臨床決策分析(臨床醫生作出的治療決定)

本詞條是多義詞,共2個義項
更多義項 ▼ 收起列表 ▲

在臨床處理病人的病情時,由於疾病臨床表現複雜多變,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。

基本介紹

  • 中文名:臨床決策分析
  • 外文名:clinicaldecision
概論,診斷決策樹模型,治療決策分析,閾值分析法原理,臨床決策分析方法,決策樹分析法,利害比分析法,

概論

這些臨床決定亦即臨床決策(clinicaldecision)。所謂決策(decisionmaking)就是為達到同一目標在眾多可以採取的方案中選擇最佳方案。
臨床決策分析的基本步驟有以下四步:
1.供臨床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,並設定各種後果發生的機率。
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。

診斷決策樹模型

臨床決策分析的模型很多,為說明診斷決策問題,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為決策枝;機會點相應的分枝稱為機會枝。
下面介紹由JCSisson等人的一個關於胰腺癌的決策樹模型,如圖1。
(Lowenthal.1976)
臨床決策分析
圖1 臨床決策分析
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為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為80%(敏感度),但對有類似症狀的非胰腺癌患者的假陽性率為5%,用此法診斷確診的胰腺癌患者手術死亡率為10%,治癒率為45%。
根據上述疾病機率,診斷機率和死亡、治癒機率,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為12例,均為胰腺癌病人。用該項檢查手術後死亡12.5人,其中有5例為非胰腺癌病人。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

臨床上處理病人時,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,往往靠醫生的經驗。現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,但仍難以確診;現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。

閾值分析法原理

如果患者患某病的機率大於治療閾值,則應給予治療;如果該病機率小於治療閾值,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,可以算出兩個閾值機率,即檢查閾值機率(T1)和治療閾值機率(T2)。
策略①②③
不治療 檢查 治療
閾值機率T1 T2
根據病史和一般檢查結果估計患病機率P,假如某病人的患病機率P小於T1則選策略①,暫先觀察;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:
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,醫師需作臨床決策,即:
臨床決策分析(臨床醫生作出的治療決定)
臨床決策分析
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為患者的機率約0.1。另外,年齡60歲其剖腹探查術死亡率(R2)為2%。早期手術的效益(B)為生存率提高33%,胃鏡檢查死亡率(R1)約0.005%,真陽性TP為96%,假陽性FP為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:
臨床決策分析(臨床醫生作出的治療決定)
臨床決策分析
算出T1=0.0014,T2=0.60,患者的患病機率為0.1,處於T1和T2之間,選策略②,因此患者的處理應是先做胃鏡檢查。
由上述可見,醫師在作出臨床決策之前,要設法了解各種狀態下發生的機率,從而使其所採取的策略更為合理。臨床決策分析仍處於起步階段,臨床醫師一般習慣於根據自己的知識經驗和習慣來作出臨床決策。隨著微型計算機臨床上的套用日益普遍,臨床信息的貯存和處理在各醫院廣泛開展,將使臨床決策分析會得到不斷完善和發展。

臨床決策分析方法

臨床決策分析常用的方法有:(1)決策樹分析法;(2)利害比值法;(3)閾值分析法;(4)綜合分析法;(5)其他方法。本文僅討論決策樹分析法及利害比值法。

決策樹分析法

利用決策樹(decision tree)進行臨床決策分析是一種簡單、明了的方法。醫生在考慮和分析臨床診斷、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(各相關事件發生的機率)標出,以便分析比較。各種選擇猶如樹幹的分支,而整個抉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,繼後為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、結局按發生髮展程式用分支表達,以求條理化和一目了然。
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,狀態結節用小園形表示。為標明狀態的差別,可在分支上標明狀態性質,以及該狀態出現的可能機率。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,對某些狀態機率作出調整,而間接影響狀態結局。
決策樹分析法基本步驟∶(1)根據臨床問題,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機率;(3)根據對患者健康的利弊得失,人為但合理地確定各種結局的效用值(utility);(4)依據機率論的原理,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)依椐決策論的原理,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(機率、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,並與其相應機率相乘的乘積、相加值作為不同決策的總效用值,以使複雜臨床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、結局機率來自均數,難以準確估計其在某具體病例中的發生機率,故最終決策不一定可靠。為了觀察機率、效用值變動對決策的影響,可變動一至幾個變數值,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。
2.2.1 背景與目的:眾所周知,許多診療決策雖然醫生的出發點都是為了幫助、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。為此,在臨床決策分析中,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,並在各項機率基礎上,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)為診治利害可能比,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)為減少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;f
t 為某患者因治療而避免靶事件的可能,用0~1量化;f
h 為某患者因治療而發生嚴重副反應的可能;V
t 為患者本人對治療預防靶事件的賦值;V
h 為患者本人對治療發生副反應的賦值

相關詞條

熱門詞條

聯絡我們