Contact

Daria Pašalić
Editor-in-Chief
Department of Medical Chemistry, Biochemistry and Clinical Chemistry
Zagreb University School of Medicine
Šalata ul 2.
10 000 Zagreb, Croatia
Phone +385 (1) 4590 205; +385 (1) 4566 940
E-mail: dariapasalic [at] gmail [dot] com

Useful links

 Odabrane teme iz biostatistike

 
Marc A. Raslich1, Ronald J. Markert2, Shahan A. Stutes1. Odabir i tumačenje dijagnostičkih pretraga. Biochemia Medica 2007;17(2):151-61.
 
1 Klinika za medicinu i pedijatriju, SveučilišteWrightState” , Medicinski fakultetBoonshoft”, Dayton, Ohio, SAD
2 Klinika za internu medicinu, Sveučilište „Wright State” , Medicinski fakultet „Boonshoft”, Dayton, Ohio, SAD
*Adresa za dopisivanje: marc [dot] raslich [at] wright [dot] edu
 
Sažetak
Dijagnostički testovi uključuju sve od simptoma bolesti opisanih u bolesnikovoj anamnezi i uočenih fizičkim pregledom do sofisticiranih laboratorijskih pretraga i slikovnih tehnika široke upotrebe u današnjoj praksi. Dijagnostičkim testom uspoređuje se klinička informacija dobivena manje invazivnim i/ili jeftinijim testom s takozvanim „zlatnim standardom”.
U ovom članku najprije definiramo osnovne odrednice dijagnostičkog testiranja, primjerice, specifičnost i osjetljivost testa te pozitivnu i negativnu prediktivnu vrijednost kao mjeru učinkovitosti testa. Također raspravljamo o korisnosti ovih odrednica u odabiru testa i tumačenju dobivenih rezultata. Isto tako, objašnjavamo i Bayesov pristup dijagnostičkom ispitivanju kroz raspravu o vjerojatnosti neke dijagnoze prije i poslije učinjenog testa te o pozitivnom i negativnom omjeru vjerojatnosti.
Potom tumačimo sva pitanja koja se tiču sažimanja mjera učinkovitosti testa, s osobitim naglaskom na površinu ispod ROC krivulje, dijagnostičku točnost i dijagnostički omjer izgleda. Također se pojašnjava i učinak prevalencije na dijagnostičku točnost i prediktivne vrijednosti. Na kraju, predstavljamo dijagnostički omjer izgleda kao mjeru učinkovitosti testa koja udružuje osjetljivost i specifičnost, ali ne ovisi o prevalenciji.
Prije nego što liječnik zatraži neki dijagnostički test, mora procijeniti njegovu moguću dobrobit i rizike te kako će rezultat testa utjecati na skrb o bolesniku. Osnovni preduvjet za postavljanje dijagnoze temeljene na dokazima je dobro poznavanje i ispravno tumačenje svih dostupnih mjera diskriminacijske učinkovitosti testa.
Ključne riječi: medicina temeljena na dokazima, dijagnostički test, vjerojatnost, osjetljivost i specifičnost, kliničko odlučivanje
Pristiglo: 15. listopada 2007.                                                                                         Prihvaćeno: 5. studenoga 2007.
 
 
Uvod
Dijagnostička pretraga predstavlja jedan od temelja medicinskog obrazovanja i kliničkog rada. S korijenima u staroj Grčkoj i skorašnjim povijesnim značenjem u radu Williama Oslera, liječnici su u vezi s pretragama odavno shvatili da moraju postati vješti u odabiru primjerenih metoda za određivanje oboljenja ili stanja bolesnika. Dijagnostičke pretrage obuhvaćaju znakove i simptome zabilježene u anamnezi te otkrivene fizikalnim pregledom do složenih laboratorijskih i slikovnih pretraga koji su danas u medicinskoj praksi u širokoj uporabi. Liječnici početno često odluče ne koristiti se tzv. „zlatnim standardom” kao pomoći u postavljanju dijagnoze, te izabiru radije manje skup, manje invazivan i/ili manje neprijatan pristup. Primjerice, elektrokardiogram (EKG) se nakon vježbanja može prvi koristiti kao dijagnostička pretraga kod 60-godišnjeg bolesnika s bolovima u prsima, umjesto određenijeg (no i manje sigurnog, a skupljeg) koronarnog angiograma.
Ciljevi dijagnostičkih ispitivanja uključuju otkrivanje ili isključenje bolesti, predstavljaju pomoć u obradi bolesnika, procjeni prognoze, praćenju kliničkog tijeka, te mjerenju općeg zdravlja ili sposobnosti (1).
U ovom broju časopisa Biochemia Medica predstavljamo nekoliko obilježja pretraga na koje se kliničari oslanjaju kod odabira i tumačenja dijagnostičkih pretraga, a ujedno ističemo nekoliko tradicijskih pristupa te se osvrćemo na nekoliko karakteristika pretraga koje su opisane kao više „utemeljene na dokazima” (2). U našem ćemo sljedećem članku opisati kako kritički ocijeniti medicinski članak koji izvještava o dijagnostičkoj pretrazi (3-7). Izložiti ćemo značenje metodologije istraživanja, pružiti pregled nedavno podrobno opisanih normi za nalaze, te razjasniti kako su dijagnostički rezultati ugrađeni u kliničko odlučivanje.
 
Dijagnostički slučaj
Gosp. Brown, star 74 godine, dolazi u Hitnu službu žaleći se na akutnu zaduhu. Ne navodi nikakav bol u prsima ili nesvjesticu. Njegov nalaz EKG ukazuje na fibrilaciju pretklijetki. U njegovoj povijesti bolesti značajan je podatak jedino o hipertenziji. Bolesnik ne navodi nikakvu bubrežnu bolest. Klinički gledano, vjerujemo da njegov dolazak opravdava razmatranje sistoličke kardijalne disfunkcije uz kongestivnozatajenje srca (engl. congestive heart failure, CHF). Naše središnje kliničko pitanje u takvoj situaciji glasi: Kakva je u bolesnika s fibrilacijom pretklijetki i akutnom zaduhom točnost B tipa natriuretskog peptida (engl. B-type natriuretic peptide, BNP) u dijagnosticiranju kongestivnog srčanog zatajenja?
 
Odabir dijagnostičke pretrage: obilježja pretage
Osjetljivost i specifičnost
Prije nego je medicina utemeljena na dokazima potaknula Bayesov pristup dijagnostičkom ispitivanju, kliničari su se oslanjali isključivo na uobičajena obilježja pretraga / model 2 x 2 učinkovitosti pretrage (Slika 1.).
 
 
 
Slika 1. BNP kao dijagnostička pretraga za kongestivno zatajenje srca: uobičajeni model 2 x 2
 
Kao pomoć u postavljanju dijagnoze liječnik bi odabrao pretragu s odgovarajućim karakteristikama, tj. osjetljivošću i specifičnošću. Osjetljivost je sposobnost dijagnostičke pretrage da osobe s određenom bolešću razvrsta kao pozitivne (iznad ili ispod točno određene granične vrijednosti, npr. visoka glukoza nakon gladovanja (iznad granične vrijednosti) u dijagnosticiranju šećerne bolesti, ali nizak feritin (ispod granične vrijednosti) kod dijagnoze anemije zbog pomanjkanja željeza). Osjetljivost opisuje vjerojatnost da će neka osoba s ciljanim poremećajem na ispitivanju biti pozitivna; specifičnost je sposobnost dijagnostičke pretrage da razvrsta osobe bez oboljenja kao negativne (tj. ispod/iznad granične vrijednosti, ovisno o pretrazi). Specifičnost opisuje vjerojatnost da će pojedinac bez ciljanog poremećaja po ispitivanju biti negativan. Ako se BNP ≥ 100 pg/mL koristi kao granična vrijednost kojom se bolesnici razvrstavaju kao pozitivni, Knudsen i sur. (8) su utvrdili da osjetljivost BNP iznosi 95% (95%-tni interval pouzdanosti [engl. confidence interval, CI] = 91-97%), te specifičnost 40% (95%-tni CI = 28-52%) za dijagnosticiranje kongestivnoga srčanog zatajenja (CHF) u bolesnika s fibrilacijom atrija (engl. atrial fibrillation, AF) i zaduhom.
S obzirom na sliku 1, osjetljivost se izračuna kao broj stvarno pozitivnih (TP, engl. true positives) podijeljen s ukupnim brojem bolesnika s oboljenjem (stvarno pozitivni plus lažno negativni [FN, engl. false negatives]). Stoga: 207 / 219 = 0,945 ili 95%. Drugim riječima, devetnaest od 20 bolesnika (95%) s CHF koji se prijave u Hitnu službu s AF i zaduhom bilo je pozitivno kad se BNP ≥ 100 pg/mL primijenila kao granična vrijednost. Specifičnost se dobiva dijeljenjem stvarno negativnih (TN, engl. true negatives) s ukupnim brojem bolesnika bez oboljenja (lažno pozitivni [FP, engl. false positives] plus stvarno negativni). Stoga: 29 / 73 = 0,397 ili 40%. Ispitanici u studiji koji su imali i AF i zaduhu bez kongestivnoga srčanog zatajenja bili su negativni (BNP < 100 pg/mL) samo u 40% slučajeva.
 
Tumačenje rezultata pretrage: učinkovitost pretrage
Prediktivne vrijednosti
Kliničar se kod odluke o pretrazi koja će mu pripomoći u dijagnosticiranju obično vodi obilježjima dostupnih pretraga, naime njihovom osjetljivošću i specifičnošću.
Nakon što je, međutim, pretraga obavljena, liječnika zanima učinkovitost pretrage. U tu svrhu koristimo prediktivne vrijednosti pretrage. Pozitivna prediktivna vrijednost (PPV) kliničaru otkriva koliki postotak osoba s pozitivnim nalazom ima neku bolest. Negativna prediktivna vrijednost (NPV) otkriva koliki postotak osoba s negativnim rezultatom nema bolest. Vraćajući se na naš primjer BNP-a i kongestivnoga srčanog zatajenja (8), PPV predstavlja bolesnike TP podijeljene s TP i FP (tj. 207 / 251 = 0,824 ili 82%), dok NPV predstavlja ispitanike TN podijeljene s TN i FN (tj. 29 /41 = 0,707 ili 71%). Pozitivna prediktivna vrijednost od 82% ukazuje da su bolesnici navedeni u ovoj studiji, koji su se prijavili u Hitnu službu sa zaduhom i AF, imali kongestivno zatajenje srca kao uzrok simptoma u 4 od 5 slučajeva kad im je BNP bio isti ili veći od 100 pg/mL. Negativna prediktivna vrijednost od 71% govori nam da 7 od 10 bolesnika s AF i zaduhom koji su bili negativni nakon pretrage (tj. BNP < 100 pg/mL) nisu imali CHF.
 
Omjeri vjerojatnosti
Jedno od ključnih pitanja koje se razmatra kod tumačenje rezultata dijagnostičkih pretraga je: „Razlikuju li se rezultati pretraga u oboljelih bolesnika od rezultata dobivenih kod normalnih pojedinaca? (9). Pri postavljanju dijagnoze kliničari se koriste dijagnostičkim pretragama kako bi preinačili svoju početnu sumnju na bolest i učinili određenu dijagnozu što vjerojatnijom. Osjetljivost ili specifičnost određene pretrage mogu biti poznate, no kako tu informaciju spojiti s kliničkom intuicijom, ili provjeriti vjerojatnost prije pretrage da bi se odredila vjerojatnost bolesti koja je već prisutna, ili vjerojatnost poslije pretrage? Matematičko pomagalo u toj integraciji je omjer vjerojatnosti. Jednostavnim riječima, omjerima vjerojatnosti izražava se veličina kojom je vjerojatnost bolesti u određenom bolesniku promijenjena rezultatom pretrage (10). Omjerima vjerojatnosti uspoređuju se dvije vjerojatnosti: vjerojatnost da će osoba s određenom bolešću imati određeni rezultat pretrage u odnosu na vjerojatnost da će osoba bez takve bolesti imati isti rezultat pretrage.
Pozitivan omjer vjerojatnosti izračuna se na sljedeći način:
LR za pozitivnu pretragu = osjetljivost/(1-specifičnost)
Negativan omjer vjerojatnosti:
LR za negativan rezultat pretrage = (1-osjetljivost)/ specifičnost.
Raspon vrijednosti LR je od ništice do beskonačnosti. Vrijednosti manje od 1 odgovaraju padu vjerojatnosti bolesti poslije pretrage, dok vrijednosti veće od 1 upućuju na porast vjerojatnosti bolesti poslije pretrage. Vrijednost LR koja iznosi 1 naznačuje da za pretragu postoji ista vjerojatnost da bude pozitivna ili negativna kod ispitanika koji imaju bolest i onih koji je nemaju, te stoga nije korisna.
Kod primjene LR-a početna klinička sumnja ili vjerojatnost bolesti prije pretrage mora se najprije prevesti u izglede prije pretrage pomoću sljedeće formule: izgledi = vjerojatnost/(1-vjerojatnost). Izgledi prije pretrage množe se s LR, a dobiveni umnožak predstavlja izglede poslije pretrage. Da bi se izgledi poslije pretrage preveli nazad u vjerojatnost (format s kojim je upoznata većina kliničara), treba se koristiti sljedećom formulom: vjerojatnost = izgledi/(1+izgledi). U našem slučaju, prevalencija CHF u spomenutoj studiji bila je 75% (219 od ukupno 292 bolesnika)(8). Kao što je ranije ukazano, BNP sa 100 pg/mL kao graničnom vrijednošću ima osjetljivost od 95% i specifičnost od 40%. Pozitivan LR bi trebao biti 0,95/(1-0,4) =1,58, a negativan LR = (1 - 0,95)/0,4 = 0,125. Primjenom 75% kao naše vjerojatnosti prije pretrage, tu prevalenciju prevodimo u izglede na sljedeći način: 0,75/(1-0,75) = 3:1. Ako je BNP = 300 (pozitivan od ≥ 100), upotrebljavamo naše izgledeprije pretrage i LR (+) za izračun izgleda poslije pretrage kao 3:1 x 1,58 = 4,74:1, te to prevodimo u vjerojatnost poslije pretrage kao 4,74/(1+4,74) = 83%. U tom slučaju LR(+) od 1,58 je povećao našu vjerojatnost prije pretrage sa 75% na samo 83%, što možda i nije istaknut porast. Slijedeći isti postupak za negativan BNP, vjerojatnost poslije pretrage je određena kao 27% (pokušajte to izračunati i provjeriti naš rezultat!). Pad sa 75% na 27% je zasigurno od veće važnosti nego za LR(+). Slika 2. se može koristiti kao vodič kliničarima za tumačenje različitih vrijednosti LR u kliničkim studijama.
 
Slika 2. Omjeri vjerojatnosti i očekivane razlike u vjerojatnosti prije i nakon pretrage
 
Isto tako, nomogram se može koristiti da bi se odbacila potreba za izračunima ili procjenama (Slika 3). Koristi se ucrtavanjem linije od vjerojatnosti prije pretrage kroz LR (pozitivan, a zatim negativan) radi utvrđivanja vjerojatnosti nakon pretrage.
 
 
 
 
Slika 3. Faganov nomogram – Vjerojatnosti prije i poslije pretrage
 
Integraticija pokazatelja obilježja i učinkovitost pretraga
U eri prakse zasnovane na dokazima liječnicima su nužni visokokvalitetni podatci kojima će poduprijeti odluke o tome hoće li ili ne koristiti dijagnostičku pretragu u točno određenoj kliničkoj situaciji, koju će pretragu izabrati, te kako uporabiti rezultate kao pomoć u donošenju odluke. Kao što je već ranije naglašeno, obilježja pretraga (osjetljivost i specifičnost, LR(+) i LR(-)) koriste se za odabir dijagnostičke pretrage, dok se mjere učinkovitosti pretrage (pozitivne i negativne prediktivne vrijednosti; vjerojatnost nakon pretrage) koriste u tumačenju bolesnikovih rezultata pretrage. Međutim, s obzirom da ne postoje jednostavna pravila kombiniranja pokazatelja obilježja i učinkovitosti pretraga, kliničari, istraživači i nastavnici su istražili korisne pristupe za integraciju pokazatelja dijagnostičkih pretraga kao pomoć u donošenju mišljenja o bolesničkoj skrbi. U nastavku ćemo dati pregled nekih od pristupa integraciji pojedinačnih pokazatelja koji se pojavljuju kod dijagnostičkog ispitivanja.
 
Krivulje ROC
Krivuljama ROC (engl. Receiver Operator Characteristic, ROC) mogu se opisati promjene u osjetljivosti i specifičnosti za pojedinačnu pretragu s brojnim točkama granične vrijednosti (poput mjerenja BNP u našem primjeru), te usporediti učinkovitost različitih pretraga koje se koriste kod dijagnoze iste bolesti. Krivulje ROC su dijagrami stvarnog pozitivnog postotka (tj. osjetljivosti) na okomitoj ili osi y u odnosu na lažan pozitivan postotak (1-specifičnost) na vodoravnoj ili osi x za višestruke točke granične vrijednosti dijagnostičke pretrage. Slika 4. prikazuje krivulju ROC. Krivulje ROC mogu se upotrijebiti za odabir optimalne granične vrijednosti koja minimalno smanjuje postotak lažno pozitivnih i lažno negativnih rezultata. Treba primijetiti da je na krivulji ROC optimalna točka smještena na položaju na krivulji koja je najbliža gornjem lijevom uglu dijagrama.
Nadalje, ukupna učinkovitost pretrage ili točnost (da upotrijebimo tehnički izraz) može se odrediti mjerenjem područja ispod krivulje ROC (vrijednost koju daju svi poznati kompleti statističke programske podrške). ROC loših ili beskorisnih pretraga nalazi se u području ispod krivulje blizu 0,50, a dijagram se čini dijagonalnim kad je stvaran pozitivan postotak jednak lažnom pozitivnom postotku (vidjeti dijagonalnu crtu na slici 4.). Kod odlične pretrage krivulja ROC se strmo penje i prolazi blizu gornjeg lijevo ugla; kod savršene pretrage područje ispod krivulje je 1,0, a osjetljivost i specifičnost iznose 100%.
 
 
 
 
Slika 4. Krivulja ROC
 
Ovisno o ishodu i populaciji bolesnika, krivulje ROC mogu se u laboratorijskoj medicini primjenjivati dijagnostički, za praćenje ili za prognozu bolesti. Primjerice, za praćenje učinkovitosti dvaju postupaka ili strategija koje se koriste kod pretrage, područja ispod krivulja mogu se ispitati kako bi se otkrila razlika: pretraga ili strategija sa značajno većim područjem ispod krivulje ROC ima bolju učinkovitost.
 
Dijagnostička točnost
Točnost je vjerojatnost da će pojedinac biti ispravno razvrstan temeljem neke pretrage; tj. zbroj stvarno pozitivnih i stvarno negativnih podijeljen s ukupnim brojem ispitanih osoba. U našem slučaju s BNP-om, izračun bi glasio: (207 + 29) / 292 = 0,81. Drugim riječima, 85% bolesnika u toj studiji bili su razvrstani adekvatno u skupine oboljelih ili zdravih s graničnom vrijednošću BNP od 100 pg/ml.
Točnost predstavlja odmjereni prosjek osjetljivosti i specifičnosti, pri čemu se osjetljivost mjeri prevalencijom ishoda u ispitivanoj populaciji, a specifičnost komplementom prevalencije. Na žalost, točnost će se samo u rijetkim primjerima približiti osjetljivosti i specifičnosti, tj. kad su osjetljivost i specifičnost istovjetne ili gotovo istovjetne ili kad se prevalencija bolesti približava 50%. Unatoč intuitivnoj dopadljivosti točnosti kao jedinstvene mjere valjanosti pretrage, njena ovisnost o prevalenciji čini je manje vrijednom od pažljivog i uravnoteženog razmatranja pojedinačnih mjera učinkovitosti i obilježja pretrage.
 
Učinci prevalencije bolesti
Omjeri vjerojatnosti, područje ispod krivulja ROC te dijagnostička točnost predstavljaju oba obilježja pretrage, tj. osjetljivost i specifičnost. Pozitivni i negativni omjeri vjerojatnosti te područje ispod krivulje ROC izračunavaju se isključivo pomoću osjetljivosti i specifičnosti. Stoga se ti pokazatelji ne mijenjaju s prevalencijom bolesti. Suprotno tome, točnost varira s prevalencijom bolesti (11). Taj učinak prevalencije bolesti također je prisutan kod tumačenja prediktivnih vrijednosti neke pretrage: kako prevalencija opada, tako opada i pozitivna prediktivna vrijednost, dok negativna prediktivna vrijednost raste.
 
Dijagnostički omjer vjerojatnosti
Kao mjera učinkovitosti pretrage, dijagnostički omjer vjerojatnosti (engl. diagnostic odds ratio, DOR) kombinira snagu osjetljivosti i specifičnosti kao neovisnih pokazatelja prevalencije s korisnošću točnosti kao jedinstvenog pokazatelja. Omjer vjerojatnosti je poznat statistički podatak u epidemiologiji kojim se izražava jačina povezanosti između izloženosti i bolesti. Kao takav, može se također primijeniti za izražavanje jačine povezanosti između rezultata pretrage i bolesti. Dijagnostički omjer vjerojatnosti neke pretrage jest omjer izgleda za pozitivnost na bolest u odnosu na izglede za pozitivnost u neoboljelih osoba. Vrijednost DOR je u rasponu od 0 do beskonačnosti; više vrijednosti ukazuju na bolju razlikovnost pretrage.
DOR = (TP/FN)/(FP/TN) = (osjetljivost/(1- osjetljivost))/((1-specifičnost)/ specifičnost)
i
DOR = (TP/FP)/(FN/TN) = (PPV/(1-PPV))/((1-NPV)/NPV) = LR+/LR-
U našem bi slučaju izračun glasio: DOR = (0,95/0,05)/ (0,6/0,4) = 12,67.
S obzirom da dijagnostičku učinkovitost izražava kao jedinstven izraz, dijagnostički omjer vjerojatnosti je osobito koristan kod usporedbe učinkovitosti paralelnih pretraga. Takva usporedba, uz primjenu uparenih pokazatelja kao što su osjetljivost i specifičnost, može biti komplicirana posebice ako jedna pretraga ne nadmaši drugu u oba pokazatelja (13). Zbog toga se izvještavanje o omjeru dijagnostičke učinkovitosti treba smatrati poželjnijom metodom za izvješćivanje o učinkovitosti pretrage.
 
Zaključci
Kliničar u praksi razvija niz mogućih dijagnoza ili uzroka za zapaženu bolest te svakoj dodjeljuje određenu vjerojatnost. Takve vjerojatnosti prije pretraga su istovjetne prevalenciji bolesti u bolesnika s istim obilježjima, znakovima, simptomima, anamnezom i ukupnom kliničkom slikom. Nakon procjene vjerojatnosti prije pretraga tražimo ispitivanja od službi kao što su radiologija, patologija i/ili laboratorijska medicina. Kao što smo pokazali, kliničar može procijeniti vjerojatnost poslije pretraga koristeći se vjerojatnošću prije pretraga i temeljnim znanjem o obilježjima učinkovitosti pretrage. Zatim moramo odlučiti o dijagnozi, procijeniti vjerojatnost mogućih ishoda, te odrediti opcije liječenja i raspoređivanja u kontekstu anamneze pojedinačnog bolesnika, ostalih pretraga te osobnih prioriteta. Ako pretraga nema potencijal da utječe na odluke vezane za dijagnozu, prognozu, raspoređivanje ili liječenje, tada se takva pretraga ne bi uopće trebala zatražiti.
Imajući na umu takav klinički proces, prikazali smo pregled osnovnih obilježja pretrage koja predstavljaju važne čimbenike kod razmatranja odabira i tumačenja dijagnostičkih pretraga. Svaki pokazatelj ima svoje vlastite prednosti i nedostatke u kliničkoj primjeni. Na primjer, globalnim se mjerama točnosti pretrage procjenjuje samo sposobnost pretrage za razlikovanje osoba sa i bez oboljenja. Te mjere uključuju područje ispod krivulje ROC te omjer dijagnostičke vjerojatnosti. Takvi rezultati mogu biti dovoljni za odluke vezane za zdravstvenu politiku - primjerice, kod odlučivanja je li neka nova pretraga općenito bolja od postojeće za ciljano oboljenje. Nijedna, međutim, od tih mjera razlikovne snage pretrage nije osobito korisna za određivanje vjerojatnosti bolesti kod pojedinačnih bolesnika. S druge strane prediktivnom se vrijednošću, osjetljivošću, specifičnošću i omjerima vjerojatnosti ili izravno procjenuje vjerojatnost bolesti u osoba ili se mogu koristiti za procjenu vjerojatnosti bolesti u pojedinaca primjenom Bayesovog teorema (14).
U cjelini, dijagnostičke pretrage su uglavnom vrijedne kao dopunska informacija kliničkoj procjeni, osobito kod srednje vjerojatnosti bolesti prije pretrage. Kliničari često zaboravljaju tu temeljnu postavku i zahtijevaju pretrage da bi “dijagnosticirali” ili “isključili” oboljenja, a ne da bi potvrdili ili otklonili kliničku pretpostavku.
Napretkom dijagnostičkih modaliteta skrb o bolesniku može se pojačati samo ako je vođena pažljivim kliničkim prosuđivanjem. Prije traženja dijagnostičke pretrage nužno je razmotriti ne samo vrijednost pretrage za prihvaćanje ili odbacivanje dijagnoze; kliničar mora procijeniti moguće koristi i rizike pretrage te način na koji će rezultati promijeniti obradu bolesnika (10). Upoznavanje s različitim dostupnim mogućnostima mjerenja kod pretraga te načinima kako tumačiti rezultate predstavlja prvi korak prema donošenju dijagnostičkih odluka zasnovanih na dokazima. U našem ćemo se sljedećem članku nadovezati na te vještine te pokazati kako tu informaciju povezati sa skrbi za pojedinačnog bolesnika. Također ćemo dati pregled važne dijagnostičke istraživačke metodologije te normi za nalaze pretraga.
Sažetak slučaja
Kod našeg bolesnika, koji se prijavio s akutnom zaduhom i fibrilacijom pretklijetke, razmotrili smo dijagnozu kongestivnog srčanog zatajenja. Koristeći se medicinskim pristupom kliničkom odlučivanju zasnovanom na dokazima, poslužili smo se objavljenim dijagnostičkim istraživanjima da bismo procijenili B-tip natriuretskog peptida (BNP) u CHF; - rezultati su sažeto prikazani na slici 5.
 
 
 
Slika 5. Dijagnostička učinkovitost BNP - sažetak obilježja pretrage
 
Literatura
1.    Knottnerus JA, van Weel C, Muris JWM. Evidence base of clinical diagnosis: Evaluation of diagnostic procedures. BMJ. 2002;324:477-80.
2.    Hawkins RC. The Evidence Based Medicine approach to diagnostic testing: practicalities and limitations. Clin Biochem Rev. 2005;26:7–18.
3.    Jaeschke R, Guyatt G, Sackett DL. Users’ guides to the medical literature. III. How to use an article about a diagnostic test. B. Are the results of the study valid? JAMA. 1994;271:389-91.
4.    Jaeschke R, Gordon H, Guyatt G, Sackett DL. Users’ guides to the medical literature. III. How to use an article about a diagnostic test. B. what are the results and will they help me in caring for my patients? JAMA. 1994;271:703-7.
5.    Irwig L, Tosteson ANA, Gastsonis C, Lau J, Colditz G, Chalmers TC, Mosteller M. Guidelines for meta-analyses evaluating diagnostic tests. Ann Intern Med. 1994;120:667-76.
6.    Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig LM, et al. for the STARD group. Towards complete and accurate reporting of studies of diagnostic accuracy: the STARD initiative. Clin Chem Lab Med. 2003;41:68-73.
7.    Straus SE, Richardson WS, Glasziou P, Haynes RB. Evidence-Based Medicine: How to Practice and Teach EBM. 3rd ed. Edinburgh, UK: Churchill-Livingstone; 2005.
8.    Knudsen CW, Omland T, Clopton P, Westheim A, Wu AH, Duc P, et al. Impact of atrial fibrillation on the diagnostic performance of B-type natriuretic peptide concentration in dyspneic patients: an analysis from the Breathing Not Properly Multinational Study. J Am Coll Cardiol. 2005;46:838-44.
9.    Sackett DL, Haynes RB. Evidence Base of Clinical Diagnosis: The architecture of diagnostic research. BMJ. 2002;324:539-41.
10. Halkin A, Reichman J, Schwaber M, Paltiel O, Brezis M. Likelihood ratios: Getting diagnostic testing into perspective. QJM. 1998;91:247-58.
11. Alberg AJ, Park JW, Hager BW, Brock MV, Diener-West M. The Use of “Overall Accuracy” to Evaluate the Validity of Screening or Diagnostic Tests. J Gen Intern Med. 2004;19:460-5.
12. Haynes RB. Department of Clinical Epidemiology and Biostatistics, McMaster University. Interpretation of diagnostic data: 2. How to do it with a simple table (Part A). CMAJ. 1983;129:559-65.
13. Christenson RH. Evidence-based laboratory Medicine – a Guide for Critical Evaluation of in vitro Laboratory testing. Ann Clin Biochem. 2007;44:111-30.
14. Irwig L, Bossuyt P, Glasziou P, Gatsonis C, Lijmer J. Evidence base of clinical diagnosis: Designing studies to ensure that estimates of test accuracy are transferable. BMJ. 2002;324:669-71.