Ragionamento in ambito sanitario

INTERPRETARE INFORMAZIONI DIAGNOSTICHE: "L'interpretazione di nuove informazioni dipende da ciò che era già noto riguardo un paziente."

I medici hanno a disposizione un'enorme varietà di informazioni diagnostiche che possono guidarli nel processo decisionale. Vengono raccolte informazioni diagnostiche nel parlare con il paziente (sintomi, come dolore, nausea e mancanza di respiro), esaminando il paziente (segni, come tenerezza addominale, febbre e pressione sanguigna) e da esami diagnostici (come esami del sangue, radiografie ed elettrocardiogrammi (ECG)) e test di screening (come le strisce di Papanicolaou per le misurazioni del carcinoma cervicale o del colesterolo).

I medici non sono i soli a dover interpretare le informazioni diagnostiche. Anche i responsabili delle politiche pubbliche nel settore sanitario sono interessati a comprendere le prestazioni dei test diagnostici. Se, ad esempio, un politico sta prendendo in considerazione un programma

sono importanti per valutare l'affidabilità dei test diagnostici. Inoltre, è fondamentale considerare anche la sensibilità e la specificità dei test, che indicano rispettivamente la capacità di rilevare correttamente i casi positivi e negativi. Nel caso specifico del cancro ai polmoni, esistono diversi test diagnostici utilizzati per la sua individuazione precoce. Tra questi, la radiografia del torace, la tomografia computerizzata (TC) e la broncoscopia sono i più comuni. Ognuno di questi test ha vantaggi e limitazioni, e la scelta del test più appropriato dipende da vari fattori, come l'età del paziente, la presenza di sintomi e la storia familiare di cancro ai polmoni. La radiografia del torace è un test di screening di base che può rilevare la presenza di masse o noduli polmonari. Tuttavia, può non essere in grado di individuare tumori di piccole dimensioni o in una fase molto precoce della malattia. La TC, invece, è un test più sensibile e specifico, in grado di fornire immagini dettagliate dei polmoni e individuare anche tumori di dimensioni molto ridotte. Tuttavia, la TC espone il paziente a una dose di radiazioni più elevata rispetto alla radiografia del torace. La broncoscopia è un test invasivo che prevede l'inserimento di un tubo flessibile attraverso la bocca o il naso fino ai polmoni, consentendo di esaminare direttamente le vie respiratorie. Questo test può essere utilizzato per prelevare campioni di tessuto per l'analisi (biopsia) e può essere particolarmente utile nel caso siano presenti sintomi o segni di cancro ai polmoni. È importante sottolineare che nessun test diagnostico è perfetto e che possono verificarsi sia falsi positivi che falsi negativi. Un falso positivo si verifica quando il test indica erroneamente la presenza di cancro ai polmoni quando in realtà non è presente, mentre un falso negativo si verifica quando il test non rileva correttamente la presenza di cancro ai polmoni. Pertanto, è necessario valutare attentamente i risultati dei test diagnostici e, se necessario, confermare i risultati con ulteriori test o consultare uno specialista.differiscono tra parti diverse di informazioni. Quindi dobbiamo esaminare come interpretare e selezionare le informazioni per ridurre al minimo l'impatto di tali errori. Prendiamo in considerazione un esempio. ESEMPIO Un uomo di 50 anni presenta affaticamento e anemia da carenza di ferro. Hai fatto il FOBT (test che rileva il sangue occulto nelle feci), per controllare se vi è sanguinamento gastrointestinale, in particolare dovuto ad un tumore del colon-retto. Il test è risultato positivo. Sei consapevole tuttavia, che il FOBT non è perfettamente accurato nel rilevare i tumori: infatti alcuni tumori non sanguinano e sono persi (falsi positivi), e ci sono altre cause di sanguinamento apparente (falso positivo). Come interpreti il FOBT? Questo capitolo si occuperà del processo di utilizzo di tali informazioni diagnostiche imperfette per rivalutare la probabilità che un paziente una malattia di diverse possibili. Quando il risultato del test è "positivo",ci interessa "la probabilità di avere una malattia dato che il test risulta positivo", noto anche come valore predittivo positivo o post-positive-test probability (Figura 5.1). Nella notazione di probabilità, questo è scritto come p (D+ | T+). Quando il risultato del test è "negativo", ci interessa "la probabilità di non avere la malattia dato che il test è negativo", il valore predittivo negativo o post-negative-test probability. In notazione di probabilità, questo è scritto come p (D- | T-). A volte il paziente può presentare una o più malattie (D1, D2, D3... Di...) e i possibili risultati di test (R1, R2, R3... Rj...) potrebbero non essere facilmente definiti come "positivo" e "negativo". Un esempio potrebbe essere un paziente con dolore addominale acuto che presenta una costellazione di sintomi e segni, conta dei globuli bianchi e altri risultati dei test.

e chipuò avere appendicite, colecistite, gastrite, pancreatite, diverticolite o altre cause dipane. In tali casi, siamo interessati a p (Di | Rj), la probabilità di ciascuna diagnosi dati i risultati del test.

Di solito, stime di probabilità di malattia, in base ai risultati dei test, non sono prontamente disponibili. Invece, è più probabile che si abbia una valutazione della probabilità di un risultato del test tra i pazienti con o senza la malattia. Ad esempio, potrebbe esserci uno studio che riporta p (T+ | D+), la probabilità di avere test positivo data la presenza della malattia e p (T+ | D−), la probabilità di un test positivo data l'assenza di malattia.

Questo capitolo riguarda il processo di conversione dalle probabilità di quest'ultimo tipo (risultato del test dato lo stato di malattia) alle probabilità del tipo che di solito vogliamo avere per guidare la decisione (stato della malattia dati risultati del test).

del calcolo della probabilità post-test, è altrettanto importante comprendere il concetto di probabilità pre-test. La probabilità pre-test è la probabilità di avere una determinata condizione o malattia prima di eseguire un test diagnostico. Questa probabilità può essere basata su fattori come la storia medica del paziente, i sintomi presentati e altri fattori di rischio. Una volta eseguito il test, è necessario valutare la sua prestazione. Questo viene fatto misurando la sensibilità e la specificità del test. La sensibilità del test indica la capacità del test di identificare correttamente i pazienti affetti dalla condizione o malattia (veri positivi), mentre la specificità del test indica la capacità del test di escludere correttamente i pazienti non affetti dalla condizione o malattia (veri negativi). Utilizzando queste informazioni, è possibile calcolare la probabilità post-test, che è la probabilità di avere la condizione o malattia dopo aver ottenuto un risultato positivo o negativo dal test. Questo calcolo tiene conto sia della probabilità pre-test che delle informazioni fornite dal test stesso. In conclusione, il processo di revisione di probabilità è fondamentale per valutare l'accuratezza di un test diagnostico e per determinare la probabilità di avere una determinata condizione o malattia. Comprendere i concetti di probabilità pre-test, sensibilità, specificità e probabilità post-test è essenziale per interpretare correttamente i risultati dei test diagnostici.

Dell'analisi formale delle decisioni, i concetti stessi possono essere molto utili in ambito clinico anche senza calcoli espliciti. Questo capitolo enfatizzerà i test con due possibili esiti e il capitolo 6 esaminerà come e quando tali test dovrebbero alterare le decisioni cliniche. Il capitolo 7 si espande sul materiale trattato in questo e nel prossimo capitolo, aiutando il decisore a valutare più in generale il valore delle informazioni del test diagnostico quando ci sono più di due possibili risultati del test e quando è disponibile più di un test.

Definizione La probabilità (precedente) pre-test di malattia è la probabilità della presenza del malattia target subordinata alle informazioni disponibili prima di eseguire il test in esame. La probabilità post-test (posteriore) della malattia è la probabilità della presenza della malattia target in base alle informazioni pre-test e al risultato del test.

La revisione della probabilità (bayesiana) è il processo di conversione della probabilità pre-test alla probabilità post-test, tenendo conto del risultato e delle caratteristiche del test preso in considerazione. Prevalenza e pre-test probability: Se un paziente è stato scelto a caso da una determinata popolazione, la probabilità pre-test di malattia per il paziente sarebbe la prevalenza della malattia in quella popolazione. Tuttavia, i pazienti non sono selezionati a caso. Anche i candidati per lo screening non sono selezionati a caso. Ogni persona che si presenta per un possibile test ha caratteristiche specifiche, tra cui storia, reperti fisici e precedenti risultati del test. Queste caratteristiche, insieme alla prevalenza della malattia, determinano la probabilità che un individuo abbia una determinata malattia in qualsiasi momento. Questa probabilità è subordinata alle informazioni disponibili e può essereconsiderata come la probabilità pre-test rispetto a un test successivo. Ad esempio, la probabilità pre-test che un paziente abbia un cancro del colon-retto prima che sia stato determinato il risultato del FOBT sarà adattata in base all'età, al sesso, all'anamnesi clinica e alla storia famigliare. In tal senso, la probabilità pre-test è in realtà una probabilità a posteriori, ciò dipende da tutti questi fattori (ad esempio, la probabilità di carcinoma del colon-retto in un maschio di 50 anni la cui madre aveva un carcinoma del colon-retto) mentre è ancora una probabilità precedente rispetto al test FOBT. La probabilità pre-test qui riflette la proporzione di pazienti con caratteristiche simili in cui ci si aspetterebbe di trovare il cancro del colon-retto. Questo capitolo si concentrerà sui test diagnostici che hanno solo due esiti, positivo (T+) o negativo (T-) e una singola malattia.in modo che possiamo dividere il gruppo testato in quelli con la malattia (D+) e quelli senza malattia, i non malati (D-).

	D+	D-
FOBT positivo	5	271
FOBT negativo

Come interpreterai i risultati del FOBT dell'esempio? Primo, dobbiamo capire l'accuratezza del test quantificando la percentuale di errore. Per ottenere i tassi di errore, è possibile consultare la documentazione. Trovi uno studio di un FOBT immunochimico, i cui risultati sono mostrati in Tabella 5.1 (1). Sebbene sia uno studio un po' vecchio, i risultati sono ancora rilevanti e in linea con studi simili successivamente analizzati dalla US Preventive Task Force dei servizi (2). La tabella dimostra chiaramente che il FOBT è imperfetto. Usando i termini nella Tabella 5.1B, c'erano cinque falsi negativi, cioè cinque pazienti con cancro del colon-retto il cui FOBT era negativo; c'erano 271 falsi positivi, cioè persone senza cancro del colon-retto che hanno avuto un FOBT positivo.

risultato positivo al FOBT. Useremo La Tabella 5.1 per definire alcune importanti probabilità che descrivono i tassi di questi errori. Usando queste probabilità introdurremo il concetto di revisione di probabilità. In particolare, calcoleremo la probabilità che il paziente ha un carcinoma del colon-retto (CRC) sottoposto a test ematico occulto nelle feci risultato positivo (FOBT) o p (CRC+ | FOBT+). Nel processo calcoleremo anche molte altre probabilità che troveremo utili per il processo decisionale. Una di queste è la probabilità che un paziente abbia un tumore del colon-retto nonostante un risultato negativo del FOBT o p (CRC+ | FOBT−). Dal momento che un paziente o ha o non ha carcinoma del colon-retto, possiamo applicare il principio di somma per calcolare le probabilità di non avere il carcinoma del colon-retto, in base ai risultati del test, come 1,0 meno la corrispondente probabilità di avere il cancro. E’ anche

di interesse, e un sottoprodotto del processo di revisione di probabilità, la probabilità che il FOBT sia positivo, o p