你的位置:神馬網 > 科学 > 臨牀決策分析-臨牀醫生作出的治療決定

臨牀決策分析-臨牀醫生作出的治療決定

時間:2022-04-28 07:25瀏覽次數:185
臨牀決策分析,英文名clinicaldecision,指的是在臨牀處理病人的病情時,由於疾病臨牀表現複雜多變,診治方法多種,有些藥物還可能產生一些不良反應,患者的心理變化等等,促使醫師在考慮上述情況後作出全面和合理的選擇。
臨牀醫師一般習慣於根據自己的知識經驗和習慣來作出臨牀決策。
隨着微型計算機在臨牀上的應用日益普遍,臨牀決策分析會得到不斷完善和發展。

基本步驟

這些臨牀決定亦即臨牀決策(clinicaldecision)。
所謂決策(decisionmaking)就是爲達到同一目標在衆多可以採取的方案中選擇最佳方案。
臨牀決策分析的基本步驟有以下四步:1.供臨牀選擇的治療方法有時很多,此時要篩除一些“劣”的決策,有利於下一步的分析。
2.確定各決策可能的後果,並設置各種後果發生的概率。
3.確定決策人的偏愛,並對效用賦值。
4.在以下三步基礎上去選擇決策人最滿意的決策,即期望效用最大的決策。

決策樹模型

臨牀決策分析的模型很多,爲說明診斷決策問題,在此介紹決策樹模型。
決策樹(de-cisiontree)是一種能夠有效地表達複雜決策問題的數學模型。
決策樹由一些決策點、機會點和決策枝、機會枝組成。
一般用圓圈“○”表示機會點,發生的結果不在醫師的控制之下;小方框“□”表示決策點,在決策點,醫師必須在幾種方案中選取一種;決策點相應的分枝稱爲決策枝;機會點相應的分枝稱爲機會枝。
下面介紹由JCSisson等人的一個關於胰腺癌的決策樹模型,如圖。
臨牀決策分析(Lowenthal.1976)[1]常常難以在疾病的早期作出診斷,當發現時癌腫已有轉移,患者多在短期內死亡。
最可能患胰腺癌者包括40歲以上,中腹部疼痛持續1~3周的人。
假設這類人中胰腺癌的發生率爲12%。
如有一種不冒什麼風險的早期診斷方法對胰腺癌的檢出率爲80%(敏感度),但對有類似症狀的非胰腺癌患者的假陽性率爲5%,用此法診斷確診的胰腺癌患者手術死亡率爲10%,治癒率爲45%。
根據上述疾病概率,診斷概率和死亡、治癒概率,如對1000人進行診斷、治療,其所獲得的益處,是否比不進行診斷檢查和手術更大?可以用一個決策樹進行分析比較。
從以上決策樹可見,不作該項檢查的死亡者爲12例,均爲胰腺癌病人。
用該項檢查手術後死亡12.5人,其中有5例爲非胰腺癌病人。
而且新的檢查使44例非胰腺癌患者的胰腺功能因手術而可能受到損害。
因此這項檢查對病人是弊大於利,不宜使用。

治療決策分析

臨牀上處理病人時,常遇到這樣幾種情況:①不必作檢查,也不必治療,暫時觀察;②先做檢查,根據其結果酌情處理;③不用檢查,直接給予治療;④已作各方面檢查,但仍難以確診。
對病人是否作進一步治療,目前往往靠醫生的經驗。
現在介紹閾值分析法即用定量分析方法判斷治療與否會更全面和準確。
使用該法的前提是:只考慮一種疾病,病人患有該病或不患該病,雖經各種檢查,但目前仍難以確診;現在有一種療效肯定的治療方法可供採用。
如果不及時治療,可能有發生併發症的危險,而治療就肯定會帶來好處。

閾值分析原理

如果患者患某病的概率大於治療閾值,則應給予治療;如果該病概率小於治療閾值,則可暫不治療作進一步檢查。
根據可靠的病史資料,診斷檢查的準確性,治療的效果以及檢查、治療的潛在危險性,可以算出兩個閾值概率,即檢查閾值概率(T1)和治療閾值概率(T2)。
策略①②③不治療 檢查 治療閾值概率T1 T2根據病史和一般檢查結果估計患病概率P,假如某病人的患病概率P小於T1則選策略①,暫且先觀察;P大於T2則選策略③,直接給予治療;P介於T1和T2之間,則選擇策略②,先做檢查。
根據以往資料得到治療的效益(B),治療的危險性(R2),檢查的危險性(R1),檢查的真陽性率(TP),真陰性率(TN),假陽性率(FP)和假陰性率(FN),按下式計算T1,T2:臨牀決策分析例:男性患者,60歲,上腹部疼痛,嘔血,上消化道鋇餐檢查提示胃大彎有一個2cm大小潰瘍。
面對患者,醫師需作臨牀決策,即:下一步處理是胃鏡檢查,還是剖腹探查術,或者兩者均無必要?結合病史及鋇餐檢查結果,再根據以往的經驗,胃鏡科醫生與放射科醫生認爲患者的概率約0.1。
另外,年齡60歲其剖腹探查術死亡率(R2)爲2%。
早期手術的效益(B)爲生存率提高33%,胃鏡檢查死亡率(R1)約0.005%,真陽性TP爲96%,假陽性FP爲2%。
即已知B=0.33,R1=0.00005,R2=0.02,TP=0.96,FP=0.02,TN=0.98,FN=0.04。
把上述數據代入公式:臨牀決策分析算出T1=0.0014,T2=0.60,患者的患病概率爲0.1,處於T1和T2之間,選擇策略②,因此患者的處理應是先做胃鏡檢查。
由上述可見,醫師在作出臨牀決策之前,要設法瞭解各種狀態下發生的概率,從而使其所採取的策略更爲合理。

決策樹分析法

利用決策樹(decision tree)進行臨牀決策分析是一種簡單、明瞭的方法。
醫生在考慮和分析臨牀診斷、治療決策中,可將備選方案、情況和轉歸結局進行分層,對選擇後的各種可能情況和結局用循證醫學研究報告所提供的數據(各相關事件發生的概率)標出,以便分析比較。
各種選擇猶如樹幹的分支,而整個選擇過程則由多層分支構成的樹狀構成,故稱決策樹。
在決策樹中,可選擇的方案用一級分支表示,繼後爲無法選擇的可能出現的狀態或結局,用次級分支表示。
不同抉擇及其可能出現的狀態和結局按順序進行編排,即將可能出現的狀態、結局按發生發展程序用分支表達,以求條理化和一目瞭然。
決策樹由結節(nodes)和分支(branches)構成,一般決策結節用小方形表示,狀態結節用小圓形表示。
爲標明狀態的差別,可在分支上標明狀態性質,以及該狀態出現的可能性。
各種狀態結局是醫生無法直接控制或選擇的,但醫生可以通過在決策點的不同選擇,或根據患者具體特點,對某些狀態概率作出調整,而間接影響狀態結局。
決策樹分析法基本步驟∶(1)根據臨牀問題,如診斷或治療,可供選擇的行動方案、可能的狀態和結局,繪出決策樹圖解;(2)根據文獻資料(證據)結合患者實際情況,標出決策樹各分支的可能發生概率;(3)根據對患者健康的利弊得失,人爲但合理地確定各種結局的效用值(utility);(4)依據概率論的原理,採用回乘法(folding backward)計算各種決策的總效用值或預期效用值;(5)依含決策論的原理,以預期效用值最大的行動方案或決策首選方案或最佳決策;(6)基於估計參數(概率、效用值)的誤差或不穩定性,變動有關參數,觀察其對決策分析結果的影響,即進行敏感性試驗。
效用值∶是一種表述疾病或健康結局相對優劣的數量化指標。
疾病經某種治療後其結局優劣不等。
在決策分析中,根據各種結局中患者的健康數量(如生存年數)和質量(如生活能自理、病殘),半客觀地規定其效用值,並與其相應概率相乘的乘積、相加值作爲不同決策的總效用值,以使複雜臨牀問題數量化便於比較和做出最佳選擇。
敏感性試驗∶由於各種狀態、結局概率來自均數,難以準確估計其在某具體病例中的發生概率,故最終決策不一定可靠。
爲了觀察概率、效用值變動對決策的影響,可變動一至幾個變量值,重新計算,如對最終結果影響不大,則決策分析的穩定性、可靠性較大,反之較小。

利害比分析法

2.2.1 背景與目的:衆所周知,許多診療決策雖然醫生的出發點都是爲了幫助、救治患者,但實際執行結果則可能對患者利弊兼備,甚至弊大於利,有害於患者健康乃至生命。
在診療中要完全做到有利無弊、有得無失很難,但醫務人員應保證各項診療措施力求利大於弊、得大於失還是應該的。
爲此,在臨牀決策分析中,醫務人員應在文獻證據基礎上,結合患者情況和自己的經驗,對某種決策的利弊得失作出認真的考慮、權衡,並在各項概率基礎上,計算其利、弊(危害)得失的數量值,做出比較精確、合理、易被接受的決策,這就是利害比分析法的目的。
2.2.2 方法:利害比法公式如下:LHH=[(1.NNT)Ⅹft ⅩVh ]∶[(1.NNH)Ⅹfh ⅩVh ];式中,LHH(likelihood of help or harm)爲診治利害可能比,其值大於1,表示利大於害;反之,如小於1,表示害大於利;NNT(number needed treatment)爲減少1例嚴重靶事件(死亡或其他疾病)發生,需診治的病例數,代表療效倒數(1.ARR),此值愈小愈好;NNH(number needed harm)即診治多少病例中會發生1例嚴重副反應,代表嚴重副反應發生倒數,此值愈大愈好;ft 爲某患者因治療而避免靶事件的可能,用0~1量化;fh 爲某患者因治療而發生嚴重副反應的可能;Vt 爲患者本人對治療預防靶事件的賦值;Vh 爲患者本人對治療發生副反應的賦值
友情链接: 格林網71網簡歐網懷念網神馬網

神馬網社会科学娱乐文化

Copyright © 2013-2022 神馬網 版權所有