறை, நோயை ஆளுகிறது அவுட்.

உணர்திறன் மிக அதிகமாக இருந்தால், எதிர்மறைப் பரிசோதனை முடிவு என்பது நோய் இருப்பதற்கான வாய்ப்பு மிகக் குறைவு என்பதைக் குறிக்கிறது (தவறான எதிர்மறை முடிவுகளின் விகிதம் குறைவு). நோயைக் கண்டறிந்து நிராகரிப்பதற்கு, உணர்திறன் மிக்க பரிசோதனையைப் பயன்படுத்துங்கள்.

ஸ்பிபின்

Spஇல்: ஒரு உயர் Spகுறிப்பிட்ட சோதனை, என்றால் Pநேர்மறை, நோயை ஆளுகிறது In.

பரிசோதனையின் துல்லியத்தன்மை மிக அதிகமாக இருந்தால், நேர்மறையான முடிவு என்பது நோய் இருப்பதற்கான அதிக வாய்ப்பைக் குறிக்கிறது (தவறான நேர்மறை முடிவுகளின் விகிதம் குறைவு). நோயறிதலை உறுதிப்படுத்த ஒரு குறிப்பிட்ட பரிசோதனையைப் பயன்படுத்தவும்.

உணர்திறனை மிகவும் உணர்திறன் கொண்ட ஒரு புகை அலாரமாகக் கருதுங்கள் — அது கருகிய டோஸ்ட் உட்பட எல்லாவற்றிற்கும் ஒலி எழுப்பும். அது ஒரு உண்மையான தீயை ஒருபோதும் தவறவிடாது (SnNout). தனித்தன்மை என்பது நன்கு அளவீடு செய்யப்பட்ட ஒரு அலாரம் ஆகும், அது உண்மையான தீ விபத்துகளுக்கு மட்டுமே ஒலிக்கும் — அது ஒலி எழுப்பினால், அங்கே உண்மையில் ஒரு தீ விபத்து இருக்கிறது என்று நீங்கள் உறுதியாக நம்பலாம் (SpPin).

📊 PPV மற்றும் NPV மீதான பரவலின் தாக்கம் — ஒரு முக்கிய AKT தலைப்பு

இது நோயறிதல் புள்ளிவிவரங்களில் மிக முக்கியமான மற்றும் அதிகம் சோதிக்கப்பட்ட கருத்துருக்களில் ஒன்றாகும். உணர்திறன் மற்றும் தனித்தன்மை ஆகியவை சோதனையின் நிலையான பண்புகளாகும். ஆனால், நீங்கள் பரிசோதிக்கும் மக்களிடையே அந்த நோய் எவ்வளவு பரவலாக உள்ளது என்பதைப் பொறுத்து, நேர்மறை முன்கணிப்பு மதிப்பு (PPV) மற்றும் எதிர்மறை முன்கணிப்பு மதிப்பு (NPV) ஆகியவை பெருமளவில் மாறுகின்றன.

ஒரு கருவுறுதல் மருத்துவமனையில் (60% பெண்கள் கர்ப்பமாக இருக்கிறார்கள்) பயன்படுத்தும் அதே கர்ப்பப் பரிசோதனையையும், ஒரு சாதாரண பொது மருத்துவரிடம் (5% பெண்கள் கர்ப்பமாக இருக்கலாம்) பயன்படுத்தும் அதே பரிசோதனையையும் கற்பனை செய்து பாருங்கள். ஒரே பரிசோதனை — ஒரே உணர்திறன்/குறிப்பிட்டன்மை. ஆனால், ஒவ்வொரு சூழலிலும் ஒரு நேர்மறையான முடிவின் அர்த்தம் மிகவும் வேறுபட்டது.

சூழ்நிலையில்	இதன் பரவல்	பிபிவி	நிகர நிகழ்
பொது மக்களிடையே ஒரு அரிய நோயைக் கண்டறிதல் (எ.கா. குறைந்த ஆபத்துள்ளவர்களிடையே எச்.ஐ.வி)	1%	குறைவு (~16%)	அதிகம் (~99.9%)
அதிக ஆபத்துள்ள சிறப்பு மருத்துவமனையில் பரிசோதனை	50%	அதிகம் (~95%)	அதிகம் (~95%)

🔴 நினைவில் கொள்ள வேண்டிய முக்கிய விதிகள்

பரவல் ↑ → PPV ↑, NPV ↓
பரவல் ↓ → PPV ↓, NPV ↑
குறைந்த பரவல் உள்ள மக்களிடையே, மிகவும் துல்லியமான பரிசோதனையைக் கொண்டு பரிசோதித்தாலும் கூட, பெரும்பாலான நேர்மறை முடிவுகள் தவறான நேர்மறை முடிவுகளாகவே (குறைந்த நேர்மறை முன்கணிப்பு மதிப்பு) அமைகின்றன.
அதிக நோய் பரவல் உள்ள மக்களிடையே எடுக்கப்படும் எதிர்மறைப் பரிசோதனை முடிவும் நோயைக் கண்டறியத் தவறக்கூடும் (குறைந்த NPV).

📐 நிகழ்தகவு விகிதங்கள் — நீங்கள் மேலும் செல்ல விரும்பும்போது

நிகழ்தகவு விகிதங்கள் (LRs) உணர்திறன் மற்றும் தனித்திறன் ஆகியவற்றை ஒரே எண்ணாக இணைத்து, ஒரு பரிசோதனை முடிவு நோயின் நிகழ்தகவை எந்த அளவிற்கு மாற்றுகிறது என்பதைத் தெரிவிக்கின்றன. இது PPV/NPV-ஐ விட மேம்பட்டது, ஆனால் பயனுள்ளது — மேலும் AKT-யில் அவ்வப்போது சோதிக்கப்படுகிறது.

நேர்மறை நிகழ்தகவு விகிதம் (LR+)

LR+ = உணர்திறன் ÷ (1 − தனித்தன்மை)

நோய் இல்லாத நிலையை விட, நோய் உள்ளவர்களுக்குப் பரிசோதனையில் நேர்மறை முடிவு வருவதற்கான வாய்ப்பு எவ்வளவு அதிகம். LR+ >10 = நோய் இருப்பதற்கான வலுவான ஆதாரம்.

எதிர்மறை நிகழ்தகவு விகிதம் (LR−)

LR− = (1 − உணர்திறன்) ÷ தனித்தன்மை

நோய் இல்லாத நிலையை விட, நோய் உள்ளவர்களுக்குப் பரிசோதனையில் எதிர்மறை முடிவு வருவதற்கான வாய்ப்பு எவ்வளவு அதிகம். LR− <0.1 = நோய்க்கு எதிரான வலுவான ஆதாரம்.

எல்ஆர்+	சோதனைக்குப் பிந்தைய நிகழ்தகவின் மீதான விளைவு
> 10	நிகழ்தகவில் பெரிய மற்றும் பெரும்பாலும் தீர்க்கமான அதிகரிப்பு
5-10	மிதமான அதிகரிப்பு
2-5	சிறிய ஆதாயம்
1	மாற்றம் இல்லை (சோதனை பயனற்றது)
0.1-0.5	சிறிய முதல் மிதமான குறைவு
	சிறிய குறைவு — வலுவான எதிர்மறை நிராகரிப்பு

ஃபேகனின் நோமோகிராம், நிகழ்தகவு விகிதங்களின் (LRs) வரைபடத்தைப் பயன்படுத்துகிறது — சோதனைக்கு முந்தைய நிகழ்தகவிலிருந்து நிகழ்தகவு விகிதம் வழியாக ஒரு கோடு வரைந்து, சோதனைக்குப் பிந்தைய நிகழ்தகவைக் கணக்கிட வேண்டும். இதை நீங்கள் AKT-யில் கண்டால், நினைவில் கொள்ளுங்கள்: ஒரு நேர்மறையான சோதனை முடிவு நிகழ்தகவை மாற்றுகிறது. upஒரு எதிர்மறை சோதனை அதை மாற்றுகிறது கீழே.

மக்கள்தொகை புள்ளிவிவரங்கள் மற்றும் தொற்றுநோயியல்

நோய்நிகழ்வு

புதிய பாதிப்புகள் ÷ அபாயத்தில் உள்ள மக்கள் தொகை × பெருக்கி

நடவடிக்கைகளை ஆபத்துவரையறுக்கப்பட்ட காலப்பகுதியில் ஏற்படும் புதிய வழக்குகளை மட்டுமே கணக்கிடுகிறது.

புள்ளி பரவல்

தற்போதுள்ள அனைத்து வழக்குகளும் ÷ மொத்த மக்கள் தொகை

நடவடிக்கைகளை நோய் சதவீதம்ஒரு குறிப்பிட்ட நேரத்தில் (நேரம் T) உள்ள அனைத்து வழக்குகளையும் (புதிய மற்றும் பழைய) கணக்கிடுகிறது. இதை இவ்வாறும் எழுதலாம்: நேரம் T இல் உள்ள வழக்குகள் ÷ நேரம் T இல் உள்ள மக்கள்தொகை.

நிகழ்வு எண்ணிக்கை என்பது இந்த ஆண்டு ஒரு பள்ளியில் சேரும் புதிய மாணவர்களின் எண்ணிக்கையாகும். பரவல் எண்ணிக்கை என்பது தற்போது பள்ளியில் உள்ள மொத்த மாணவர்களின் எண்ணிக்கையாகும் (புதியவர்கள் + ஏற்கனவே உள்ளவர்கள்). குறைந்த நிகழ்வு எண்ணிக்கையைக் கொண்ட ஒரு நாள்பட்ட நோயானது, மக்கள் பல ஆண்டுகளாக அதனுடன் வாழ்ந்தால், அதிக பரவல் எண்ணிக்கையைக் கொண்டிருக்கக்கூடும்.

📊 தரப்படுத்தப்பட்ட இறப்பு விகிதம் (SMR)

எஸ்எம்ஆர் ஃபார்முலா

(கண்டறியப்பட்ட இறப்புகள் ÷ எதிர்பார்க்கப்பட்ட இறப்புகள்) × 100

வெவ்வேறு மக்கள்தொகையினரிடையே இறப்பு விகிதங்களை ஒப்பிடும்போது, வயது மற்றும் பாலினத்திற்கேற்ப சரிசெய்கிறது.

SMR மதிப்பு	விளக்கம்
= 100	இறப்பு விகிதம் ஒப்பீட்டு மக்கள்தொகையைப் போன்றது.
> 100	அதிகப்படியான இறப்பு (எதிர்பார்த்ததை விட அதிகம்)
<100	எதிர்பார்த்ததை விட குறைவான இறப்பு விகிதங்கள்

AKT கேள்வி வகை: "ஒரு சுரங்க சமூகத்தின் SMR 145 ஆக உள்ளது. இதன் பொருள் என்ன?" → அதீத இறப்பு விகிதம் — ஒப்பிடக்கூடிய பொது மக்களிடையே எதிர்பார்க்கப்படுவதை விட 45% அதிகமான இறப்புகள்.

🎯 திரையிடல் — முன்னணி நேரம் மற்றும் நீளச் சார்பு (முக்கிய AKT பொறிகள்)

🔴 முன்னணி நேர சார்பு

பரிசோதனையானது ஒரு நோயை முன்கூட்டியே கண்டறிவதால், நோயாளி அதே காலகட்டத்தில் இறந்தாலும் கூட, உயிர்வாழும் காலம் மேம்பட்டது போன்ற தோற்றம் ஏற்படுகிறது. "நோய் கண்டறியப்பட்டதிலிருந்து உயிர்வாழும் காலம்" என்பது, சிகிச்சையின் உண்மையான பலனால் நீட்டிக்கப்படவில்லை; மாறாக, முன்கூட்டியே கண்டறிவதாலேயே நீட்டிக்கப்பட்டுள்ளது. நோயாளி நீண்ட காலம் வாழ்வதில்லை; அவர்கள் நோயைப் பற்றி நீண்ட காலத்திற்குத் தெரிந்துகொள்கிறார்கள், அவ்வளவுதான்.

🟠 நீளச் சார்பு

பரிசோதனைத் திட்டங்கள், வேகமாகப் பரவும் தீவிர நோயை விட, மெதுவாக வளரும், நோய் தாக்காத நோயை (நீண்ட 'கண்டறியக்கூடிய மருத்துவத்திற்கு முந்தைய கட்டத்தைக்' கொண்டது) கண்டறிவதற்கான வாய்ப்புகள் அதிகம். இதனால், கடுமையான நோயைப் பொறுத்தவரை, பரிசோதனையானது உண்மையில் இருப்பதை விட அதிக செயல்திறன் மிக்கதாகத் தோன்றுகிறது.

முன்னறிவிப்புச் சார்பு: நீங்கள் 60 வயதில் இறக்கப் போகிறீர்கள் என்று உங்களுக்குத் தெரியும் எனக் கற்பனை செய்து கொள்ளுங்கள். பரிசோதனை இல்லாமல் 55 வயதில் இதைக் கண்டறிகிறீர்கள்; பரிசோதனையுடன் 40 வயதில் கண்டறிகிறீர்கள். பரிசோதனையானது, நோய் கண்டறியப்பட்டதிலிருந்து கூடுதலாக 15 ஆண்டுகள் உயிர்வாழ வழிவகுப்பதாகத் தோன்றினாலும், நீங்கள் 60 வயதில்தான் இறக்கிறீர்கள்.

✅ வில்சன் & ஜங்னர் திரையிடல் அளவுகோல்

ஒரு திரையிடல் திட்டம் அறிமுகப்படுத்தப்படுவதற்கு முன்பு, அது வில்சன் மற்றும் ஜங்னர் அளவுகோல்களைப் பூர்த்தி செய்ய வேண்டும் (முதலில் 1968-இல் வெளியிடப்பட்டது, இன்றும் இதுவே தரமான கட்டமைப்பாகும்). AKT ஆனது இந்த அளவுகோல்கள் குறித்த அறிவையும், அவற்றைச் சூழ்நிலைகளில் பயன்படுத்துவதையும் சோதிக்கிறது.

#	அளவுகோல்	நடைமுறையில் இதன் பொருள் என்ன
1	முக்கியமான சுகாதாரப் பிரச்சினை	இந்த நிலை குறிப்பிடத்தக்க நோயுற்ற தன்மை அல்லது இறப்பு விகிதத்தைக் கொண்டுள்ளது — எனவே பரிசோதனை செய்வது பயனுள்ளது.
2	ஏற்றுக்கொள்ளப்பட்ட சிகிச்சை கிடைக்கிறது	குணப்படுத்த முடியாத நோயைக் கண்டறிவதில் எந்தப் பயனும் இல்லை.
3	நோய் கண்டறிதல் மற்றும் சிகிச்சைக்கான வசதிகள் உள்ளன.	தொடங்குவதற்கு முன் உள்கட்டமைப்பு தயாராக இருக்க வேண்டும்.
4	அடையாளம் காணக்கூடிய மறைநிலை அல்லது ஆரம்ப நிலை	நோய்க்கு, அறிகுறிகள் வெளிப்படுவதற்கு முந்தைய, கண்டறியக்கூடிய ஒரு கட்டம் இருக்க வேண்டும்.
5	பொருத்தமான சோதனை கிடைக்கிறது	சோதனையானது பொதுமக்களால் ஏற்றுக்கொள்ளக்கூடியதாகவும், பாதுகாப்பானதாகவும், மற்றும் ஓரளவிற்குத் துல்லியமானதாகவும் இருக்க வேண்டும்.
6	மக்களால் ஏற்றுக்கொள்ளக்கூடிய சோதனை	மக்கள் அதை மேற்கொள்ள மனமுவந்து இருக்க வேண்டும் — ஊடுருவும் அல்லது அசௌகரியமான சோதனைகள், அதை மேற்கொள்வதைத் தடுக்கக்கூடும்.
7	இயற்கை வரலாறு போதுமான அளவு புரிந்து கொள்ளப்பட்டது	சிகிச்சையளிக்கப்படாவிட்டால் நோய் எவ்வாறு தீவிரமடையும் என்பதைத் தெரிந்து கொள்ள வேண்டும்.
8	யாருக்கு சிகிச்சை அளிப்பது என்பது குறித்த ஒப்புக் கொள்ளப்பட்ட கொள்கை	தெளிவான நெறிமுறைகள் தேவை — கண்டறிதல் மட்டுமல்ல, அடுத்து என்ன நடக்கும் என்பதும் உட்பட.
9	செலவு குறைந்த	ஒவ்வொரு வழக்கையும் கண்டறிவதற்கான செலவு, அதனால் கிடைக்கும் பலனுடன் சமநிலைப்படுத்தப்பட வேண்டும்.
10	தொடர்ச்சியான செயல்முறை, ஒருமுறை மட்டும் நிகழ்பதல்ல.	பரிசோதனை தொடர்ந்து நடைபெற வேண்டும் — நோயின் தாக்கம் தொடர்கிறது.

⚠️ AKT விண்ணப்பம் — PSA பரிசோதனை ஏன் இந்த அளவுகோல்களைப் பூர்த்தி செய்யத் தவறுகிறது

புரோஸ்டேட் புற்றுநோய்க்கான PSA பரிசோதனை என்பது இல்லை NHS தேசிய பரிசோதனைத் திட்டத்தின் ஒரு பகுதியாக இது இருப்பதற்குக் காரணம், அது அளவுகோல்கள் 5 மற்றும் 7-இல் சிரமப்படுவதே ஆகும்: PSA ஒரு போதுமான துல்லியமான பரிசோதனை அல்ல (குறைந்த தனித்தன்மை → பல தவறான நேர்மறை முடிவுகள்), மேலும் பல குறைந்த தர புரோஸ்டேட் புற்றுநோய்களின் இயல்பான போக்கின்படி, அவை நோயாளியின் வாழ்நாளில் ஒருபோதும் அறிகுறிகளை ஏற்படுத்தாது. இது நேரடியாக மிகை நோயறிதலுடன் தொடர்புடையது (கீழே காண்க).

நினைவூட்டல்: அளவுகோல்களை மூன்று குழுக்களாக நினைத்துக் கொள்ளுங்கள் — நோய் (முக்கியமானது, புரிந்துகொள்ளப்பட்டது, ஒரு மறைநிலையைக் கொண்டுள்ளது), தேர்வு (பொருத்தமான, ஏற்கத்தக்க, துல்லியமான), அமைப்பு (சிகிச்சை உள்ளது, வசதிகள் உள்ளன, கொள்கை ஒப்புக் கொள்ளப்பட்டுள்ளது, செலவு குறைந்த, தொடர்ச்சியான).

🔍 மிகையான நோயறிதல் — பிரச்சனைகளை ஏற்படுத்தாத பிரச்சனைகளைக் கண்டறிதல்

உண்மையில் இருக்கும் ஒரு நோய் கண்டறியப்படும்போது, அது மிகைநோய் எனப்படுகிறது. ஒருபோதும் அறிகுறிகளையோ, பாதிப்பையோ, அல்லது மரணத்தையோ ஏற்படுத்தியதில்லை நோயாளியின் வாழ்நாளில் கண்டறியப்படாமல் விடப்பட்டால். இது ஒரு தவறான நேர்மறை முடிவு அல்ல (நோய் உண்மையானது); இது கண்டறியப்பட வேண்டிய அவசியமில்லாத ஒரு உண்மையான நேர்மறை முடிவு.

🔴 இது ஏன் முக்கியம்

அளவுக்கு மீறிய நோயறிதல், நலமாக இருப்பவர்களை நோயாளிகளாக மாற்றிவிடுகிறது. தங்களுக்கு ஒருபோதும் தீங்கு விளைவிக்காத ஒரு நோய்க்கான சிகிச்சையின் பதட்டம், பக்க விளைவுகள் மற்றும் அபாயங்களுக்கு அது அவர்களை உள்ளாக்குகிறது. இது பரிசோதனைத் திட்டங்களின் மிக முக்கியமான தீமைகளில் ஒன்றாகும் — மேலும் AKT நேரடியாகச் சோதிக்கும் ஒரு விடயமும் இதுவே.

நிலை	மிகை நோயறிதல் உதாரணம்
புரோஸ்டேட் புற்றுநோய்	PSA பரிசோதனையால் கண்டறியப்படும் பல லேசான புற்றுநோய்கள் ஒருபோதும் தீவிரமடையாது அல்லது அறிகுறிகளை ஏற்படுத்தாது — ஆண்கள் இறக்கின்றனர். உடன் அவை, இல்லை இருந்து அவர்களுக்கு
தைராய்டு புற்றுநோய்	அல்ட்ராசவுண்ட், பெரும்பாலும் மெதுவாக வளரும் தன்மையுடைய மிகச்சிறிய பாப்பிலரி தைராய்டு புற்றுநோய்களைக் கண்டறிகிறது — இதன் கண்டறிதல் அதிகரித்துள்ளது, ஆனால் இறப்பு விகிதத்தில் மாற்றமில்லை.
DCIS (மார்பகம்)	மேமோகிராஃபி மூலம் கண்டறியப்பட்ட டக்டல் கார்சினோமா இன் சிட்டு — இவற்றில் சில ஒருபோதும் ஊடுருவும் புற்றுநோயாக மாறாது.

அளவுக்கு மீறிய நோயறிதல் என்பது, ஒரு வீடு இடிந்து விழுவதற்குக் காரணமாகவே இல்லாத ஒரு சுவரில் உள்ள மிகச்சிறிய விரிசலைக் கண்டுபிடித்து, அதைச் சரிசெய்ய வேண்டும் என்ற உந்துதலை உணர்வதைப் போன்றது. அந்த விரிசல் உண்மையானது; அதைக் கண்டுபிடித்ததால் ஏற்பட்ட பாதிப்பு, அந்த விரிசலால் அல்ல, மாறாக அதற்கான சிகிச்சை முறையால்தான் வந்தது.

அதிகப்படியான நோயறிதல் மற்றும் அதிகப்படியான சிகிச்சை

அதிகப்படியான நோயறிதல் கண்டுபிடிக்கத் தேவையில்லாத ஒரு நோயைக் கண்டுபிடிப்பது. அதிகப்படியான சிகிச்சை சிகிச்சை தேவையில்லாத ஒரு நோய்க்கு சிகிச்சை அளித்தல் (இது மிகை நோயறிதலின் விளைவாக ஏற்படலாம், அல்லது தன்னிச்சையாகவும் நிகழலாம்). இவை தொடர்புடையவை, ஆனால் வெவ்வேறான கருத்துருக்கள்.

🔢 வயது தரப்படுத்தல்

வெவ்வேறு மக்கள்தொகையினரிடையே (எ.கா. வெவ்வேறு நாடுகள், வெவ்வேறு காலப்பகுதிகள்) நோய் விகிதங்கள் அல்லது இறப்பு விகிதங்களை ஒப்பிடும்போது, அந்த மக்கள்தொகையினர் வெவ்வேறு வயதுப் பரவல்களைக் கொண்டிருக்கக்கூடும் என்ற உண்மையை நீங்கள் கருத்தில் கொள்ள வேண்டும். வயதான மக்கள்தொகையினரின் உடல்நலம் சமமாக நன்றாக இருந்தாலும், இயல்பாகவே அவர்களுக்கு இறப்பு விகிதம் அதிகமாக இருக்கும்.

முக்கிய கருத்து

வயது தரப்படுத்தல் என்பது, வெவ்வேறு மக்கள்தொகைகளுக்கு இடையே சுகாதார விளைவுகளை ஒப்பிடும்போது, வெவ்வேறு வயதுப் பரவல்களால் ஏற்படும் திரிபுபடுத்தும் விளைவை நீக்கும் ஒரு புள்ளியியல் நுட்பமாகும். இது, இரண்டு மக்கள்தொகைகளும் ஒரே வயது அமைப்பைக் கொண்டிருந்தால் ("தரநிலை மக்கள்தொகை") காணக்கூடிய ஒரு விகிதத்தை உருவாக்குகிறது.

🎗️ புற்றுநோய் புள்ளிவிவரங்கள் — AKT அவசியம் அறிய வேண்டியவை

AKT அவ்வப்போது குறிப்பிட்ட புற்றுநோய் புள்ளிவிவரங்களைச் சோதிக்கிறது. உங்களுக்கு விரிவான புற்றுநோயியல் அறிவு தேவையில்லை — ஆனால் இந்த முக்கிய புள்ளிவிவரங்கள் இதில் இடம்பெறுவதால், இவற்றைத் தெரிந்துகொள்வது பயனுள்ளது.

கடகம்	முக்கிய புள்ளிவிவரம்	ஏன் இது முக்கியமானது
விரை விதை புற்றுநோய்	98% க்கும் அதிகமான 10 ஆண்டு உயிர்வாழ்தல்	மிகவும் குணப்படுத்தக்கூடிய புற்றுநோய்களில் ஒன்று — இளம் ஆண்களுக்கு ஆலோசனை வழங்கும்போது தெரிந்துகொள்வது முக்கியம்.
நுரையீரல் புற்றுநோய்	புற்றுநோய் இறப்புக்கான முதன்மைக் காரணம் (இங்கிலாந்து)	இது மிகவும் பொதுவான புற்றுநோய் இல்லாவிட்டாலும், மற்ற எந்தப் புற்றுநோயையும் விட இதுவே அதிகமான மக்களைக் கொல்கிறது.

⚠️ உயிர் பிழைப்பு விகிதம் மற்றும் இறப்பு விகிதம் — இவற்றை குழப்பிக் கொள்ளாதீர்கள்

ஒரு புற்றுநோய் அதிக அளவில் இருக்கலாம் நிகழ்வு (பொதுவான) ஆனால் குறைந்த இறப்பு மார்பகப் புற்றுநோய் போல, இது சிகிச்சையளிக்கக்கூடிய புற்றுநோயாக இருக்கலாம். அல்லது கணையப் புற்றுநோய் போல, இதன் பாதிப்பு குறைவாக இருந்தாலும் இறப்பு விகிதம் மிக அதிகமாக இருக்கலாம். புற்றுநோய் புள்ளிவிவரங்களைச் சரியாகப் புரிந்துகொள்ளும் உங்கள் திறனை AKT சோதிக்கக்கூடும் — மிகவும் பொதுவான புற்றுநோயே மிகவும் கொடியது என்று கருதிவிடாதீர்கள்.

⚖️ சுகாதார ஏற்றத்தாழ்வுகள்

சுகாதார ஏற்றத்தாழ்வுகள் என்பவை, வெவ்வேறு மக்கள் குழுக்களிடையே காணப்படும் நியாயமற்ற, தவிர்க்கக்கூடிய சுகாதார வேறுபாடுகளை விவரிக்கின்றன. அவை ஐக்கிய ராச்சியத்தின் பொது சுகாதாரக் கொள்கையின் ஒரு முக்கியக் கவனமாக இருப்பதுடன், நோய்ப்பரவலியல் மற்றும் சுகாதாரத்தின் சமூக நிர்ணயக் காரணிகளின் பின்னணியில் சுகாதார அறிவுத் தொகுப்பில் (AKT) இடம்பெறுகின்றன.

வரையறை

சுகாதார ஏற்றத்தாழ்வுகள் என்பவை வெவ்வேறு மக்கள்தொகைக் குழுக்களிடையே சுகாதார நிலையில் அல்லது சுகாதார நிர்ணயிகளின் பரவலில் காணப்படும் நியாயமற்ற, தவிர்க்கக்கூடிய வேறுபாடுகள்.அவை தற்செயலான நிகழ்வுகளாலோ அல்லது உயிரியல் மாறுபாடுகளாலோ ஏற்படுவதில்லை; மாறாக, கொள்கையளவில் மாற்றக்கூடிய சமூக, பொருளாதார அல்லது சுற்றுச்சூழல் நிலைமைகளிலிருந்து உருவாவதால், அவை "தவிர்க்கக்கூடியவை" ஆகின்றன.

வகை	இங்கிலாந்தில் உள்ள உதாரணங்கள்
சமூகப் பொருளாதாரம்	பின்தங்கிய பகுதிகளில் குறைந்த ஆயுட்காலம்; ஏழ்மையான சமூகங்களில் இதய நோய்கள், நீரிழிவு நோய் மற்றும் மனநோய்களின் விகிதம் அதிகமாக உள்ளது.
புவியியல்	"வடக்கு-தெற்குப் பிளவு" — தெற்குப் பகுதியுடன் ஒப்பிடுகையில் வடக்கு இங்கிலாந்தின் சில பகுதிகளில் மோசமான சுகாதார விளைவுகள்.
இன	தெற்காசிய மக்களிடையே இரண்டாம் வகை நீரிழிவு நோய் பாதிப்பு விகிதம் அதிகமாக உள்ளது; கறுப்பின மக்களிடையே இதய நோய்களுக்கான ஆபத்து அதிகமாக உள்ளது.
பாலினம்	ஆண்களுக்கு ஆயுட்காலம் குறைவாக உள்ளது, ஆனால் பெண்கள் அதிக ஆண்டுகள் உடல்நலக்குறைவுடன் (நோயுற்ற நிலை) வாழ்கின்றனர்.

AKT-இல், சுகாதார ஏற்றத்தாழ்வுகள் பெரும்பாலும் சுகாதாரத்தின் சமூக நிர்ணயிகள் பற்றிய கேள்விகளாகவோ அல்லது குழுக்களுக்கு இடையிலான வேறுபாடுகளைக் காட்டும் மக்கள்தொகைத் தரவுகளை விளக்குவது பற்றிய கேள்விகளாகவோ வெளிப்படுகின்றன. முக்கிய கருவி: மார்மோட் விமர்சனம் (நியாயமான சமூகம், ஆரோக்கியமான வாழ்க்கை) மற்றும் கருத்துரு விகிதாசார உலகளாவியம் அதிகத் தேவை உள்ளவர்களுக்குப் பொதுச் சேவைகள் மேலும் தீவிரமாக வழங்கப்படுகின்றன.

தரவு விநியோகம் மற்றும் புள்ளிவிவர முக்கியத்துவம்

மையப் போக்கின் நடவடிக்கைகள்

நடவடிக்கை	வரையறை	எப்போது சிறப்பாகப் பயன்படுத்தப்படுகிறது	பாருங்கள்
சராசரி	அனைத்து மதிப்புகளின் கூட்டுத்தொகை ÷ மதிப்புகளின் எண்ணிக்கை	தரவு சாதாரணமாக விநியோகிக்கப்படுகிறது	புறத்தன்மைகளால் எளிதில் திசை திருப்பப்படலாம்
சராசரி	வரிசைப்படுத்தும்போது நடு மதிப்பு. ஒரு இரட்டை எண் மதிப்புகளில், இடைநிலை என்பது நடுவில் உள்ள இரண்டு எண்களின் சராசரி ஆகும்.	சார்புடைய தரவுகள் (எ.கா. வருமானம், மருத்துவமனையில் தங்கியிருக்கும் காலம்)	உச்சநிலைகளில் உள்ள உண்மையான மதிப்புகளைப் புறக்கணிக்கிறது
முறையில்	மிகவும் அடிக்கடி நிகழும் மதிப்பு	வகைப்படுத்தப்பட்ட தரவு; இருமுனைப் பரவல்கள்	தொடர்ச்சியான தரவுகளுடன் அர்த்தமற்றதாக இருக்கலாம்
ரேஞ்ச்	அதிகபட்சம் − குறைந்தபட்சம்	பரவலைப் பற்றிய விரைவான புரிதல்	முற்றிலும் புறநிலை மதிப்புகளால் தீர்மானிக்கப்படுகிறது
IQR (இடைக்கால் வீச்சு)	75வது சதவிகிதம் − 25வது சதவிகிதம்	சாய்ந்த தரவுகளுக்கு இடைநிலையுடன் இணைக்கப்பட்டது	மேல் மற்றும் கீழ் 25% ஐப் புறக்கணிக்கிறது
திட்ட விலகல் (SD)	சராசரியிலிருந்து சராசரி பரவல்	இயல்பான பரவல் தரவு	தரவு இயல்பான பரவலில் இல்லாவிட்டால் தவறான தகவலை அளிக்கும்.

🗂️ தரவுகளின் வகைகள் — பெயரளவு, வரிசை, இடைவெளி, விகிதம்

என்ன என்பதைப் புரிந்துகொள்வது வகை உங்களிடம் உள்ள தரவுகளின் தன்மையே, எந்தச் சுருக்கப் புள்ளிவிவரங்களும் எந்தப் புள்ளிவிவரச் சோதனைகளும் பொருத்தமானவை என்பதைத் தீர்மானிக்கிறது. AKT இதைச் சோதிக்கிறது — பொதுவாக ஒரு தரவுத்தொகுப்பை அளித்து, எந்தச் சோதனையை அல்லது அளவீட்டைப் பயன்படுத்த வேண்டும் என்று கேட்பதன் மூலம் இது செய்யப்படுகிறது.

வகை	வரையறை	எடுத்துக்காட்டுகள்	ஒப்புமை
பெயரளவு	இயற்கையான வரிசை இல்லாத பிரிவுகள்	இரத்த வகை (A, B, AB, O); பாலினம்; கண் நிறம்; மரணத்திற்கான காரணம்	ஒரு பழக் கிண்ணம் — ஆப்பிள்களும் வாழைப்பழங்களும் வெறுமனே வெவ்வேறானவை, இரண்டில் எதுவுமே மற்றதை விட 'அதிகமான' ஒன்றல்ல.
சாதாரண	வரிசைப்படுத்தப்பட்ட பிரிவுகள், ஆனால் அவற்றுக்கிடையேயான இடைவெளிகள் இல்லை கட்டாயமாக சமம்	NYHA இதய செயலிழப்பு வகை (I–IV); வலி அளவுகோல் (லேசான/மிதமான/கடுமையான); லிக்கர்ட் அளவுகோல்கள்	பந்தய நிலைகள் — 1வது, 2வது, 3வது. நமக்கு வரிசை தெரியும், ஆனால் 1வது மற்றும் 2வது இடங்களுக்கு இடையிலான இடைவெளி, 2வது மற்றும் 3வது இடங்களுக்கு இடையிலான இடைவெளியிலிருந்து மிகவும் வேறுபட்டதாக இருக்கலாம்.
இடைவெளி	மதிப்புகளுக்கு இடையே சமமான இடைவெளிகளுடன் வரிசைப்படுத்தப்பட்டது, ஆனால் உண்மையான பூஜ்ஜியம் இல்லை	°C இல் வெப்பநிலை; நாட்காட்டி தேதிகள்; IQ மதிப்பெண்கள்	ஒரு வெப்பமானியைப் பொறுத்தவரை, 0°C என்பது 'வெப்பநிலையே இல்லை' என்று அர்த்தமல்ல. எந்தவொரு திட்டவட்டமான அர்த்தத்திலும், 20°C என்பது 10°C-ஐ விட 'இரண்டு மடங்கு சூடானது' என்று உங்களால் கூற முடியாது.
விகிதம்	வரிசைப்படுத்தப்பட்ட, சமமான இடைவெளிகள், மற்றும் ஒரு உண்மையான தனிப்பூஜ்ஜியம்	உயரம், எடை, இரத்த அழுத்தம், வயது, வருமானம், மருந்தின் அளவு	பணம் — £0 என்றால் உங்களிடம் உண்மையாகவே எதுவும் இல்லை என்று அர்த்தம். £40 என்பது £20-ஐப் போல இரண்டு மடங்கு அதிகம்.

💡 AKT-க்கு இது ஏன் முக்கியம்

பெயரளவு/வரிசைத் தரவு → சராசரிகளைக் கண்டறிய அளவுருசாரா சோதனைகள், முகடு அல்லது இடைநிலையைப் பயன்படுத்தவும்
இடைவெளி/விகிதத் தரவு (இயல்புப் பரவல்) → சராசரி, திட்ட விலக்கம், அளவுருச் சோதனைகளைப் பயன்படுத்தலாம்
நீங்கள் சராசரியை அர்த்தமுள்ள வகையில் கணக்கிட முடியாது பெயரளவுத் தரவுகளுக்கு (உதாரணமாக, "சராசரி இரத்த வகை" என்பது அர்த்தமற்றது) விகிதாசாரக் கூற்றுகளை உருவாக்கவோ அல்லது இடைவெளித் தரவுகளுடன் விகிதாசாரக் கூற்றுகளை உருவாக்கவோ கூடாது (IQ 120 உள்ள ஒருவர், 60 உள்ள ஒருவரை விட "இரண்டு மடங்கு புத்திசாலி" என்று உங்களால் கூற முடியாது).

🔬 அளவுரு சோதனைகள் மற்றும் அளவுரு அல்லாத சோதனைகள்

புள்ளிவிவரச் சோதனைகள், உங்கள் தரவைப் பற்றி அவை கொண்டிருக்கும் அனுமானங்களைப் பொறுத்து இரண்டு வகைகளாகப் பிரிக்கப்படுகின்றன. AKT சோதனையானது, கொடுக்கப்பட்ட ஒரு சூழ்நிலைக்கு எந்த வகைச் சோதனை பொருத்தமானது என்பதைச் சோதிக்கிறது — நீங்கள் கணக்கீடுகளைச் செய்யத் தேவையில்லை, எப்போது எதைப் பயன்படுத்த வேண்டும் என்பதை மட்டும் அறிந்தால் போதும்.

முக்கிய வேறுபாடு

அளவுரு சோதனைகள் தரவு இயல்பான பரவலைக் கொண்டுள்ளது (அல்லது மாதிரி போதுமான அளவு பெரியதாக இருப்பதால் இது ஒரு பெரிய விஷயமாக இருக்காது) என்றும், தரவு குறைந்தபட்சம் இடைநிலை அளவில் உள்ளது என்றும் கருதுவோம். அளவுரு அல்லாத சோதனைகள் அப்படிப்பட்ட அனுமானங்களைச் செய்யாதீர்கள் — அவை தரவரிசைகள் அல்லது வகைகளுடன் செயல்படுகின்றன, மேலும் சமச்சீரற்ற தரவுகள், சிறிய மாதிரிகள் அல்லது வரிசைமுறை/பெயரளவுத் தரவுகளுக்குப் பொருத்தமானவை.

பாராமெட்ரிக் சோதனைகள் என்பவை, உங்கள் அடுப்பு மிகச் சரியான வெப்பநிலையில் இருந்தால் மட்டுமே பலனளிக்கும் ஒரு சமையல் குறிப்பைப் போன்றவை. நான்-பாராமெட்ரிக் சோதனைகள் அதிக நெகிழ்வுத்தன்மை கொண்டவை — அடுப்பு சற்றே சூடாகவோ அல்லது குளிராகவோ இயங்கினாலும் அவை பலனளிக்கும்.

நோக்கம்	அளவுரு சோதனை	அளவுரு அல்லாத சமமான
இரண்டு சுயாதீன குழுக்களின் சராசரிகளை ஒப்பிடுக	சுயாதீன t-சோதனை	மான்-விட்னி U சோதனை
ஒப்பிடு என்பதன் பொருள்: ஒரே குழு, 2 காலப் புள்ளிகள்	ஜோடி டி-டெஸ்ட்	வில்காக்சன் கையொப்பமிடப்பட்ட தரவரிசை சோதனை
மூன்று அல்லது அதற்கு மேற்பட்ட குழுக்களின் சராசரிகளை ஒப்பிடுக	ANOVA (மாறுபாட்டின் பகுப்பாய்வு)	க்ருஸ்கல்-வாலிஸ் சோதனை
இரண்டு தொடர்ச்சியான மாறிகளுக்கு இடையிலான தொடர்பு	பியர்சன் தொடர்பு	ஸ்பியர்மேன் தரவரிசை தொடர்பு
விகிதாச்சாரங்கள் / வகைப்படுத்தப்பட்ட தரவுகளை ஒப்பிடுக	-	கை-வர்க்க சோதனை (χ²)

⚠️ AKT முடிவெடுக்கும் விதிகள்

தரவு ஆகும் திரித்துக் கூறப்பட்ட or சாதாரணமாக விநியோகிக்கப்படவில்லை → அளவுருசாரா முறையைப் பயன்படுத்தவும்
சிறிய மாதிரி அளவு (மற்றும் இயல்புநிலை நிச்சயமற்றது) → அளவுருசாரா முறையைப் பயன்படுத்தவும்
தரவு ஆகும் வரிசையெண்ணுக்குரியவை (எ.கா. வலி மதிப்பெண்கள், லிக்கர்ட்) → அளவுருசாரா முறையைப் பயன்படுத்தவும்
ஒப்பிட்டு விகிதாச்சாரங்கள் அல்லது வகைகள் → கை-வர்க்க சோதனை
பெரிய மாதிரி, தொடர்ச்சியான, ஏறக்குறைய இயல்பான → அளவுரு சோதனை போதுமானது.

🔔 இயல்நிலைப் பரவல் — 68-95-99.7 விதி

இயல்நிலைப் பரவல் என்பது ஒரு சமச்சீரான மணி வடிவ வளைகோடு ஆகும். சராசரி, இடைநிலை மற்றும் முகடு ஆகிய அனைத்தும் சமமாக இருந்து மையத்தில் அமையும்.

ரேஞ்ச்	சேர்க்கப்பட்ட மதிப்புகளின் சதவீதம்
சராசரி ± 1 திட்ட விலகல்	68%
சராசரி ± 2 திட்ட விலகல்	95%
சராசரி ± 3 திட்ட விலகல்	99.7%

AKT பயன்பாடு: இரத்தப் பரிசோதனைகளுக்கான குறிப்பு வரம்புகள் பொதுவாக சராசரி ± 2 திட்ட விலக்கம் (mean ± 2 SD) என வரையறுக்கப்படுகின்றன — அதாவது, இயல்பான ஆரோக்கியமான மக்களில் 5% பேர் "இயல்பான வரம்பிற்கு வெளியே" இருப்பார்கள். இதனால்தான், அறிகுறியற்ற ஒரு நோயாளிக்கு ஏற்படும் லேசான இயல்புக்கு மாறான முடிவுக்கு பெரும்பாலும் சிகிச்சை தேவைப்படுவதில்லை.

⚠️ திரிபுபடுத்தப்பட்ட தரவு

நேர்மறையாகச் சரிந்த தரவுகளில் (எ.கா. வருமானம், பொது மருத்துவர் காத்திருப்பு நேரங்கள், ஒரு வார்டில் உள்ள சீரம் பிலிரூபின்), சில உயர் புறம்பான மதிப்புகளால் சராசரியானது வலதுபுறம் இழுக்கப்படுகிறது. இந்த நிலையில், பயன்படுத்தவும் சராசரி — அது வழக்கமான மதிப்பைச் சிறப்பாகப் பிரதிபலிக்கிறது. AKT இந்த வேறுபாட்டைச் சோதித்துப் பார்ப்பதை விரும்புகிறது.

📉 P-மதிப்புகள் மற்றும் நம்பிக்கை இடைவெளிகள் — அவற்றின் உண்மையான அர்த்தம்

P-மதிப்புகள்

p-மதிப்பு என்பது, காணப்பட்ட முடிவுகளைப் போன்ற அல்லது அதைவிடத் தீவிரமான முடிவுகளைக் காண்பதற்கான நிகழ்தகவு ஆகும். பூஜ்ஜிய கருதுகோள் உண்மையாக இருந்தால் (அதாவது, உண்மையான விளைவு எதுவும் இல்லை என்றால்). அது இல்லை பூஜ்ஜிய கருதுகோள் சரியானதாக இருப்பதற்கான நிகழ்தகவு.

ப மதிப்பு	விளக்கம்
ப <0.05	புள்ளிவிவரப்படி குறிப்பிடத்தக்கது — இந்த முடிவு தற்செயலாக நிகழ்வதற்கான நிகழ்தகவு 5%க்கும் குறைவு.
p> 0.05	புள்ளிவிவரப்படி குறிப்பிடத்தக்கதல்ல — இந்த முடிவு தற்செயலாக ஏற்பட்டிருக்கலாம்.
ப = 0.01	உண்மையான விளைவு எதுவும் இல்லை என்றால், இந்த முடிவு கிடைப்பதற்கு 1% வாய்ப்பு உள்ளது.

நம்பக இடைவெளிகள் (CIs)

95% நம்பிக்கை இடைவெளி என்பதன் பொருள்: நீங்கள் இந்த ஆய்வை 100 முறை மீண்டும் செய்தால், அவற்றில் 95 முறை உண்மையான மக்கள்தொகை மதிப்பு இந்த வரம்பிற்குள் அமையும்.

CI என்பது, "நாளை 14°C முதல் 22°C வரை வெப்பநிலை இருக்கும் என எதிர்பார்க்கலாம்" என்று கூறும் ஒரு வானிலை முன்னறிவிப்பைப் போன்றது. வெப்பநிலை நிச்சயமாக அந்த வரம்பில் இருக்கும் என்று இதற்கு அர்த்தமில்லை — ஆனால் அது அவ்வாறு இருக்கும் என்பதில் உங்களுக்கு 95% நம்பிக்கை உள்ளது.

🔴 அதிகம் சோதிக்கப்பட்ட விதி — நம்பிக்கை இடைவெளி அந்த மாய எண்ணைத் தாண்டுகிறதா?

ஒரு விகிதம் (RR, OR, HR): 95% நம்பிக்கை இடைவெளி உள்ளடக்கியிருந்தால் 1.0 → புள்ளிவிவரப்படி குறிப்பிடத்தக்கதல்ல
ஒரு வேறுபாடு (சராசரி வேறுபாடு, ARR): 95% நம்பிக்கை இடைவெளி உள்ளடக்கியிருந்தால் 0 → புள்ளிவிவரப்படி குறிப்பிடத்தக்கதல்ல
நம்பிக்கை இடைவெளி (விகிதங்களுக்கு) முழுவதுமாக 1-க்கு மேல் இருந்தால் → அபாயம் கணிசமாக அதிகரிக்கிறது.
நம்பிக்கை இடைவெளி (விகிதங்களுக்கு) முழுவதுமாக 1க்குக் கீழே இருந்தால் → அபாயம் கணிசமாகக் குறைகிறது.

❌ வகை I மற்றும் வகை II தவறுகள் — ஓநாய் வருகிறது என்று பொய்யாகக் கூறுவதற்கும், உண்மையை கவனிக்கத் தவறுவதற்கும் உள்ள வேறுபாடு

வகை I பிழை (α — ஆல்பா)

பூஜ்ஜிய கருதுகோள் உண்மையில் உண்மையாக இருக்கும்போது அதை நிராகரிப்பது. வேறுவிதமாகக் கூறினால்: ஒரு சிகிச்சை பலனளிக்காதபோது அது பலனளிக்கிறது என்று முடிவுக்கு வருவது. தவறான நேர்மறை விகிதம். வழக்கமாக 5% அளவில் ஏற்றுக்கொள்ளத்தக்கது (α = 0.05, p < 0.05).

ஓநாய் இல்லாதபோது அபாய ஒலி எழுப்புவது.

வகை II பிழை (β — பீட்டா)

பூஜ்ஜிய கருதுகோள் உண்மையில் தவறாக இருக்கும்போது அதை நிராகரிக்கத் தவறுதல். வேறுவிதமாகக் கூறினால்: ஒரு உண்மையான சிகிச்சை விளைவைக் கண்டறியத் தவறுதல். இது தவறான எதிர்மறை விகிதம் எனப்படுகிறது. வழக்கமாக இது 20% அளவில் ஏற்றுக்கொள்ளத்தக்கது (β = 0.2, திறன் = 80%).

"ஓநாய் இல்லாத குறை" — ஓநாய் இருக்கும்போது இல்லை என்று சொல்வது.

புள்ளியியல் சக்தி

திறன் = 1 − β. இது ஒரு உண்மையான விளைவைச் சரியாகக் கண்டறிவதற்கான நிகழ்தகவு ஆகும். அதிக திறன் = உண்மையான விளைவைத் தவறவிடுவதற்கான வாய்ப்பு குறைவு. பெரிய மாதிரி அளவுகளுடன் திறன் அதிகரிக்கிறது. நன்கு வடிவமைக்கப்பட்ட ஒரு சோதனைக்கு ≥80% திறன் தேவை.

⚡ புள்ளிவிவர முக்கியத்துவம் ≠ மருத்துவ முக்கியத்துவம்

AKT புள்ளிவிவரவியலில் இது மிகவும் முக்கியமான மற்றும் அதிகம் சோதிக்கப்பட்ட நுணுக்கங்களில் ஒன்றாகும் — மேலும் பல பயிற்சியாளர்கள் இதைத் தவறவிடுகிறார்கள்.

🔴 முக்கிய விதி

ஒரு முடிவு இருக்கலாம் புள்ளிவிவர ரீதியாக முக்கியத்துவம் வாய்ந்தது (p < 0.05) இருக்கும்போது மருத்துவ ரீதியாக அர்த்தமற்றதுபுள்ளிவிவர முக்கியத்துவம் என்பது, ஒரு முடிவு தற்செயலாக ஏற்பட்டிருக்க வாய்ப்பில்லை என்பதை மட்டுமே கூறுகிறது. எதுவும் நடைமுறையில் இதன் தாக்கம் குறிப்பிடத்தக்க அளவுக்குப் பெரியதா என்பதைப் பற்றியது.

50,000 நோயாளிகளிடம் நடத்தப்பட்ட ஒரு சோதனையில், ஒரு புதிய உயர் இரத்த அழுத்த மருந்து சிஸ்டாலிக் இரத்த அழுத்தத்தை 1 mmHg குறைப்பதாகக் கண்டறியப்பட்டுள்ளது. p = 0.001. இது மிகவும் குறிப்பிடத்தக்கது — ஆனால், 1 mmHg குறைவுக்காக உங்கள் மருந்துப் பரிந்துரையை மாற்றுவீர்களா? இல்லை. இந்த விளைவு முக்கியமானது என்பதனால் அல்ல, மாறாக மாதிரி அளவு மிகப் பெரியது என்பதனால்தான் p-மதிப்பு மிகச் சிறியதாக உள்ளது.

சூழ்நிலையில்	புள்ளிவிவரப்படி குறிப்பிடத்தக்கதா?	மருத்துவ ரீதியாக முக்கியத்துவம் வாய்ந்ததா?
இரத்த அழுத்தம் 1 mmHg குறைகிறது, n=50,000, p=0.001	ஆம்	இல்லை
இரத்த அழுத்தம் 15 mmHg குறைகிறது, n=30, p=0.08	இல்லை	ஒருவேளை ஆம்
இரத்த அழுத்தம் 12 mmHg குறைகிறது, n=500, p=0.02	ஆம்	ஆம்

💡 இதற்குப் பதிலாக எதைப் பயன்படுத்தலாம்

எப்போதும் பாருங்கள் விளைவு அளவு p-மதிப்புகள் மற்றும் நம்பிக்கை இடைவெளிகளுடன் (ARR, NNT, சராசரி வேறுபாடு) சேர்த்தும். பூஜ்ஜியம் அல்லது ஒன்றை விலக்கும் ஒரு குறுகிய நம்பிக்கை இடைவெளியானது, தனியான p-மதிப்பை விட அதிக அர்த்தமுள்ளதாகும் — அது விளைவின் திசை மற்றும் துல்லியம் ஆகிய இரண்டையும் உங்களுக்குத் தெரிவிக்கிறது.

📏 நம்பிக்கை இடைவெளி அகலம் — ஒரு பார்வையில் துல்லியம்

குறுகிய CI → துல்லியமான மதிப்பீடு → உண்மையான மதிப்பு புள்ளி மதிப்பீட்டிற்கு (பொதுவாக ஒரு பெரிய மாதிரியிலிருந்து பெறப்படும்) நெருக்கமாக இருக்கும் என்பதில் அதிக நம்பிக்கை.
பரந்த CI → உறுதியற்ற மதிப்பீடு → உண்மையான மதிப்பு ஒரு பரந்த வரம்பில் எங்கேயும் இருக்கலாம் (பொதுவாக ஒரு சிறிய அல்லது பன்முகத்தன்மை கொண்ட மாதிரியிலிருந்து பெறப்படுகிறது)

உதாரணம்: RR = 1.5 (95% CI 1.4–1.6) → துல்லியமானது, நம்பத்தகுந்தது. RR = 1.5 (95% CI 0.6–3.8) → பரந்தது, நிச்சயமற்றது — மேலும் 1.0-ஐக் கடப்பதால் முக்கியத்துவம் வாய்ந்தது கூட அல்ல.

📈 சராசரிக்குத் திரும்புதல் — மருத்துவப் பயிற்சியின் மறைக்கப்பட்ட குழப்பி

சராசரிக்குத் திரும்புதல் என்பது, ஒரு உச்சபட்ச அளவீடு இரண்டாவது அளவீட்டில் சராசரிக்கு மிக நெருக்கமாக இருப்பதற்கான புள்ளியியல் போக்காகும். எந்தவொரு தலையீட்டையும் பொருட்படுத்தாமல்மருத்துவத்தில் தவறான முடிவுகளுக்கு வழிவகுக்கும், மிகவும் குறைவாக அங்கீகரிக்கப்பட்ட மூலங்களில் இதுவும் ஒன்றாகும்.

🔴 மருத்துவ ரீதியாக இது ஏன் முக்கியம்

நோயாளிகளின் அறிகுறிகளோ அல்லது அளவீடுகளோ மிகவும் மோசமாக இருக்கும்போதுதான் அவர்கள் பெரும்பாலும் பரிசோதிக்கப்படுகிறார்கள் அல்லது சிகிச்சை அளிக்கப்படுகிறார்கள். இயற்கையான மாறுபாடு என்பது, அந்த அளவீடுகள் மீண்டும் பரிசோதிக்கப்படும்போது எப்படியும் மேம்பட வாய்ப்புள்ளது என்பதைக் குறிக்கிறது — இது உங்கள் தலையீட்டால் மட்டுமே நிகழ வேண்டும் என்பதில்லை. ஒரு கட்டுப்பாட்டுக் குழு இல்லாமல், சராசரிக்குத் திரும்புதலையும் உண்மையான சிகிச்சை விளைவையும் வேறுபடுத்திப் பார்ப்பது சாத்தியமற்றது.

சூழ்நிலையில்	சிகிச்சை விளைவு போல் தோன்றுவது	உண்மையில் என்ன நடக்கக்கூடும்
ஒரு பரிசோதனையில் நோயாளிக்கு இரத்த அழுத்தம் மிக அதிகமாக இருந்தது → மருந்து கொடுக்கத் தொடங்கப்பட்டது → அடுத்த பரிசோதனையில் இரத்த அழுத்தம் குறைந்தது.	மருந்து வேலை செய்கிறது	முதல் அளவீடு ஒரு விதிவிலக்காக இருந்திருக்கலாம்; மீண்டும் அளவிடும்போது இரத்த அழுத்தம் எப்படியும் குறைவாகவே இருந்திருக்கும்.
மாணவர் தேர்வில் மிகக் குறைந்த மதிப்பெண் பெறுகிறார் → கூடுதல் பயிற்சி பெறுகிறார் → அடுத்த முறை சிறப்பாக மதிப்பெண் பெறுகிறார்.	கல்விக் கட்டணம் உதவியது	குறைந்த மதிப்பெண் ஒரு பிரதிநிதித்துவமற்றதாக இருந்திருக்கலாம்; இயல்பான செயல்திறன் அவர்களின் சராசரியை நோக்கியே அமையும்.
கடுமையான எக்ஸிமா பாதிப்புள்ள நோயாளி புதிய களிம்பைப் பயன்படுத்தத் தொடங்குகிறார் → பாதிப்பு குறைகிறது.	கிரீம் பயனுள்ளதாக இருக்கும்	கடுமையான பாதிப்புகள், சிகிச்சை முறையைப் பொருட்படுத்தாமல் காலப்போக்கில் இயற்கையாகவே குணமாகிவிடும்.

ஒருவர் ஒரு பெட்டியின் மீது நிற்கும்போது மட்டும் நீங்கள் அவரது உயரத்தை அளப்பதாகக் கற்பனை செய்து பாருங்கள். அவர் மிகவும் உயரமாகத் தெரிகிறார். அடுத்த முறை நீங்கள் அவரைச் சாதாரணமாக அளக்கும்போது, அவர் 'சுருங்கியது' போல் தோன்றுகிறார். அளவீடு மாறியுள்ளது; ஆனால் அந்த நபர் மாறவில்லை. இதுதான் சராசரிக்குத் திரும்புதல் (regression to the mean).

💡 இதிலிருந்து தற்காத்துக் கொள்வது எப்படி

எடுத்து பல அடிப்படை அளவீடுகள் சிகிச்சையைத் தொடங்குவதற்கு முன் சராசரியைப் பயன்படுத்தவும்.
ஒரு பயன்படுத்த கட்டுப்பாட்டு குழு சராசரிக்குத் திரும்புதல் இரு குழுக்களையும் சமமாகப் பாதிக்கிறது, எனவே குழுக்களுக்கு இடையேயான எந்தவொரு வேறுபாடும் உண்மையான சிகிச்சை விளைவாக இருப்பதற்கான வாய்ப்பே அதிகம்.
இதற்கான வலுவான வாதங்களில் இதுவும் ஒன்றாகும். கட்டுப்பாடற்ற முன்-பின் ஆய்வுகளை விட ஆர்.சி.டி.க்கள் சிறந்தவை

புள்ளிவிவர வரைபடங்கள் — எவற்றைக் கவனிக்க வேண்டும்

AKT தொடர்ந்து வரைபடங்களைக் காண்பித்து, அவற்றின் பொருளை விளக்குமாறு உங்களைக் கேட்கும். ஒவ்வொரு வரைபட வகையிலும் உள்ள முக்கிய அம்சத்தைக் கண்டறியக் கற்றுக்கொள்ளுங்கள் — எல்லாவற்றையும் படித்துப் புரிந்துகொள்ள முயற்சிக்காதீர்கள். ஒரேயொரு குறிப்பிட்ட அவதானிப்பு மட்டுமே போதுமானது.

வரைபட வகை	முதன்மை பயன்பாடு	கவனிக்க வேண்டிய ஒரு விஷயம்
வனப் பகுதி	மெட்டா பகுப்பாய்வு முடிவுகள்	என்று வைர விளைவின்மை செங்குத்துக் கோட்டைக் கடக்கிறதா?
புனல் சதி	வெளியீட்டுச் சார்பு கண்டறிதல் / GP புறத்தன்மை கண்காணிப்பு	கதைக்களம் சமச்சீரற்ற? (இடைவெளி = விடுபட்ட வெளியிடப்படாத ஆய்வுகள்)
கேட்ஸ் சதித்திட்டம்	நோயாளிகளுக்கு NNT-ஐ காட்சி வடிவில் விளக்குதல்	வண்ணமயமான "பயன்" முகங்களை எண்ணுங்கள்; NNT = 100 ÷ அந்த முகங்கள்
எல்'அபே ப்ளாட்	மெட்டா பகுப்பாய்வுகளில் பன்முகத்தன்மையை ஆராய்தல்	மூலைவிட்ட கோட்டில் உள்ள புள்ளி = பூஜ்ஜிய சிகிச்சை விளைவு
பெட்டி மற்றும் மீசை சதித்திட்டம்	தரவு விநியோகம் மற்றும் பரவல்	நடுக் கோடு = சராசரி (சராசரி அல்ல); மீசைக்கோடுகளுக்கு அப்பால் உள்ள புள்ளிகள் = புறத்தன்மைப் புள்ளிகள்
ஃபேகனின் நோமோகிராம்	முன்-சோதனை → பின்-சோதனை நிகழ்தகவு	முன்-சோதனை நிகழ்தகவிலிருந்து LR வழியாக ஒரு கோடு வரைந்து, பின்-சோதனை நிகழ்தகவைப் படிக்கவும்.
தண்டு மற்றும் இலை சதித்திட்டம்	விநியோகம் — அசல் மதிப்புகளைப் பாதுகாக்கிறது	ஹிஸ்டோகிராம் போன்றது, ஆனால் தனிப்பட்ட தரவுப் புள்ளிகளைக் காட்டுகிறது.
கப்லான்-மீயர் வளைவு	பிழைப்புப் பகுப்பாய்வு — நிகழ்வுக்கான நேரம்	நிகழ்வுகள் ஏற்படும்போது படிநிலைகள் குறைகின்றன; ஆரம்பத்திலேயே பிரிந்து தனித்தனியாகவே இருக்கும் வளைவுகள், சிகிச்சையின் நீடித்த பலனைக் குறிக்கின்றன.
பட்டை வரைபடம்	தொடர்ச்சியான தரவுகளின் விநியோகம்	வளைவின் வடிவம்: சமச்சீரானது = இயல்நிலைப் பரவல்; ஒருபக்கச் சாய்வு கொண்டது = சராசரிக்குப் பதிலாக இடைநிலையைப் பயன்படுத்தவும்.

🌲 வன நிலத்துண்டுகள் — விரிவாக

வன வரைபடத்தை எவ்வாறு படிப்பது

ஒவ்வொரு சதுரமும் = ஓர் ஆய்வு. சதுரத்தின் அளவு = ஆய்வின் எடை (பொதுவாக மாதிரி அளவைப் பொறுத்தது)
கிடைமட்ட கோடுகள் = அந்த ஆய்வுக்கான 95% நம்பிக்கை இடைவெளி
வைரம் கீழ்ப்பகுதி = தொகுக்கப்பட்ட ஒட்டுமொத்த மதிப்பீடு. அதன் அகலம் = தொகுக்கப்பட்ட 95% நம்பிக்கை இடைவெளி.
1.0 இல் செங்குத்துக் கோடு = "விளைவு இல்லாத கோடு" (விகிதங்களுக்கு). ஒரு CI கோடு அல்லது வைரம் இந்தக் கோட்டைக் கடக்கிறது, அந்த முடிவு என்னவென்றால் புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்கதல்ல

பன்முகத்தன்மை — I² புள்ளிவிவரம்

ஆய்வுகளுக்கு இடையேயான வேறுபாட்டின் எவ்வளவு பகுதி தற்செயலானது அல்ல, மாறாக உண்மையான பன்முகத்தன்மையால் (உண்மையான வேறுபாடுகளால்) ஏற்படுகிறது என்பதை I² அளவிடுகிறது.
I² < 25% = குறைந்த பன்முகத்தன்மை ✓
I² = 25–50% = மிதமான பன்முகத்தன்மை
I² > 50% = கணிசமான பன்முகத்தன்மை — தொகுக்கப்பட்ட முடிவு நம்பகத்தன்மை குறைந்தது ⚠️

வைரத்தை நடுவர் குழுவின் இறுதித் தீர்ப்பாகக் கருதுங்கள். அந்த வைரம், 'எந்த விளைவும் இல்லாத' செங்குத்துக் கோட்டைக் கடந்தால், நடுவர் குழு ஒரு முடிவுக்கு வர முடியாமல் போகிறது — அதாவது, திட்டவட்டமான முடிவு எதுவும் எட்டப்படவில்லை. நடுவர்கள் ஒரே வழக்கில் உடன்பட்டனரா இல்லையா என்பதை I² புள்ளிவிவரம் உங்களுக்குத் தெரிவிக்கும்.

📯 புனல் வரைபடங்கள் — வெளியீட்டுச் சார்பு மற்றும் GP புறநிலை கண்காணிப்பு

AKT-யில் புனல் வரைபடங்கள் இரண்டு முற்றிலும் மாறுபட்ட சூழல்களில் தோன்றுகின்றன — இரண்டையும் நீங்கள் அடையாளம் கண்டுகொள்வதை உறுதிப்படுத்திக் கொள்ளுங்கள்.

மெட்டா பகுப்பாய்வில் (வெளியீட்டுச் சார்பு)

விளைவின் அளவை (x-அச்சு) ஆய்வின் துல்லியம் அல்லது அளவுக்கு (y-அச்சு) எதிராக வரைபடம் காட்டுகிறது. ஒரு சமச்சீரான தலைகீழ் புனல் = சார்பின்மை. கீழ்-இடதுபுறத்தில் இடைவெளியுடன் கூடிய ஒரு சமச்சீரற்ற புனல் = சிறிய எதிர்மறை ஆய்வுகள் விடுபடுதல் → வெளியீட்டுச் சார்பு.

நடைமுறையில் செயல்திறன் கண்காணிப்பு

பொது மருத்துவர்களின் மருத்துவ நடைமுறைகளை அளவீடுகளின் அடிப்படையில் (எ.கா. பரிந்துரை விகிதங்கள், இறப்பு விகிதம்) ஒப்பிடுகிறது. புனல் கோடுகளுக்கு வெளியே உள்ள தரவுப் புள்ளிகள் புள்ளிவிவர புறவயங்கள் விசாரணைக்கு வழிவகுப்பது — மோசமான செயல்திறனுக்கான ஆதாரம் என்று அவசியமில்லை.

😊 கேட்ஸ் வரைபடங்கள் — NNT-ஐக் காட்சி ரீதியாகப் பிரித்தெடுப்பது எப்படி

கேட்ஸ் வரைபடம் (சில சமயங்களில் 'சிரிக்கும் முக வரைபடம்' என்றும் அழைக்கப்படுகிறது) என்பது, நோயாளிகள் முழுமையான நன்மை மற்றும் தீமையைக் காட்சிப்படுத்த உதவுவதற்காக 100 முகங்களைக் கொண்ட ஒரு கட்டத்தைப் பயன்படுத்துகிறது.

100 முகங்களில் ஒவ்வொன்றும், சிகிச்சை அளிக்கப்பட்ட 100 நபர்களில் ஒருவரைக் குறிக்கிறது.
மஞ்சள்/பச்சை முகங்கள் = பயனடைந்தவர்கள் (தடுக்கப்பட்ட நிகழ்வுகள்)
சிவந்த முகங்கள் = பாதிப்புக்குள்ளானவர்கள்
சாம்பல்/சாதாரண முகங்கள் = எந்த விதத்திலும் விளைவு இல்லை

கேட்ஸ் ப்ளாட்டிலிருந்து NNT

NNT = 100 ÷ பலன் முகங்களின் எண்ணிக்கை

உதாரணம்: 4 மஞ்சள் முகங்கள் → NNT = 100 ÷ 4 = 25

📉 கப்லான்-மீயர் உயிர்வாழ்வு வளைகோடுகள் — அவற்றை எவ்வாறு வாசிப்பது

காப்லான்-மீயர் (KM) வளைவுகள், காலப்போக்கில் உயிர்வாழ்வதற்கான (அல்லது நிகழ்வுகள் ஏதுமின்றி இருப்பதற்கான) நிகழ்தகவைக் காட்டுகின்றன. அவை புற்றுநோய் மருத்துவப் பரிசோதனைகள், இருதய நோய்கள் குறித்த ஆய்வுகள் மற்றும் ஒரு நிகழ்வு ஏற்படுவதற்கான நேரத்தைக் கண்காணிக்கும் எந்தவொரு ஆராய்ச்சி பற்றிய அறிவுத் தேடல் (AKT) கேள்விகளிலும் இடம்பெறுகின்றன.

வசதிகள்	இது என்ன அர்த்தம்
Y-அச்சு	உயிர்வாழ்வதற்கான நிகழ்தகவு (அல்லது நிகழ்வுகளற்ற உயிர்வாழ்வு) — 1.0 (100%) இல் தொடங்கி, காலப்போக்கில் குறைகிறது.
எக்ஸ்-அச்சு	காலம் (நாட்கள், மாதங்கள், ஆண்டுகள்)
ஒவ்வொரு கீழ்நோக்கிய படியும்	ஒரு நிகழ்வு நிகழ்ந்துள்ளது (எ.கா. இறப்பு, நோய் மீண்டும் வருதல்). பெரிய படிகள் = அந்த நிலையில் மேலும் பல நிகழ்வுகள்.
கோட்டின் மீதான சரிக்குறிகள்	தணிக்கை செய்யப்பட்ட நோயாளிகள் — பின்தொடர்வதில் இருந்து விடுபட்டவர்கள் அல்லது ஆய்வு முடிவடைந்தவர்கள். நிகழ்வுகள் அல்ல.
ஆரம்பத்திலேயே பிரிந்து செல்லும் இரண்டு வளைவுகள் தனித்தனியாகவே இருக்கின்றன	பின்தொடர் காலம் முழுவதும் சிகிச்சையின் பலன் நீடித்திருப்பதை இது சுட்டிக்காட்டுகிறது.
வளைவுகள் கடக்கின்றன	ஆபத்து காலப்போக்கில் விகிதாசாரமாக இருப்பதில்லை என்பதை இது சுட்டிக்காட்டுகிறது — இது விளக்கத்தைச் சிக்கலாக்குகிறது.
சராசரி உயிர்வாழ்வு	பிழைப்பு வளைவு 50% ஐக் கடக்கும் நேரப் புள்ளி — அதாவது, பாதி நோயாளிகளுக்கு அந்த நிகழ்வு ஏற்பட்டிருக்கும் புள்ளி.

ஆபத்து விகிதத்திற்கான இணைப்பு

தி லாக்-ரேங்க் சோதனை இரண்டு KM வளைவுகளைப் புள்ளிவிவர ரீதியாக ஒப்பிடுகிறது. ஆபத்து விகிதம் (HR) வளைவுகளுக்கு இடையிலான ஒட்டுமொத்த வேறுபாட்டை இது சுருக்கமாகக் கூறுகிறது. HR < 1 = சிகிச்சை குழுவில் காலப்போக்கில் குறைவான நிகழ்வுகளே உள்ளன. வளைவுகள் கணிசமாக ஒன்றுடன் ஒன்று பொருந்தினால், HR மதிப்பு 1-க்கு அருகில் இருக்கும் (எந்தப் பயனும் இல்லை).

KM வளைவை கீழ்நோக்கிச் செல்லும் ஒரு படிக்கட்டாகக் கற்பனை செய்து பாருங்கள். கீழே இறங்கும் ஒவ்வொரு படியும், ஒருவருக்கு அந்த நிகழ்வு ஏற்படுவதைக் குறிக்கிறது. பலனளிக்கும் ஒரு சிகிச்சையானது, மக்களை மேல் படிகளில் அதிக நேரம் நிலைத்திருக்கச் செய்கிறது — சிகிச்சை பெற்ற குழுவின் படிக்கட்டு மெதுவாகவே கீழே இறங்குகிறது.

📊 ஹிஸ்டோகிராம்கள் — பரவல் ஒரு கண்ணோட்டம்

ஒரு ஹிஸ்டோகிராம் என்பது, வயது, இரத்த அழுத்தம், பிஎம்ஐ போன்ற ஒரு தொடர் மாறியின் மதிப்புகளை இடைவெளிகளாக (பின்ஸ்) தொகுத்து, ஒவ்வொரு இடைவெளியிலும் எத்தனை தரவுகள் உள்ளன என்பதைக் காட்டுவதன் மூலம் அதன் பரவலை வெளிப்படுத்துகிறது. பட்டை வரைபடத்தைப் போலல்லாமல், இதில் உள்ள பட்டைகள் ஒன்றையொன்று தொடுகின்றன — ஏனெனில் தரவு தொடர்ச்சியானது.

வடிவம்	பொருள்	சராசரி அல்லது இடைநிலையைப் பயன்படுத்தவா?
சமச்சீரான மணி வடிவம்	இயல்நிலைப் பரவல் — சராசரி, இடைநிலை, முகடு அனைத்தும் சமம்	இரண்டுமே — ஆனால் வழக்கமாக சராசரி ± திட்ட விலகல்.
வலது (நேர்மறை) சாய்வு	வலதுபுறம் நீண்ட வால் — சில மிக உயர்ந்த மதிப்புகள் சராசரியை மேல்நோக்கி இழுக்கின்றன.	இடைநிலை (மேலும் பிரதிநிதித்துவமானது)
இடது (எதிர்மறை) சாய்வு	இடதுபுறம் நீண்ட வால் — சில மிகக் குறைந்த மதிப்புகள் சராசரியைக் கீழ்நோக்கி இழுக்கின்றன.	இடைநிலை (மேலும் பிரதிநிதித்துவமானது)
இருமுனை (இரண்டு உச்சங்கள்)	தரவில் இரண்டு தனித்துவமான துணைக்குழுக்கள்	இரு சிகரங்களையும் தனித்தனியாகப் பதிவு செய்யவும்.

AKT குறிப்பு: ஒரு வரைபடம் நேர்மறைச் சரிவைக் காட்டினால், மேற்கோள் காட்டுவதற்கான மையப் போக்கின் சரியான அளவீடு என்பது சராசரிஅது இயல்நிலைப் பரவலைக் காட்டினால், அர்த்தம் பொருத்தமானது.

தர மேம்பாடு மற்றும் மருத்துவத் தணிக்கை

கருவி	நோக்கம்	முக்கிய அம்சங்கள்
மருத்துவ தணிக்கை	தெளிவான தரநிலைகளின் அடிப்படையில் நடைமுறையை அளவிடுங்கள்; குறைபாடுகளைக் கண்டறிந்து நிவர்த்தி செய்யுங்கள்.	வரையறுக்கப்பட்ட தரநிலை தேவைப்படுகிறது. PDSA சுழற்சியைப் பயன்படுத்துகிறது. சுழற்சியை நிறைவு செய்வதை (மறு தணிக்கை) உள்ளடக்கியுள்ளது. இல்லை ஆராய்ச்சி — கருதுகோள் இல்லை என்றால், புதிய அறிவும் உருவாக்கப்படுவதில்லை.
முக்கிய நிகழ்வு பகுப்பாய்வு (SEA)	ஒரு குறிப்பிடத்தக்க நிகழ்வின் முறையான பல்துறை ஆய்வு	பழி சுமத்தாதது. தனிப்பட்ட தவறை விடுத்து, அமைப்பு ரீதியான கற்றலில் கவனம் செலுத்துகிறது. குழுவிற்குள் பகிரப்படுகிறது. கற்றலையும் நடவடிக்கைகளையும் ஆவணப்படுத்துகிறது.
மூல காரண பகுப்பாய்வு (RCA)	கடுமையான சம்பவங்கள் குறித்த ஆழ்ந்த விசாரணை	SEA-ஐ விட அதிக அமைப்புடையது. "5 ஏன்" நுட்பத்தைப் பயன்படுத்துகிறது. பங்களிப்பு மற்றும் மூலக் காரணங்களைக் கண்டறிகிறது. பெரும்பாலும் ஒருபோதும் நிகழக்கூடாத நிகழ்வுகள் அல்லது கடுமையான பாதிப்புகளுக்குப் பயன்படுத்தப்படுகிறது.
QOF விதிவிலக்கு அறிக்கை	QOF குறிகாட்டிகளிலிருந்து நோயாளிகளைப் பொருத்தமான முறையில் விலக்குதல்	மருத்துவ ரீதியாகப் பொருத்தமானது: அதிகபட்சமாகத் தாங்கக்கூடிய சிகிச்சை, நோயாளியின் தகவலறிந்த எதிர்ப்பு, அதீத பலவீனம், அல்லது மருத்துவ ரீதியான முரண்பாடு.

🔄 மருத்துவத் தணிக்கை மற்றும் ஆராய்ச்சி — முக்கிய வேறுபாடுகள்

வசதிகள்	மருத்துவ தணிக்கை	ஆராய்ச்சி
நோக்கம்	தரநிலைகளுடன் ஒப்பிடுவதன் மூலம் பராமரிப்பை மேம்படுத்துங்கள்.	புதிய அறிவை உருவாக்குங்கள்
கருதுகோள்	ஏதுமில்லை — தற்போதுள்ள தரநிலையுடன் ஒப்பிடுகிறது	எப்போதும் ஒரு கருதுகோளைக் கொண்டுள்ளது
நெறிமுறை ஒப்புதல்	பொதுவாக தேவையில்லை	பொதுவாக தேவைப்படும்
ஒப்புதல்	பொதுவாக தேவையில்லை	பொதுவாக தேவைப்படும்
சீரற்றமயமாக்கல்	ஒருபோதும்	சீரற்ற கட்டுப்பாட்டு சோதனைகளை (RCTs) உள்ளடக்கியிருக்கலாம்
இறுதி முடிவு	சேவை மேம்பாடு; செயல் திட்டம்	புதிய சான்றுகள்; வெளியீடு

AKT பொறி: "ஒரு பொது மருத்துவர், தனது மருத்துவப் பயிற்சியில் ஒரு புதிய நுண்ணுயிர் எதிர்ப்பி, வழக்கமான சிகிச்சையை விட சிறந்த குணப்படுத்தும் விகிதங்களை அளிக்கிறதா என்பதை ஆராய விரும்புகிறார்." → இது ஆராய்ச்சி (புதிய அறிவை உருவாக்குகிறது, ஒரு கருதுகோளைக் கொண்டுள்ளது, நெறிமுறைகள் தேவை). "ஒரு பொது மருத்துவர், தனது மருத்துவமனையின் ஆஸ்துமா மறுஆய்வு விகிதம் 80% என்ற NICE தரத்தை பூர்த்தி செய்கிறதா என்பதை அளவிடுகிறார்." → இது தணிக்கை.

🔁 PDSA சுழற்சி

திட்டமிடு-செய்-ஆய்வு செய்-செயல்படுத்து (PDSA) சுழற்சி என்பது மருத்துவத் தணிக்கை மற்றும் தர மேம்பாட்டில் பயன்படுத்தப்படும் தொடர்ச்சியான முன்னேற்றக் கட்டமைப்பாகும்.

மேடை	என்ன நடக்கிறது
திட்டம்	கேள்வியை வரையறுக்கவும், தரநிலையை அமைக்கவும், தரவு சேகரிப்பைத் திட்டமிடவும்.
Do	மாற்றத்தை நடைமுறைப்படுத்துங்கள் அல்லது தற்போதைய நடைமுறையை அளவிடுங்கள்.
ஆய்வு	முடிவுகளைப் பகுப்பாய்வு செய்யுங்கள்; தரநிலையுடன் ஒப்பிடுங்கள்; குறைபாடுகளைக் கண்டறியுங்கள்.
நாடகம்	மேம்பாடுகளைச் செயல்படுத்துங்கள்; முழுமையான செயல்முறையை நிறைவு செய்ய மறு தணிக்கைக்குத் திட்டமிடுங்கள்.

மருத்துவக் கணக்கீடுகள் (AKT ஃபார்முலா வங்கி)

இந்த சூத்திரங்கள் AKT கணக்கீட்டுக் கேள்விகளில் இடம்பெறுகின்றன. ஒவ்வொன்றையும் கற்றுக்கொண்டு, நடவடிக்கை எடுக்கத் தூண்டும் மருத்துவ வரம்புகளையும் அறிந்துகொள்ளுங்கள்.

உடல் நிறை குறியீட்டெண் (பிஎம்ஐ)

எடை (கிலோ) ÷ உயரம்² (மீ²)

குறைந்த எடை <18.5 | இயல்பான எடை 18.5–24.9 | அதிக எடை 25–29.9 | உடல் பருமன் ≥30 | மிகை உடல் பருமன் ≥40

கணுக்கால்-புஜ அழுத்தக் குறியீடு (ABPI)

அதிகபட்ச கணுக்கால் சிஸ்டாலிக் ÷ அதிகபட்ச புஜ சிஸ்டாலிக்

இயல்பானது: 1.0–1.3 | PAD: <0.9 | கடுமையான PAD: <0.5 | அமுக்க முடியாதது (சுண்ணாம்புப் படிவு): >1.3

ஆல்கஹால் அலகுகள்

(கன அளவு மில்லிலிட்டரில் × ஆல்கஹால் அளவு%) ÷ 1000

எ.கா. 750மிலி × 12% ÷ 1000 = 9 யூனிட்கள். குறைந்த ஆபத்து: இரு பாலினருக்கும் வாரத்திற்கு ≤14 யூனிட்கள். கர்ப்ப காலத்தில் பாதுகாப்பான அளவு எதுவும் இல்லை.

HDL அல்லாத கொழுப்பு

மொத்த கொலஸ்ட்ரால் − HDL கொலஸ்ட்ரால்

ஸ்டேடின் சிகிச்சை பெறுபவர்களுக்கு இலக்கு: <2.5 mmol/L (NICE வழிகாட்டுதல்). தமனித் தடிப்புக்குக் காரணமான அனைத்து லிப்போபுரோட்டீன்களையும் உள்ளடக்கியது.

குழந்தைகளுக்கான மருந்து அளவு

(தேவையான மருந்தளவு ÷ கிடைக்கக்கூடிய வீரியம்) × கன அளவு

உதாரணமாக, குழந்தைக்கு 250 மி.கி தேவை, திரவ மருந்து 125 மி.கி/5 மி.லி: (250 ÷ 125) × 5 மி.லி = 10 மி.லி

சதவிகித எடை இழப்பு (பச்சிளம் குழந்தைகள்)

[(பிறப்பு எடை − தற்போதைய எடை) ÷ பிறப்பு எடை] × 100

முதல் 5 நாட்களில் 10%-க்கும் மேல் எடை இழப்பு ஏற்பட்டால், அதை மறுபரிசீலனை செய்ய வேண்டும். 10% வரை எடை குறைவது இயல்பானது; 10 முதல் 14 நாட்களுக்குள் மீண்டும் எடை கூடிவிடும்.

காக்ராஃப்ட்-கால்ட் (CrCl)

[(140−வயது) × எடை(கிலோ)] ÷ கிரியேட்டினின்(µmol/L) × K

K = 1.23 (ஆண்கள்), 1.04 (பெண்கள்). கிரியேட்டினின் வெளியேற்றத்தை மதிப்பிடுகிறது — சிறுநீரகக் குறைபாட்டில் மருந்து அளவை நிர்ணயிக்கப் பயன்படுகிறது.

🧮 ABPI செயல்முறை எடுத்துக்காட்டு

🎯 சூழ்நிலை: திருமதி டி, 72, நடக்கும்போது கால் வலியுடன் இருக்கிறார்.

1 கணுக்கால் அழுத்தம் (DP/PT இல் அதிகபட்சம்): 90 mmHg | புஜ அழுத்தம் (புஜத்தில் அதிகபட்சம்): 130 mmHg

2 ABPI = 90 ÷ 130 = 0.69

3 ABPI 0.69 = புற தமனி நோய் உறுதிப்படுத்தப்பட்டது (கட்-ஆஃப் <0.9)

4 அழுத்தக் கட்டுப் போடுதல் என்பது தடைசெய்யப்பட்ட — இரத்த நாள அறுவை சிகிச்சையைப் பார்க்கவும்

🍷 ஆல்கஹால் அலகுக்கான தீர்க்கப்பட்ட எடுத்துக்காட்டுகள்

பானம்	தொகுதி (மிலி)	ABV%	கணக்கீடு	அலகுகள்
பெரிய கிளாஸ் ஒயின்	250ml	13%	250 × 13 ÷ 1000	3.25
மது பாட்டில்	750ml	12%	750 × 12 ÷ 1000	9.0
பைன்ட் லாகர் (ஸ்ட்ராங்)	568ml	5%	568 × 5 ÷ 1000	2.84
ஒற்றை ஸ்பிரிட் அளவு	25ml	40%	25 × 40 ÷ 1000	1.0

குறைந்த அபாய வழிகாட்டுதல்: வாரத்திற்கு 14 யூனிட்கள் அல்லது அதற்கும் குறைவாக (ஆண்கள் மற்றும் பெண்கள்), 3 அல்லது அதற்கு மேற்பட்ட நாட்களில் பிரித்து அருந்துதல், மேலும் வாரத்திற்கு 2-3 நாட்கள் மது அருந்தாமல் இருத்தல். மது அருந்துவதைக் குறைப்பது குறித்த கலந்தாய்வின்போது இதைப்பற்றித்தான் நீங்கள் விவாதிப்பீர்கள்.

🧮

செயல்பட்ட எடுத்துக்காட்டுகள்

🎯 எடுத்துக்காட்டு 1: ஒரு சோதனை அட்டவணையிலிருந்து அனைத்து இடர் அளவீடுகளையும் கணக்கிடுதல்

ஒரு சீரற்ற கட்டுப்பாட்டு சோதனையில் (RCT), நோயாளிகள் மருந்து X அல்லது பிளாசிபோவைப் பெறுவதற்காகச் சமவாய்ப்பு முறையில் தேர்ந்தெடுக்கப்படுகிறார்கள். 3 ஆண்டுகளுக்குப் பிறகு: 500 பிளாசிபோ நோயாளிகளில் 80 பேருக்குப் பக்கவாதம் ஏற்பட்டது; 500 மருந்து X நோயாளிகளில் 40 பேருக்குப் பக்கவாதம் ஏற்பட்டது.

1சிஈஆரின் = 80/500 = 0.16 (16%) மரியாதை = 40/500 = 0.08 (8%)

2ஏஆர்ஆர் = 0.16 − 0.08 = 0.08 (8%)

3என்என்டி = 1 ÷ 0.08 = 12.5 → 13 ஆக முழுமையாக்கு

4RRR = 0.08 ÷ 0.16 = 0.5 = 50%

5RR = 0.08 ÷ 0.16 = 0.5 (மருந்து X பக்கவாத அபாயத்தை பாதியாகக் குறைக்கிறது)

🎯 எடுத்துக்காட்டு 2: 2×2 அட்டவணையை உருவாக்குதல் மற்றும் உணர்திறன் மற்றும் தனித்திறனைக் கணக்கிடுதல்

200 நோயாளிகளுக்கு ஒரு புதிய சோதனை பயன்படுத்தப்படுகிறது, அவர்களில் 100 பேருக்கு நோய் உள்ளது. அந்தச் சோதனையானது, நோய் உள்ள 100 பேரில் 85 பேரையும், நோய் இல்லாத 100 பேரில் 80 பேரையும் சரியாக அடையாளம் காண்கிறது.

1TP = 85 | FN = 15 | TN = 80 | FP = 20

2உணர்திறன் = மொத்தப் புள்ளி ÷ (மொத்தப் புள்ளி+வடக்கு புள்ளி) = 85 ÷ (85+15) = 85/100 = 85%

3குறிப்பிட்ட = TN ÷ (TN+FP) = 80 ÷ (80+20) = 80/100 = 80%

4பிபிவி = மொத்தப் புள்ளி ÷ (மொத்தப் புள்ளி+தீவிரப் புள்ளி) = 85 ÷ (85+20) = 85/105 = 81%

5நிகர நிகழ் = TN ÷ (TN+FN) = 80 ÷ (80+15) = 80/95 = 84%

🎯 எடுத்துக்காட்டு 3: குழந்தைகளுக்கான மருந்தளவு கணக்கீடு

ஒரு குழந்தைக்கு 300 மிகி அமோக்ஸிசிலின் தேவைப்படுகிறது. தற்போது கிடைக்கும் திரவ மருந்து 250 மிகி/5மிலி அளவில் உள்ளது. எவ்வளவு அளவு கொடுக்க வேண்டும்?

1சூத்திரம்: (தேவையான அளவு ÷ கிடைக்கக்கூடிய வீரியம்) × கன அளவு

2(300 ÷ 250) × 5 = 1.2 × 5 = 6ml

????

சூத்திரங்கள் சுருக்கக் குறிப்பு மற்றும் நினைவாற்றல் உதவிகள்

ஆபத்து மற்றும் சிகிச்சை சூத்திரங்கள்

ஏஆர்ஆர் = CER − EER RRR = ARR ÷ CER RR = EER ÷ CER என்என்டி = 1 ÷ ARR NNH = 1 ÷ ARI

கண்டறியும் சோதனை

உணர்திறன் = TP ÷ (TP+FN) குறிப்பிட்ட = TN ÷ (TN+FP) பிபிவி = TP ÷ (TP+FP) நிகர நிகழ் = TN ÷ (TN+FN)

மக்கள் தொகை மற்றும் மருத்துவ சூத்திரங்கள்

SMR = (கவனிப்பு ÷ செலவு) × 100 பிஎம்ஐ = எடை(கிலோ) ÷ உயரம்²(மீ) ஏபிபிஐ = கணுக்கால் SBP ÷ புஜ SBP மது = (பருமன் × ஆல்கஹால் அளவு%) ÷ 1000

🧠 மாஸ்டர் மெமரி எய்ட்ஸ்

SnNout: உணர்திறன் மிக்க சோதனை — எதிர்மறை முடிவு நோயை நிராகரிக்கிறது (பரிசோதனை)
SpPin: குறிப்பிட்ட சோதனை — நோய்க்கான நேர்மறை முடிவு (உறுதிப்படுத்தல்)
CI 1.0 ஐக் கடக்கிறது (விகிதம்) அல்லது 0 (வேறுபாடு) → குறிப்பிடத்தக்கதல்ல
வனப் பகுதி வைரக் குறுக்குக் கோடு → முக்கியத்துவம் அற்றது
புனல் சமச்சீரற்ற தன்மை → வெளியீட்டுச் சார்பு (அல்லது செயல்திறன் சூழலில் GP புறத்தன்மை)
பெட்டி வரைபடத்தின் நடுக் கோடு → இடைநிலை (சராசரி அல்ல)
68-95-99.7 → இயல்நிலைப் பரவலில் ±1SD, ±2SD, ±3SD
I² >50% → கணிசமான பன்முகத்தன்மை
அல்லது வழக்கு-கட்டுப்பாட்டிலிருந்து | குழுவிலிருந்து RR | குறுக்குவெட்டு ஆய்வின் மூலம் பெறப்பட்ட பரவல்
தணிக்கை ≠ ஆராய்ச்சி (தணிக்கை அளவீடுகள் மற்றும் தரநிலை ஒப்பீடு; ஆராய்ச்சி புதிய அறிவை உருவாக்குகிறது)

📊 ஆய்வு வடிவமைப்பு நினைவூட்டல்: "தனிநபர் ஆய்வுகளுக்கு, OR — குழு ஆய்வுகளுக்கு, RR"

வழக்கு-கட்டுப்பாடு → OR (வாய்ப்பு விகிதம்) — வெளிப்பாடுகளைத் திரும்பிப் பார்த்தல்
பெருங்குடும்பத்தின் → RR (சார்பு இடர்) — வெளிப்பாட்டிலிருந்து முன்னோக்கிய நகர்வு
குறுக்கு வெட்டு → பரவல் — ஒரு குறிப்பிட்ட நேரத்தின் நிலவரம்
ஆர்சிடி / எஸ்ஆர் → சிகிச்சை கேள்விகளுக்கான தங்கத் தரம்

🎓

பயிற்சியாளர் மற்றும் கற்பித்தல் முத்துக்கள்

இந்தத் தலைப்பில் பயிற்சி பெறுபவர்களின் பொதுவான கவனக்குறைவுகள்

பயிற்சி பெறுபவர்கள் பெரும்பாலும் NNT-ஐ ஒரு சூத்திரமாகக் கற்றுக்கொள்கிறார்கள், ஆனால் மருத்துவ ரீதியாக அதன் உண்மையான அர்த்தத்தைப் புரிந்துகொள்வதில்லை — அதை ஒரு நோயாளி புரிந்துகொள்ளக்கூடிய வாக்கியத்தில் அவர்களால் விளக்க முடிகிறதா என்பதை உறுதிப்படுத்திக் கொள்ளுங்கள்.
உணர்திறன்/குறிப்பிட்டன்மை (பரிசோதனைப் பண்புகள்) மற்றும் நேர்மறை முன்கணிப்பு மதிப்பு/எதிர்மறை முன்கணிப்பு மதிப்பு (பரவலால் பாதிக்கப்படுவது) ஆகியவற்றுக்கு இடையேயான வேறுபாடு சரியாகப் புரிந்து கொள்ளப்படவில்லை — இதற்கு கர்ப்பப் பரிசோதனை உவமை நன்கு பொருந்துகிறது.
பல பயிற்சியாளர்களுக்கு வனப் பகுதி எப்படி இருக்கும் என்று தெரியும், ஆனால் அவர்களால் அதை விளக்க முடிவதில்லை. என்ன கவனிப்பதற்கு — வைரத்தின் மீது கவனம் செலுத்தி, அது எந்த விளைவையும் ஏற்படுத்தாத எல்லையைத் தாண்டுகிறதா என்று பாருங்கள்.
முன்னணி நேரச் சார்பு, நீளச் சார்புடன் அடிக்கடி குழப்பப்படுகிறது — இவ்விரண்டையுரை வேறுபாட்டை விளக்க வரைபடங்கள் அல்லது காலவரிசைகளைப் பயன்படுத்தவும்.
பயிற்சி பெறுபவர்கள் மருத்துவத் தணிக்கையையும் ஆராய்ச்சியையும் வழக்கமாகக் குழப்பிக் கொள்கிறார்கள் — RCGP-யின் மதிப்பீடுகளிலிருந்து எடுக்கப்பட்ட சொந்த உதாரணங்களைப் பயன்படுத்துங்கள்.

பயிற்சி வகுப்பு யோசனைகள் மற்றும் கலந்துரையாடல் தொடக்கங்கள்

ஒரு மருந்துப் பரிசோதனையின் சுருக்க அட்டவணை இதோ — இதன் NNT (தேவையான மருந்து அளவு) என்னவென்றும், இந்த நோயாளிக்கு நீங்கள் அந்த மருந்தைப் பரிந்துரைப்பீர்களா என்றும் கூற முடியுமா?
இந்த வன வரைபடத்தைப் பாருங்கள். இந்தத் தலையீடு பயனுள்ளதா? அந்தப் பதிலில் உங்களுக்கு எவ்வளவு நம்பிக்கை உள்ளது?
உங்கள் நோயாளிக்கு FIT பரிசோதனையில் பாசிட்டிவ் முடிவு வந்துள்ளது. குறைந்த ஆபத்துள்ள மக்களிடையே PPV சுமார் 3% ஆகும். இதை அவருக்கு எப்படி விளக்குவீர்கள்?
பலருக்கு PSA அளவு அதிகமாக இருப்பதைக் காண்கிறோம். PSA-ஐ ஒரு ஆரம்பகட்ட பரிசோதனையாகப் பயன்படுத்துவதில் என்ன சிக்கல்?
ஒரு சக ஊழியர், நமது செப்சிஸ் சிகிச்சை முடிவுகளை அறக்கட்டளையின் முடிவுகளுடன் ஒப்பிட விரும்புகிறார். அது தணிக்கையா அல்லது ஆராய்ச்சியா? அதற்கு நெறிமுறைகள் தேவையா?
'இது பாதுகாப்பானதா?' என்று கேட்கும் ஒரு நோயாளிக்கு, பக்க விளைவு ஏற்படுவதற்கு 50-ல் 1 வாய்ப்பு உள்ளது என்பதை எப்படி விளக்குவீர்கள்?

பயிற்சி வகுப்புகளுக்கான சிந்தனைத் தூண்டும் கேள்விகள்

நீங்கள் தற்போது நோயாளிகளுக்கு ஆபத்தை எவ்வாறு விளக்குகிறீர்கள்? நீங்கள் திட்டவட்டமான எண்களையா அல்லது சார்பு எண்களையா பயன்படுத்துகிறீர்கள்?
ஒரு குறிப்பிடத்தக்க NNT-ஐக் குறிப்பிட்ட சமீபத்திய மருத்துவ வழிகாட்டுதல் ஏதேனும் உங்களுக்கு நினைவிருக்கிறதா — அது என்ன, மேலும் அது உங்கள் மருத்துவப் பயிற்சியை எவ்வாறு பாதித்தது?
நீங்கள் எப்போதாவது ஒரு பரிசோதனையை ஆர்டர் செய்துவிட்டு, அதன் உணர்திறன்/குறிப்பிட்டன்மை தெரியாமல் இருந்திருக்கிறீர்களா? அந்த முடிவை நீங்கள் எவ்வாறு புரிந்துகொண்டீர்கள்?
ஒரு மருந்து நிறுவனம் தனது சோதனை முடிவுகளை ARR என்பதற்குப் பதிலாக RRR என ஏன் வழங்கத் தேர்வு செய்யலாம்?

🔥 AKT அதிக மகசூல் குறிப்புகள்

AKT வினாத்தாள்களில் மீண்டும் மீண்டும் தோன்றும் வடிவங்கள் இவை. இவற்றை மனப்பாடம் செய்தால், நீங்கள் நல்ல மதிப்பெண்கள் பெறுவீர்கள்.

🎯 NNT கணக்கீடு

எப்போதும் முதலில் சதவீதங்களை தசமங்களாக மாற்றவும். ARR = 5% → NNT = 1 ÷ 0.05 = 20. எப்போதும் முழுமையாக்கவும். up அருகிலுள்ள முழு எண்ணுக்கு. குறைந்த NNT = அதிக செயல்திறன் மிக்க சிகிச்சை.

🎯 CI மாய எண்ணைக் கடக்கிறது

விகிதங்களுக்கு (RR, OR, HR): நம்பிக்கை இடைவெளிகள் 1.0 = குறிப்பிடத்தக்கதல்ல. வேறுபாடுகளுக்கு: நம்பிக்கை இடைவெளிகள் குறுக்கிடுகின்றன. 0 = முக்கியத்துவம் அற்றது. இது ஏறக்குறைய ஒவ்வொரு ஃபாரஸ்ட் ப்ளாட் கேள்வியிலும் வருகிறது.

🎯 படிப்பு வடிவமைப்பு பொருத்தம்

அரிதான நோய் → வழக்கு-கட்டுப்பாடு → அல்லது. இனிவரும் காலங்களில் புதிய வெளிப்பாடு → பெருங்குடும்பத்தின் → ஆர்.ஆர். பரவல் நிலவரம் → குறுக்குவெட்டுசிகிச்சைக்கான சிறந்த ஆதாரம் → RCT or எஸ்ஆர்/மெட்டா-பகுப்பாய்வு.

🎯 உணர்திறன் மற்றும் தனித்தன்மை — எப்போது எதைப் பயன்படுத்த வேண்டும்

திரையிடல் சோதனை → அதிக உணர்திறன் வேண்டும் (நிகழ்வுகளைத் தவறவிட விரும்பவில்லை → SnNout). உறுதிப்படுத்தும் சோதனை → அதிகத் துல்லியத்தன்மை வேண்டும் (தவறான நேர்மறைகள் வேண்டாம் → SpPin).

🎯 குறைந்த பரவல் உள்ள மக்களிடையே PPV குறைகிறது

குறைந்த பரவல் உள்ள சூழலில், மிகவும் துல்லியமான (99%) ஒரு பரிசோதனை கூட குறைந்த நேர்மறை முன்கணிப்பு மதிப்பையே (PPV) அளிக்கிறது. மக்கள் தொகை பரிசோதனையில் கிடைக்கும் பெரும்பாலான நேர்மறை முடிவுகள் தவறான நேர்மறை முடிவுகளே ஆகும். இதனால்தான் நாம் அனைவருக்கும் எல்லாப் பரிசோதனைகளையும் செய்வதில்லை.

🎯 ஃபாரஸ்ட் ப்ளாட் டைமண்ட்

என்றால் வைர (ஒன்றிணைக்கப்பட்ட மதிப்பீடு) விளைவின்மை செங்குத்துக் கோட்டைக் கடக்கிறது → ஒட்டுமொத்த முடிவு புள்ளிவிவரப்படி குறிப்பிடத்தக்கதல்ல. I² > 50% எனில் → கணிசமான பன்முகத்தன்மை → ஒன்றிணைக்கப்பட்ட முடிவு நம்பகத்தன்மை குறைவானது.

🎯 புனல் வரைபடத்தின் சமச்சீரற்ற தன்மை

ஃபனல் ப்ளாட்டின் கீழ் இடது மூலையில் உள்ள இடைவெளி = வெளியீட்டுச் சார்பு — சிறிய எதிர்மறை ஆய்வுகள் வெளியிடப்படவில்லை. இது மெட்டா-பகுப்பாய்வில் ஒரு சிகிச்சையின் வெளிப்படையான விளைவை மிகைப்படுத்துகிறது.

🎯 பாக்ஸ்-அண்ட்-விஸ்கர் — எப்போதும் நடுநிலையானது, கொடூரமானது அல்ல

வரி உள்ளே அந்தப் பெட்டிதான் சராசரிகட்டம் = IQR (நடு 50%). மீசைக்கோடுகளுக்கு அப்பால் உள்ள புள்ளிகள் அல்லது வட்டங்கள் = புறமதிப்புகள்.

🎯 ARR-ஐ விட RRR மிகவும் பிரமாதமாக ஒலிக்கிறது

மருந்து நிறுவனங்கள் RRR-ஐ மேற்கோள் காட்டுவதை விரும்புகின்றன, ஏனெனில் அது பெரிதாகத் தெரிகிறது. 50% RRR என்பது அற்புதமாகத் தோன்றலாம் — ஆனால், அடிப்படை இடர் வெறும் 2% மட்டுமே என்று உங்களுக்குத் தெரியவரும் வரைதான் (→ ARR = 1%, NNT = 100). எப்போதும் கேளுங்கள்: அடிப்படை இடர் என்னவாக இருந்தது?

🎯 இடைநிலை — சமச்சீரற்ற தரவுகளுக்குப் பயன்படுத்தவும்

சீரற்ற பரவல்கள் (வருமானம், மருத்துவமனை தங்குதல், சீரம் பிலிரூபின்) → பயன்பாடு சராசரி சராசரி என்பது புறமதிப்புகளால் தீர்மானிக்கப்படுகிறது; இடைநிலை அவ்வாறு தீர்மானிக்கப்படுவதில்லை.

🎯 தணிக்கை மற்றும் ஆராய்ச்சி

தணிக்கை: ஒரு செயலுக்கு எதிரான நடவடிக்கைகள் இருக்கும் தரநிலை; நெறிமுறைகள் தேவையில்லை; கருதுகோள் தேவையில்லை. ஆராய்ச்சி: உருவாக்குகிறது புதிய அறிவு; நெறிமுறை ஒப்புதல் தேவை; ஒரு கருதுகோளைக் கொண்டுள்ளது. இது AKT மீண்டும் மீண்டும் சோதிக்கும் ஒரு முக்கிய வேறுபாடு.

🎯 சிகிச்சைக்கான நோக்கம் (ITT)

ITT பகுப்பாய்வானது, பங்கேற்பாளர்கள் விதிமுறைகளைப் பின்பற்றுகிறார்களா இல்லையா என்பதைப் பொருட்படுத்தாமல், சீரற்ற முறையில் தேர்ந்தெடுக்கப்பட்ட அனைவரையும் உள்ளடக்கியது. இது ஒரு முடிவைத் தருகிறது. பழமைவாத செயல்திறன் மதிப்பீடு — மருத்துவப் பயன்பாட்டிற்கு மிகவும் யதார்த்தமானது. நெறிமுறைக்குட்பட்ட பகுப்பாய்வு விளைவை மிகைமதிப்பீடு செய்கிறது.

🎯 ABPI கட்-ஆஃப்

ABPI < 0.9 = புற தமனி நோய். ABPI > 1.3 = அமுக்க முடியாத (சுண்ணாம்பு படிந்த) இரத்த நாளங்கள் — நம்பகமற்ற முடிவு. ABPI < 0.8 ஆக இருந்தால் அமுக்கக் கட்டுப் போடுவது முரணானது (உங்கள் அமுக்க வழிகாட்டுதல்களைச் சரிபார்க்கவும்).

🎯 கேட்ஸ் ப்ளாட் NNT

பயன் முகங்களை (பொதுவாக மஞ்சள் அல்லது பச்சை) எண்ணுங்கள். நிகரப் பயன் எண்ணிக்கை (NNT) = 100 ÷ (பயன் முகங்களின் எண்ணிக்கை). 5 மஞ்சள் முகங்கள் → நிகரப் பயன் எண்ணிக்கை (NNT) = 20.

⚠️

பொதுவான தவறுகள் மற்றும் பயிற்சி பெறுபவர்களின் பொறிகள்

AKT மதிப்பிடும் திட்டங்கள் அனைத்திலும் மீண்டும் மீண்டும் காணப்படும் பிழைகள் இவை. இவற்றில் ஒவ்வொன்றும் உண்மையான தேர்வர்களால் இழக்கப்பட்ட உண்மையான மதிப்பெண் ஆகும்.

NNT-ஐக் கணக்கிடுவதற்கு முன் சதவீதங்களைத் தசமங்களாக மாற்ற மறந்துவிடுதல் (எ.கா., ARR = 5% → NNT = 0.2 என்பதற்குப் பதிலாக 20 என்பதைப் பெற, 5 என்பதற்குப் பதிலாக 0.05-ஐப் பயன்படுத்த வேண்டும்)
NNT-ஐ முழுமையாக்குதல் கீழே மாறாக up (NNT = 12.5 → விடை 13, 12 அல்ல)
RRR-ஐ ARR-உடன் குழப்பி, மிகவும் ஈர்க்கக்கூடியதாகத் தோன்றும் ஒப்பீட்டு எண்ணிக்கையை மருத்துவப் பலனாக மேற்கோள் காட்டுதல்
நம்பிக்கை இடைவெளி (CI) 1.0-ஐத் தொடும்போது ஒரு முடிவை "முக்கியமானது" என்று சொல்வது — அது கண்டிப்பாக சேர்க்க வேண்டாம் 1.0 குறிப்பிடத்தக்கதாக இருக்க வேண்டும்
பெட்டி-மற்றும்-மீசை வரைபடத்தின் மையக் கோடுதான் சராசரி என்று கூறுவது — அது எப்போதும் சராசரி
உணர்திறனை நேர்மறை முன்கணிப்பு மதிப்புடன் (PPV) குழப்பிக் கொள்வது — உணர்திறன் என்பது சோதனையின் ஒரு நிலையான பண்பு; PPV என்பது பரவலைச் சார்ந்தது.
குறைந்த பரவல் உள்ள மக்களிடையே, மிகவும் துல்லியமான ஒரு பரிசோதனை நம்பகமான நேர்மறை முடிவைத் தரும் என்று நினைப்பது — அது தராது (குறைந்த நேர்மறை முன்கணிப்பு மதிப்பு).
OR-ஐ RR-உடன் குழப்பிக்கொள்வது — நோய் அரிதாக இருக்கும்போது தவிர, OR-களை நேரடியாக RR-களாகப் பயன்படுத்த முடியாது.
ஒரு நேர்வு-கட்டுப்பாட்டு ஆய்வு சார்பு எதிர்வினையை (RR) உருவாக்குகிறது என்று சொல்வது, அது முரண்பாட்டு விகிதத்தை (OR) உருவாக்குகிறது என்பதாகும். ஏனெனில், நீங்கள் வெளிப்படுத்தப்பட்ட ஒரு குழுவினருடன் அல்லாமல், நேர்வுகள் மற்றும் கட்டுப்பாட்டுக் குழுவினருடன் தொடங்குகிறீர்கள்.
மருத்துவத் தணிக்கையை ஆராய்ச்சியுடன் குழப்புதல் — ஒரு தணிக்கைக்கு நெறிமுறை ஒப்புதல் தேவை எனக் கூறுதல்
ஒரு பரிசோதனைத் திட்டம் உண்மையிலேயே உயிர்வாழ்வை மேம்படுத்துகிறது என்று முன்னணி நேரச் சார்பை தவறாகப் புரிந்துகொள்வது
ஃபாரஸ்ட் ப்ளாட்டில் I² >50% என்பதை மறந்துவிடுவது, தொகுக்கப்பட்ட முடிவின் நம்பகத்தன்மை குறித்துக் கவலைகளை எழுப்புகிறது.
சமச்சீரற்ற தரவுகளை (எ.கா. வருமானம், மருத்துவமனையில் தங்கும் காலம்) விவரிக்க சராசரியைப் பயன்படுத்துவதற்குப் பதிலாக, இடைநிலையைப் பயன்படுத்தவும்.

🏁 இறுதியான முக்கியக் குறிப்புகள்

NNT = 1 ÷ ARR. சதவீதங்களை எப்போதும் தசமங்களாக மாற்றவும். எப்போதும் மேல்நோக்கி முழுமையாக்கவும். குறைந்த NNT = சிறந்த சிகிச்சை.
ARR என்பது மருத்துவ ரீதியாக நேர்மையானது. RRR கேட்பதற்கு ஈர்க்கக்கூடியதாகத் தோன்றினாலும், அது தவறாக வழிநடத்தக்கூடும். RRR-ஐ எப்போதும் அடிப்படை அபாயத்துடன் ஒப்பிட்டுப் பாருங்கள்.
உணர்திறன் மற்றும் தனித்தன்மை ஆகியவை ஒரு சோதனையின் நிலையான பண்புகளாகும். நேர்மறை முன்கணிப்பு மதிப்பு (PPV) மற்றும் எதிர்மறை முன்கணிப்பு மதிப்பு (NPV) ஆகியவை நோய்ப் பரவலைப் பொறுத்து மாறுகின்றன.
SnNout: உணர்திறன் மிக்க சோதனைகள் எதிர்மறையாக இருக்கும்போது நிராகரிக்கின்றன. SpPin: குறிப்பிட்ட சோதனைகள் நேர்மறையாக இருக்கும்போது உறுதிப்படுத்துகின்றன.
ஃபாரஸ்ட் ப்ளாட் டைமண்ட் விளைவின்மைக் கோட்டைக் கடக்கிறது → முடிவு புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்கதல்ல. I² >50% → பன்முகத்தன்மை குறித்த கவலைகள்.
புனல் வரைபடத்தின் சமச்சீரற்ற தன்மை → வெளியீட்டுச் சார்பு. செயல்திறன் கண்காணிப்பில் புனல் வரம்புகளுக்கு வெளியே உள்ள புள்ளிகள் → விதிமீறல் நடைமுறைகள்.
1.0-ஐ உள்ளடக்கிய விகிதத்திற்கான நம்பிக்கை இடைவெளி → முக்கியத்துவம் அற்றது. 0-ஐ உள்ளடக்கிய வித்தியாசத்திற்கான நம்பிக்கை இடைவெளி → முக்கியத்துவம் அற்றது.
நேர்வுக் கட்டுப்பாடு → OR. கூட்டாய்வு → RR. குறுக்குவெட்டு ஆய்வு → பரவல். RCT/SR → சிகிச்சைக்கான சிறந்த தரநிலை.
சீரற்ற தரவு → சராசரிக்கு பதிலாக இடைநிலையைப் பயன்படுத்தவும். பெட்டி வரைபடத்தின் நடுக் கோடு = இடைநிலை. மீசைக்கோடுகளுக்கு அப்பால் உள்ள புள்ளிகள் = புறமதிப்புகள்.
மருத்துவத் தணிக்கை தரநிலைகளுக்கு எதிராக அளவிடுகிறது — இதற்கு அறநெறி தேவையில்லை, கருதுகோளும் தேவையில்லை. ஆராய்ச்சி புதிய அறிவை உருவாக்குகிறது — இதற்கு அறநெறி தேவை.

AKT தேர்வில் உள்ள புள்ளியியல் கேள்விகள், வினாத்தாளில் மிகவும் நம்பகத்தன்மையுடன் கற்றுக்கொள்ளக்கூடிய கேள்விகளில் ஒன்றாகும். இந்தப் பக்கத்துடன் சில மணிநேரங்களையும், ஒரு சில பயிற்சிக் கேள்விகளையும் செலவிடுவது, நீங்கள் செலவிடும் நேரத்திற்கும் அப்பாற்பட்ட பலன்களைத் தரும்.