Do napisania tego artykułu zainspirowała mnie książka Pana Profesora Piotra Zaborowskiego – “Filozofia postępowania lekarskiego” PZWL-1990, str. 108-109
Trochę teorii
Stawiając rozpoznanie wstępne mamy dwie możliwości – starać się je potwierdzić lub odrzucić (wykluczyć).
Pierwszą metodę (szybszą?), nie wymagającą budowy dużych list diagnostycznych stosują młodzi lekarze, którzy na początku od razu dążą do potwierdzenia swojej hipotezy, często poprzez subiektywne ukierunkowanie wywiadu, sugerowanie odpowiedzi pacjentom poprzez zmanipulowane zadawanie pytań, tak aby uzyskać zamierzony cel. (także w filmach kryminalnych często widzimy takie manipulacje policjantów, czy prawników).
Człowiek w tej metodzie czuje sie mądry (ma wiedze z podręczników, a choroby wybiera z tych, które widzi najczęściej). W prostych jednostkach chorobowych kończy się sukcesem i procesem samozadowolenia lub nawet samouwielbienia lekarza.Tutaj “pycha przed upadkiem kroczy”). Niestety, z wiekiem może się zdarzyć błąd medyczny poprzez zaniechanie rozszerzonej diagnostyki. Wówczas medycyna lub ktoś inny uczy pokory.
Doświadczony lekarz
W miarę zdobywania doświadczenia postępowanie diagnostyczne lekarza staje się bardziej ostrożne, ale też sprawniejsze. Szybciej stawia prawidłowe rozpoznania, robi mniej błędów po drodze. Lekarz widział więcej przypadków pacjentów (w tym z chorobami częstymi, ale o nietypowym przebiegu). Lekarz, by działać sprawnie (w tym radzić sobie z natłokiem informacji decyzyjnych) przyjmuje inną ścieżkę diagnostyczną niż jego młodszy kolega. Wie, że nie chodzi o kreowanie siebie, ale “dobro chorego jest największym dobrem”. lekarz już nie dąży do potwierdzenia swojej “genialnej” hipotezy, lecz stara się ją odrzucić (celowane zadawanie pytań i badań diagnostycznych). Ważne jest także wywiad negatywny – czyli to co pacjent neguje, a jest ważne dla potwierdzenia hipotezy). Odrzucona hipotezę szybko zamienia się na nową najbardziej prawdopodobna (z danych statystycznych w populacji i w kontekście danych “socjalnych” uzyskanych od pacjenta). Znowu próbujemy odrzucić hipotezę. Jeśli się nie uda, to hipoteza alternatywna, że pacjent ma te chorobę będzie rozpoznaniem końcowym dla pacjenta. na jej podstawie będzie włączone leczenie.
Przykład podałem we wpisie z 12.10.2016. “Diagnoza z wykluczenia”
Rozpoznanie przez wykluczenie jest często wykorzystywane w diagnostyce różnicowej.
Jest to metoda stopniowej eliminacji znanych przyczyn (to co pozostanie – musi być prawdą). Stosuje się je przede wszystkim, gdy nie mamy metody pozwalającej zweryfikować daną chorobę (brak testu diagnostycznego, lub nie wiemy jakiego testu użyć, bo nie wiemy jak to może być choroba. Przykładem takiego rozpoznania może być gorączka niewiadomego pochodzenia. Wykluczamy wszystkie znane przyczyny (Diagnosis of exclusion ). Podobnie jest z chorobami psychicznymi – najpierw powinniśmy wykluczyć choroby somatyczne dające podobne objawy (np. stany pobudzenia w przełomie tarczycowym).
Podobna metoda stosowana była przez Sherlocka Holmesa
“Od dawna powtarzam, że kiedy wykluczy się niemożliwe, wówczas to co pozostaje, choćby najbardziej nieprawdopodobne, musi być prawdą. “Arthur Conan Doyle, Księga wszystkich dokonań Sherlocka Holmesa”
Z wykluczaniem wiąże się też tzw. hipoteza zerowa
W statystyce mamy dwa rodzaje hipotez – hipoteza zerową i alternatywną.
“Hipoteza to pewne twierdzenie wynikające z naszego pytania badawczego. Nasze pytanie badawcze z kolei wynika ze zgłębienia pewnego obszaru wiedzy jakiejś dziedziny nauki (lub wielu dziedzin różnych nauk). Hipoteza zazwyczaj jest postawiona po to by ją potwierdzić lub odrzucić. W statystyce stawiamy zazwyczaj dwa rodzaje hipotez – zerową i alternatywną.
Hipoteza zerowa (H0), którą poddajemy weryfikacji/falsyfikacji mówi o tym, że czegoś nie ma – ale czego? Tego na czym najczęściej nam zależy. Jeśli badamy wpływ naszego leku na poprawę pamięci hipoteza zerowa będzie mówiła o tym, że lek nie wpływa na poprawę pamięci. Jeśli sprawdzamy czy IQ uczniów jest skorelowane z ich poziomem agresji hipoteza zerowa będzie mówiła o tym, że inteligencja nie jest powiązana z agresją.
Do hipotezy zerowej zawsze formułujemy hipotezę alternatywną (H1). Jest ona zaprzeczeniem hipotezy zerowej i mówi właśnie o tym na czym najczęściej nam zależy. Analogicznie do powyższych przykładów hipoteza alternatywna będzie mówiła, że pamięć badanych będzie lepsza po podaniu leku niż przed jego podaniem lub, że iloraz inteligencji jest istotnie powiązany z agresją uczniów w szkołach.
Wszystkie analizy statystyczne będziemy wykonywać po to by próbować odrzucić hipotezę zerową. Jeśli nam się to nie uda będziemy musieli ją przyjąć. Pamiętajcie, że właśnie hipoteza zerowa jest tą, na której pracujemy. To do niej odnosimy wyniki uzyskane w toku analiz statystycznych. Punktem wyjścia jest fakt, że nie ma żadnych różnic, związków, zależności itp. Jeśli wynik testu będzie istotny na poziomie p < 0,05 będziemy mogli ją odrzucić. W przeciwnym wypadku zostaje tak jak jest.”
Błąd statystyczny I i II rodzaju
ze strony Błąd pierwszego rodzaju
“Błędem pierwszego rodzaju nazywamy sytuację, w której odrzucamy hipotezę zerową gdy jest ona prawdziwa.
W statystyce oszacowanie prawdopodobieństwa popełnienia błędu pierwszego rodzaju określa się małą grecką literą alfa i najczęściej to akceptowalne prawdopodobieństwo wynosi 5%. Odrzucając hipotezę zerową na rzecz hipotezy alternatywnej chcemy mieć 95 procentowe lub większe prawdopodobieństwo, że to dobry wybór. Dajemy sobie tym samym 5% (lub mniej %) szans na popełnienie tego rodzaju błędu.”
5%= 0,05 p<0,05
“Błąd drugiego rodzaju polega jednak na nieprawidłowym NIEodrzuceniu (przyjęciu) hipotezy zerowej. Jest ona nieprawdziwa (np. wynik testu jest istotny na poziomie p < 0,05 i mówi o tym, że zachodzą istotne różnice w średnich) a my uznajemy, że jest prawdziwa trzymając się kurczowo przekonania, że nasze wyniki są dziełem przypadku”.
Czyli błąd pierwszego rodzaju – odrzucenie hipotezy prawdziwej, błąd drugiego rodzaju nie odrzucenie hipotezy nieprawdziwej.
HIPOTEZA UZNANA PRZEZ NAS ZA PRAWDZIWĄ
H0 H1
Rzeczywiście prawdziwa hipoteza H0 poprawne przyjęcie H0 błąd I rodzaju
H1 błąd II rodzaju poprawne odrzucenie H0
Poziom istotności statystycznej
Wartość p – statystyka – “Wartość p niższa od krytycznego poziomu istotności ( p < 0,05 ) w podejściu częstościowym uprawnia jedynie do postępowania doraźnie tak, jakby hipoteza zerowa została odrzucona. ”
” Definicja
W modelu wnioskowania częstościowego przed wykonaniem eksperymentu wybiera się krytyczny poziom istotności odpowiadający dopuszczalnemu w ocenie badacza ryzyku popełniania błędu pierwszego rodzaju oraz model statystyczny odpowiadający hipotezie zerowej H 0 , tj. zakładający brak istnienia jakiegokolwiek efektu w populacji. W praktyce z reguły stosowany jest poziom istotności α = 0 , 05. Wartość p to obliczone na podstawie danych prawdopodobieństwo uzyskania takich lub bardziej skrajnych obserwacji w modelu hipotezy zerowej P ( D + | H 0 ) . Odczytuje się ją zależnie od testu i tego, czy zakładamy jedno-, czy dwustronną hipotezę alternatywną – z jednej lub obu stron dystrybuanty właściwego dla niego rozkładu.”