Diagnostici
Master Prof. Paolo Chiari
AA 2013/2014
Diagnosi
Il termine diagnosi deriva dal Latino diagnōsis, attraverso il greco antico διάγνωσις, formato da διά (diá, attraverso) + γιγνώσκειν (ghignóskein, conoscere), ossia conoscere attarverso.
E' cioè un'attività conoscitiva, condotta a partite da teorie scientifiche che giustificano una particolare interpretazione deduttiva dei fenomeni.
L'insieme dei metodi di diagnosi si chiama diagnostica ed è detta
"strumentale" quando si avvale di apparecchiature o strumenti particolari ( ecografia, radiologia ecc) o "clinica" (dal greco klìne, letto) quando si basa sull'esame diretto del paziente da parte del medico.
Lo screening è invece, un intervento sanitario che mira a mettere in evidenza la presenza di una eventuale malattia nelle sue fasi iniziali
A. I risultati dello studio sono validi?
• Il test diagnostico era valutato in un appropriato gruppo di pazienti?
0% Soglia 100%
dell’esame
Soglia del trattamento Probabilità
inferiore alla soglia diagnostica nessuna indagine è giustificata.
Probabilità oltre alla soglia di trattamento; i test sono stati completati ed inizia il trattamento Probabilità tra
la soglia diagnostica e quella di trattamento;
sono necessari ulteriori test.
La popolazione di interesse comprende le persone comprese tra la soglia diagnostica e quella terapeutica.
Strumenti diagnostici
L'uso di strumenti di misura di fenomeni biomedici è basato sul presupposto che si possa dare sufficiente affidabilità ai dati che questi forniscono o in altre parole, che si possa dare fiducia al risul tato a cui la misurazione perviene.
Lo strumento, sia che venga utilizzato per verificare la presenz a di una patologia o di una condizione di rischio, sia che venga impi egato per indagare la popolazione in una campagna di screening, deve essere accurato nella misurazione con i dati che siano riproducibili, sensibili, specifici e predittivi.
(Chiari P, Mosci D, Naldi E, Evidence Based Clinical Practice, 2011, McGraw-Hill)
C opyright ©1997 BM J Publishing G roup Ltd.
Greenhalgh, T. BM J 1997;315:540-543
Quali sono gli studi che esaminano gli strumenti diagnostici
Per ogni domanda un disegno
Studio Cross-sectional
• È uno studio osservazionale.
• I pazienti arruolati vengono sottoposti al test sotto indagine e quindi al migliore test
riconosciuto in quel momento (gold standard), in grado di rivelare la presenza o meno della patologia.
• Si verifica quindi la coerenza dei risultati ottenuti con i due strumenti e si verifica la opportunità di utilizzare il nuovo strumento.
Quali caratteristiche deve possedere uno strumento diagnostico?
• Affidabilità: È la capacità di un test di offrire sempre lo stesso risultato, nel corso di misurazioni ripetute.È una caratteristica intrinseca dello strumento e dipende dalla bont à dello strumento e/o dell’operatore.
• Validità : È la capacità di un test di distinguere in una popolazione i soggetti sani da quelli malati.
• Accuratezza: è la capacità di un test di individuare in percentuale, correttamente lo stato di malattia o di non malattia (VP+VN)/Tot Pz ( è però un indicatore grossolano)
Test ideale
Malati Sani
Negativi al test Positivi al test
Da Lopalco P L, Tozzi AE. Epidemiologia facile. Roma: Pensiero Scientifico Editore, 2003
Test ideale
Test reale
Malati Sani
Negativi al test Positivi al test
Da Lopalco P L, Tozzi AE. Epidemiologia facile. Roma: Pensiero Scientifico Editore, 2003
Test reale
Distribuzione della popolazione in relazione al test
Definizione della validità dello strumento:
SENSIBILITA’
• Per sensibilità si intende la capacità di un test di individuare in una popolazione i soggetti malati.
• Essa è data dalla proporzione dei soggetti realmente malati e positivi al test (veri positivi) rispetto all’intera popolazione dei malati.
Sensibilità Sensibilità
Definizione della validità dello strumento:
SPECIFICITA’
• Per specificità si intende la capacità di un test di identificare come negativi i soggetti sani.
• Essa è data dalla proporzione dei soggetti realmente sani e negativi al test (veri negativi) rispetto all’intera popolazione dei malati.
Specificità
Specificità Diagnosi
• Sensibilità = a/(a+c) = 23/25 = 92%
• Specificità = d/(b+d) = 75/75 = 100%
• Sensibilità e specificità dovrebbero essere entrambi maggiori del 80% per essere clinicamente utili in ambito diagnostico, nello screening devono tendere al 100%.
Scale di valutazione:
accertamento standardizzato
STRUMENTI PER LA VALUTAZIONE DEL RISCHIO
DI CADUTA
• Conley scale
• STRATIFY
• MORSE fall scale
Conley Scale -
C onley D, Shultz AA, Selvin R.The challenge of predicting patients at risk of falling; developm ent of the C onley Scale. M EDSUR G Nurs 1999; 8: 348-54.Strumento per la valutazione all’ingresso del rischio di caduta del paziente ricoverato in reparti per acuti (medico - chirurgici).
Variabili considerate:
• Precedenti cadute
• Presenza di vertigine o capogiri
• Incontinenza
• Deterioramento cognitivo
• Compromissione della marcia
• Agitazione
Punteggio 0 (nessun rischio) – 8 (massimo rischio) Punteggio di cut off : 2
Scala di Conley
Istruzioni: le prime tre domande devono essere rivolte solo al paziente: possono essere rivolte ad un familiare od al caregiver o all'infermiere, solo se il paziente ha severi deficit cognitivi o fisici che gli impediscono di rispondere. Barrare il valore corrispondente alla risposta fornita. Sommare i valori positivi.
La risposta "Non so" è da considerare come risposta negativa.
0 2 C6 -Deterioramento della capacità di giudizio / m ancanza del senso del pericolo.
TOTALE
0 1 C5- Agitato (Definizione: eccessiva attività m otoria,
solitamente non finalizzata ed associato ad agitazione interiore . Es: incapacità a stare seduto fermo, si m uove con irrequietezza, si tira i vestiti, ecc.).
0 1 Deterioramento cognitivo (osservazione inferm ieristica)
C4- Comprom issione della marcia, passo strisciante, ampia base d’appoggio, m arcia instabile.
0 1 C3- Le è mai capitato di perdere urine o feci mentre si recava in bagno? (negli ultim i 3 m esi)
0 1 C2- Ha mai avuto vertigini o capogiri? (negli ultim i 3 m esi)
0 Precedenti cadute (domande al paziente/caregiver/infermiere) 2
C1- E’ caduto nel corso degli ultim i tre m esi?
No Sì
Che risultati ha dato questo strumento?
Conley scale
• Conley D, Shultz AA, Selvin R.The challenge of predicting patients at risk of falling; development of the Conley Scale.
MEDSURG Nurs 1999; 8: 348-54.
• SENSIBILITA’: 71%
• SPECIFICITA’: 59%
Dati studio sulle cadute – scala di Conley
Caduto Non caduto
Test +
Test -
47 911
21 641
68 1552
958
662
Totale 1620
Sensibilità = a/a+c
Specificità = d/b+d
STRATIFY-
Oliver D, Britton M, Seed P, M artin FC , H opper AH. D evelopm ent and eveluation of evidence based risk assessm ent tool (STR AT IFY) to predict which elderly impatients will fall: case-control and cohort studies. BMJ 1997; 315: 1049-53.
Strumento per la valutazione del rischio di cadute negli anziani ricoverati.
Variabili considerate:
• Precedenti cadute
• Punteggio di mobilità e trasferimento
• Necessità di andare frequentemente in bagno
• Agitazione
• Riduzione della vista.
Punteggio 0 (nessun rischio) – 5 (massimo rischio) Punteggio di cut off >2
STRATIFY strumento di valutazione del rischio di caduta del paziente
Istruzioni: tutte le domande, ad eccezione della prima, devono e ssere rivolte all'infermiere responsabile.
Barrare il valore corrispondente alla risposta fornita. Sommare i valori positivi.
0 1
_____
_ S5– Il paziente ha un punteggio di mobilità corrispondente a 3 o a 4 ?
(vedi schema di calcolo sottostante)
TOTALE 0 1 1 S3- Abbia un calo della vista tale da compromettere tutte le altre funzioni quotidiane?
S4- Necessiti di andare in bagno con particolare frequenza? (< 3 ore)
0 1 Ritieni che il paziente:
S2 – Sia agitato? (Definizione: eccessiva attività motoria, solitamente non finalizzata ed associato ad agitazione interiore. Es: incapacità a stare seduto fermo, si muove con irrequietezza, si tira i vestiti, ecc.).
0 1 S1- Il paziente è stato ricoverato in seguito ad una caduta, oppure è caduto durante la degenza? (esame della documentazione)
________
3 3 2 2 1 1 0 0 Il paziente è in grado di:
1) Spostarsi dalla sedia al letto e ritornare (include il sedersi sul letto)
2) Camminare sul piano (spingere la sedia a rotelle se non deambula)
TOTALE
Punteggio Indip.
Con aiuto minore Con aiuto maggiore No Schema per il calcolo del punteggio di mobilità
Che risultati hanno dato questi strumenti?
Stratify:
Oliver D, Britton M, Seed P, Martin FC, Hopper AH.
Development and eveluation of evidence based risk assessment tool (STRATIFY) to predict which elderly impatients will fall: case-control and cohort studies. BMJ 1997; 315: 1049-53.
SENSIBILITA’: 93%
SPECIFICITA’: 87%
Coker E, Oliver D. Evaluation of the STRATIFY Falls Predictor Tool on a Geriatric Unit. Outcome management 2003. Vol 7(1): 8-14.
SENSIBILITA’:73%
SPECIFICITA’: 45%
Dati studio sulle cadute – scala di Stratify
Caduto Non caduto
Test +
Test -
10 143
41 987
51 1130
153
1028
Totale 1181
Sensibilità = a/a+c
Specificità = d/b+d
Come possono essere modificate la sensibilità e la specificità?
Modificare la sensibilità Se volessimo aumentare la sensibilità, cogliendo tutti i soggetti malati ed aumentando così i veri positivi, dovremmo abbassare la quota del valore di cut-off.
Ad esempio potremmo abbassare il valore soglia della glicemia da 110 mg/ml a 90 mg/ml (o il valore di cut-off della scala di valutazione).
Modificare la specificità Se volessimo aumentare la specificità, escludendo dalla diagnosi tutti i soggetti sani ed aumentando così i veri negativi, dovremmo alzare la quota del valore di cut-off.
Ad esempio potremmo aumentare il valore soglia della glicemia da 110 mg/ml a 120 mg/ml.
Modificare la sensibilità
Modificare la specificità ROC curve
• Al fine di valutare come un test si comporta in una popolazione (in termini di sensibilità e specificità) in funzione di determinati valori di cut-off, sono state realizzate le cosiddette curve ROC.
• Esse sono la rappresentazione su di un grafico, che riporta in ascisse la percentuale di errore falso positivo (ovvero 1 meno la specificità) e in ordinate la sensibilità, dei diversi valori misurati in una popolazione a differenti livelli di cut-off.
Curve ROC
(receiver operating characteristics)
0 20 40 60 80 100
80
60
40
20
0 100
sensibilità
tasso d’errore falso positivo (1-specificità)
nessun beneficio curva accettabile curva buona curva ottima ES: PAS 40 mm/Hg
ES: PAS 400 mm/Hg
Curve ROC
(receiver operating characteristics)
Un test povero ha linee
accostate alla diagonale
mediana, mentre le
linee per un test perfetto
devono salire
rapidamente e
oltrepassare
avvicinandosi
all’angolo in alto a
sinistra dove sia la
sensibilità che la
specificità sono pari a 1.
Predittività
• La sensibilità e la specificità sono parametri intrinseci al test, che non si modificano con il modificarsi della frequenza con cui si presenta la patologia.
• Essi ci dicono quindi qual è la probabilità, data una popolazione di sani e di malati, di individuarli come tali.
• Niente ci dicono, invece, di quale sia la probabilità di un soggetto trovato positivo, di esserlo veramente .
Valore predittivo positivo
Valore predittivo positivo Valore predittivo negativo
Valore predittivo negativo Dati studio sulle cadute – scala di Conley
958
662
Valore predittivo positivo = a/a+b Valore predittivo negativo = d/c+d
Caduto Non caduto
Test +
Test -
47 911
21 641
68 1552
Totale 1620a b c d
Dati studio sulle cadute – scala di Stratify
153
Caduto Non cadutoTest +
Test -
10 143
41 987
51 1130
1028
Totale 1181 a b
c d
Valore predittivo positivo = a/a+b Valore predittivo negativo = d/c+d
Predittività del test e prevalenza
La predittività di un test, al contrario di specificità e sensibilità, non è una caratteristica intrinseca del test, ma può dipendere dalla frequenza della malattia nella popolazione.
Prevalenza = 20/400 = 5%
Prevalenza e valore predittivo Prevalenza e valore predittivo
Prevalenza = 80/400 = 20%
Prevalenza e valore predittivo Prevalenza e valore predittivo
• A parità di sensibilità, la probabilità che a un allarme corrisponda effettivamente un tentativo di furto (e che non si tratti di un falso allarme!) dipende dal contesto; se ci troviamo in una città dove i furti sono rari, è più probabile che si tratti di un falso allarme, se ci troviamo in una città ad alto tasso di furti, allora è il caso di preoccuparsi...
• La predittività del test è proporzionale alla prevalenza della malattia in quella popolazione.
• Tanto più è bassa, tanto maggiore è il rischio di falsi positivi (prevalenza 5% T+ 56, di cui FP 38; Prevalenza 20% T+ 104, di cui solo 32 FP).
• Per aumentarla, pertanto, sarà bene scegliere accuratamente la
popolazione su cui avviare lo screening, per evitare di dover fare i conti
con una quota troppo elevata di falsi positivi.
Likelihood ratio (rapporto di verosimiglianza)
LR+ proporzione di veri positivi rispetto alla proporzione di falsi
positivi LR- proporzione di falsi negativi rispetto alla proporzione di veri negativi
M+ M-
T+
T-
VP FP
FN VN
T
M+T
M-T
PT
NN
a bc d
%VP
%FP
sensibilità 1-specificità
=
%FN
%VN
1-sensibilità specificità
=
=
c/(a+c) = d/(b+d) a/(a+c) b/(b+d)
Rapporto di verosimiglianza di un test positivo (Likelihood ratio)
• L’LR+ esprime quante probabilità in più ha un risultato del test positivo di essere riscontrato in un soggetto con malattia, piuttosto che in un soggetto che non ha la patologia target, ma che presenta un valore rientrante nel range patologico per altri motivi.
• L’LR- esprime quante probabilità ha un soggetto il cui risultato del test è negativo, di essere in realtà malato (misura quindi con quale probabilità il test può indurre un errore diagnostico).
Esempio: l’efficacia dello stick sulle urine per la diagnosi di diabete
987 966 Negativ 21
i
973 7 Sani
100 27 0
13 6
Positivi Malati
Andersson DKG, Lundblad E, Svardssudd K.
Amodel for ealry diagnosis of type 2 diabetes mellitus in primary health care. Diabet Med 1993;
10:167-73.
Sensibilità = 6/27 = 22,2%
Specificità = 966/973 = 99,3%
Percentuale di errore falso positivo
= 1- specificità = 1 – 99,3% = 0,7%
LR+ = sensibilità /(1- specificità) = 22,2%/ 0,7% = 32
Se ho ottenuto un risultato dello stik positivo, qual è la probabilità che il soggetto abbia il diabete?
In presenza di un test positivo la probabilità che la persona abbia realmente il diabete è di 32 volte superiore rispetto ad una persona sana.
Esempio: l’efficacia dello stick sulle urine per la diagnosi di diabete
987 966 Negativ 21
i
973 7 Sani
100 27 0
13 6
Positivi Malati
Andersson DKG, Lundblad E, Svardssudd K.
Amodel for ealry diagnosis of type 2 diabetes mellitus in primary health care. Diabet Med 1993;
10:167-73.
Sensibilità = 6/27 = 22,2%
Specificità = 966/973 = 99,3%
Percentuale di errore falso negativo
= 1- sensibilità = 1 – 22,2% = 77,8%
LR- = (1 - sensibilità) / specificità = 77,8%/ 99,3% = 0,78
Se ho ottenuto un risultato dello stik negativo, qual è la probabilità che il soggetto non abbia il diabete?
In presenza di un test negativo la probabilità che la persona sia malata è solo di 0,78 volte rispetto ad una persona sana.
Il rapporto di verosimiglianza
• Un test di verosimiglianza di 1 significa che la probabilità posttest è esattamente la stessa della probabilità pretest.
• Rapporti di verosimiglianza superiori a 1.0 aumentano la probabilità che la patologia oggetto di indagine sia presente, e maggiore è il rapporto di verosimiglianza, maggiore è questo incremento.
• Al contrario, rapporti di verosimiglianza inferiori di 1 riducono la probabilità di patologia target, e più piccolo è il rapporto di verosimiglianza, maggiore è la riduzione della probabilità e più piccolo è il suo valore finale.
Utilità del rapporto di verosimiglianza
• E’ molto utile tutte le volte in cui l’esito del
test non è solo POSITIVO/NEGATIVO, ma
quando è rappresentato da una gradualità
di valori (test di laboratorio).
Rapporto di verosimiglianza: è la probabilità che un livello specifico di ferritina sierica sia individuato in un paziente con anemia sideropenica (rispetto ad un paziente senza). Per esempio per livelli di ferritina <=18 il rapporto di verosimiglianza sarà:
n = (47/85)/(2/150) = 0.553/0.013 = 42.5
più probabile di 42.d volte che un livello sierico di ferro inferiore o uguale a 18 mcg/L si verifichi in un paziente con anemia sideropenica (rispetto ad uno senza).
150 85
Totale
0.13 108/150 = 0.72 108
8/82 = 0.094 8
> 100
0.46 27/150 = 0.18 27
7/85 = 0.082 7
> 45 < 100
3.11 13/150 = 0.087 13
23/85 = 0.271 23
>18 < 45
42.5 2/150 = 0.013 2
47/85=0.553 47
<= 18
Rapporto di verosimiglianz a Proporzione Numero
Proporzione Numero
Ferritina sierica (mcg/L)
Assente Presente
Proprietà del test della ferritina sierica nella diagnosi dell’anemia sideropenica
Utilità del rapporto di verosimiglianza
• Il rapporto di verosimiglianza, mediante
alcuni calcoli o consultando il normogramma di Fargan , consente di calcolare come si modifica la probabilità pre-test, data dalla prevalenza della patologia nella popolazione con caratteristiche simili al soggetto in esame , in probabilità post-test, ossia di definire la proporzione dei soggetti malati della patologia target che presentano quel valore del test .
Cos’è la probabilità pretest?
• E’ la prevalenza della patologia.
• Può variare secondo la prevalenza nella popolazione generale, gruppo di età, sesso, presenza di sintomi clinici, scenario nel quale il paziente viene osservato.
• Le fonti da cui trarre la prevalenza sono:
– l’esperienza clinica (fallibile),
– statistiche di prevalenza regionali o nazionali, – banche dati e studi,
– la probabilità osservata nello studio, ricavandola in questo modo:
(a+c)/(a+b+c+d)
Cos’è la probabilità posttest?
• È la proporzione di persone con un particolare risultato del test che hanno la patologia in esame.
Alla luce di ciò, come si interpreta LR?
Indipendentemente dalla probabilità pretest.
Può essere valido con una probabilità pretest alta (33%).
C opyright ©1997 BM J Publishing G roup Ltd.
Greenhalgh, T. BM J 1997;315:540-543
Fig 1 Use of likelihood ratios to calculate post-test probability of someone being a smoker6
Esempio
• Se due soggetti vengono sottoposti allo stesso esame diagnostico, la probabilità che il test riveli la presenza della patologia dipende dalle loro caratteristiche.
3 (1-5)
>100(0.13) 20 (10-30)
10 (5-17) 45-100 (0.46)
20 (10-30)
44 (25-57) 18-45 (3.11)
20 (10-30)
91 (82-95)
<=18 (42.5) 20 (10-30)
Uomo di 73 anni con artrite reumatoide attiva
23 (16-34)
>100(0.13) 70 (60-80)
52 (41-65) 45-100 (0.46)
70 (60-80)
88 (82-93) 18-45 (3.11)
70 (60-80)
99 (98-99)
<=18 (42.5) 70 (60-80)**
Uomo di 73 anni che assume FANS
Probabilità posttest % (range) Ferritina (rapporto di
verosimiglianza) Probabilità pretest % (range)*
Probabilità pretest, rapporti di verosimiglianza dei risultati della ferritina sierica e probabilità post-test in due pazienti con sospetta anemia sideropenica.
** Esempio di calcolo Probabilità pretest 70%
Odds = 70%/100-70% = 0.70/0.30 = 2.33 LR+ 42.5
Probabilità post test = Odds x LR+ / 1 + (OddsX LR+) = 2.33 x 42.5 / 1 + (2.33 x 42.5) = 99%
Riproducibilità del test diagnostico
Può essere dovuta:
• alle caratteristiche dei test (ad esempio, variazioni nei reagenti nei kit per radioimmunoanalisi per determinare i livelli degli ormoni);
• all’interpretazione data da clinici diversi o dallo stesso in momenti diversi (ad esempio, l’entità dell’elevazione del segmento ST in un elettrocardiogramma).
L’accordo casuale
• Se due persone tirassero ad indovinare il risultato di un test diagnostico, senza avere alcuna conoscenza in merito, una parte delle loro risposte coinciderebbe, solo per opera del caso.
• Le risposte uguali date dai ricercatori, quindi, contengono sempre una parte di risposte che coincidono solo per caso.
• Per questo per conoscere la reale concordanza tra i ricercatori occorre ricorrere ad un indice che elimini la concordanza casuale.
Riproducibilità dei test: Kappa di
Cohen Kappa di Cohen
•Per calcolarlo occorre compiere tre passaggi:
1. Calcolare l’accordo osservato 2. Calcolare l’accordo casuale
3. Calcolare l’accordo non dovuto al caso.
Esempio
Ipotizziamo che due osservatori stiano valutando la presenza di sibilo
respiratorio in 100 pazienti. Essi non hanno abilit
ànell
’ascoltare il
torace e le loro valutazioni non sono migliori del tirare ad indovinare a
caso. Ipotizziamo che abbiano risposto cos
ì:
Kappa di Cohen
• A: pazienti in cui entrambi hanno visto sibilo respiratorio.
• B: pazienti in cui o1 ha visto sibilo respiratorio, mentre 02 no.
• C: pazienti in cui o2 ha visto sibilo respiratorio, mentre 01no.
• D: pazienti in cui entrambi non hanno visto sibilo respiratorio.
• E: pazienti in cui o1 ha osservato il sibilo.
• F: pazienti in cui o1 non ha osservato il sibilo.
• G: pazienti in cui o2 ha osservato il sibilo.
• H: pazienti in cui o2 non ha osservato il sibilo.
• T: totale dei pazienti osservati.
100 44 H T 56 G
42 F 32 D 10 - C
58 E 12 B 46 + A
- +
o 2
o1
Kappa di Cohen
Calcoliamo l’accordo osservato:
(A+D)/T = 78/100 = 78%
Calcoliamo l’accordo casuale relativo alla cella A (ExG)/T
2= 3.248/10.000 = 32,5%
Calcoliamo l’accordo casuale relativo alla cella D (FxH)/T
2= 1.848/10.000 = 18,5%
Totale accordo casuale = 18,5% + 32,5% = 51%
Calcoliamo Kappa
Accordo osservato – Accordo casuale 78% - 51%
Valore di Kappa = --- = --- = 55%
Accordo potenziale – Accordo casuale 100% - 51%
Interpretazione della Kappa di Cohen
• K < 40 scarsa riproducibilità
• 40 < K < 60 moderata riproducibilità
• 60 < K < 80 notevole riproducibilità
• K > 80 riproducibilità quasi perfetta
• NB: Se la riproducibilità di un test nel contesto dello studio è mediocre e il disaccordo tra gli osservatori è frequente, ed ancora il test discrimina bene tra coloro che hanno e che non hanno la patologia in oggetto, esso è molto utile. In queste circostanze, la probabilità che il test possa essere prontamente applicato nel vostro setting clinico è buona.
• Se la riproducibilità di un test diagnostico è molto alta e la variazione tra osservatori è bassa, significa che il test è semplice e non ambiguo o facile da interpretare od anche che coloro che lo interpretano sono ben addestrati. Se è quest’ultimo lo scenario descritto, interpreti meno abili nel vostro contesto potrebbero non avere le stesse performance.
Applicabilità alla popolazione: mix di severità e distribuzione delle comorbilità
• Presenza di stadi avanzati: aumento della sensibilità e spostamento di LR+ lontano da 1.
• Presenza di stadi lievi ed iniziali: riduzione della sensibilità e spostamento di LR+ verso 1.
• Presenza di patologie concomitanti confondenti:
riduzione della specificità e spostamento di LR+
verso 1.
• Ridotta presenza di patologie concomitanti confondenti: aumento della specificità e spostamento di LR+ lontano da 1.
C. I risultati dello studio, validi e importanti, sono applicabili ai nostri pazienti?
– Possiamo prevedere una stima della probabilità pre test dei nostri pazienti (dalla pratica, dall’esperienza personale, dalle ricerche)?
Soglie di esame e di trattamento
• Una volta che abbiamo deciso la soglia diagnostica e quella terapeutica, le probabilità post-test hanno implicazioni dirette sul trattamento.
• Le soglie di esame e di trattamento sono variabili per le differenti patologie, in relazione a:
– Il rischio di trattamento (se è rischioso, occorre essere più certi della diagnosi)
– Al pericolo di lasciare la patologia non trattata (se il
pericolo di mancare una diagnosi è alto, come
l’embolia polmonare, occorre che la vostra probabilità
post-test sia molto bassa prima di abbandonare la
ricerca diagnostica).
C. I risultati dello studio, validi e importanti, sono applicabili ai nostri pazienti?
• Le conseguenze del test aiuterebbero il nostro paziente?
• L’ultimo criterio per l’utilità di un test diagnostico è verificare se i benefici per i paziente sono superiori dei rischi associati.
• Il valore di un test accurato sarà indiscusso quando la patologia in oggetto è pericolosa se non diagnosticata, il test ha un rischio accettabile ed esistono trattamenti efficaci.
• Nel caso in cui ciò non sia vero, occorre ricercare in letteratura un RCT in cui vi sia la randomizzazione dei pazienti verso una strategia diagnostica che include o che non include il test sotto indagine ed follow up dei pazienti di entrambe i gruppi nel tempo per determinare la frequenza degli outcome importanti per i pazienti.
Limiti degli strumenti diagnostici
Un test dunque non è infallibile, al contrario vi sarà sempre una percentuale più o meno ampia di individui misclassificati: soggetti sani testati come positivi (i falsi positivi) e soggetti malati testati come negativi (i falsi negativi).
Questo determinerà ripercussioni per l’utente e per il Sistema Sanitario:
Per i falsi positivi (sani ma riconosciuti come malati dal test):
•Cure inutili
•Rischi correlati alle cure
•Aumento della spesa sanitaria
•Sottrazione di risorse ai soggetti davvero ammalati
Per i falsi negativi ( malati ma riconosciuti come sani dal test):
•Aggravarsi patologia non trattata
•Successivo aumento costi assistenza (probabilmente serviranno più risorse di quante ne sarebbero servite per trattare la patologia allo stato iniziale).
Limiti degli strumenti diagnostici
Tutti gli strumenti diagnostici presentano margini di fallibilità, quindi cosa fare?
Le scelte a disposizione sono due:
• disporre di altri strumenti diagnostici
• richiedere consigli e consulenze
• considerare il proprio giudizio clinico
Giudizio clinico
• Il giudizio clinico è pertanto l'elemento cardine dell’indagine diagnostica ed è imprescindibile nell’utilizzo di strumenti diagnostici.
• L’anamnesi, l’accertamento, la relazione col paziente e l’esperienza clinica del professionista, restano il fulcro dell’indagine diagnostica.
• NB: il giudizio clinico da solo non è sufficiente per la diagnosi e va quindi sempre integrato con l’utilizzo di strumenti diagnostici o scale di valutazione standardizzate, ma è vero pure l’opposto.
Esercitazione
Mandato
Esercitazione
SHORT PORTABLE MENTAL STATUS QUESTIONNAIRE (SPMSQ) Range
0 – 2 errori: assenza di deterioramento --- cut-off 3 – 4 errori: deterioramento lieve 5 –7 errori: deterioramento moderato 8 – 10: deterioramento grave
[Spanish language adaptation and validation of the Pfeiffer's questionnaire (SPMSQ) to detect cognitive deterioration in people over 65 years of age].Martínez de la Iglesia J, Dueñas Herrero R, Onís Vilches MC, Aguado Taberné C, Albert Colomer C, Luque Luque R.
Med Clin (Barc). 2001 Jun 30;117(4):129-34. Spanish.
RESULTS:
L’area sotto la curva ROC è 0.89. Sensibilità e specificità è rispettivamente 85.7 e 79.3 (cut-off di 3 o più).
Esercitazione
BASIC ACTIVITIES OF DAILY LIVING – INDICE DI BARTHEL Interpretazione dei risultati: pp. 100-91 = quasi autosufficienza; 90-75
= dipendenza lieve; 74-50 = dipendenza moderata; 49-25 = dipendenza grave; < 25 = dipendenza completa.
A predictive risk model for outcomes of ischemic stroke.Johnston KC, Connors AF Jr, Wagner DP, Knaus WA, Wang X, Haley EC Jr.
Stroke. 2000 Feb;31(2):448-55.
For very poor outcome, the model using BI as a measure of very poor outcome had the best discrimination, with an ROC area of 0.88.
The Barthel Index: comparing inter-rater reliability between nurses and doctors in an older adult rehabilitation unit.Hartigan I, O'Mahony D. Appl Nurs Res. 2011 Feb;24(1):e1-7. doi:
10.1016/j.apnr.2009.11.002. Epub 2010 Jan 15.
Esercitazione
“GET-UP AND GO” TEST
(Mathias S., Nayak U.S., Isaacs B., Arch Phys Med Rehabil, 1986) Prognostic validity of the Timed Up-and-Go test, a modified Get-Up-
and-Go test, staff's global judgement and fall history in evaluating fall risk in residential care facilities.Nordin E, Lindelöf N, Rosendahl E, Jensen J, Lundin-Olsson L. Age Ageing. 2008 Jul;37(4):442-8. doi: 10.1093/ageing/afn101. Epub 2008 May 30.
GUG-m Sensitivity, % (95% CIa) Specificity, % (95% CIa)ROC area 0.62 (0.54–0.70)
GUG-m cut-off 1, ‘No Risk’ 94 (87–97) 16 (10–26) GUG-m cut-off 2, ‘Low Risk’ 62 (52–71) 60 (50–70) GUG-m cut-off 3, ‘Some Risk’ 28 (19–37) 83 (75–91) GUG-m cut-off 4, ‘High Risk’ 7 (2–12) 92 (86–98 )
Get up and go test in patients with knee osteoarthritis.Piva SR, Fitzgerald GK, Irrgang JJ, Bouzubar F, Starz TW. Arch Phys Med Rehabil. 2004 Feb;85(2):284-9
Intratester and intertester reliability was 0.95 (95% confidence interval [CI],.72-.98) and 0.98 (95% CI,.94-.99), respectively.
Esercitazione
VALUTAZIONE NUTRIZIONALE (Mini Nutritional Assessment MNA) Totale max pp. 11
9 punti o più: nessuna necessità di continuare la valutazione 8 punti o meno: necessità di continuare la valutazione Use of the Mini Nutritional Assessment to detect frailty in
hospitalised older people.Dent E, Visvanathan R, Piantadosi C, Chapman I. J Nutr Health Aging. 2012;16(9):764-7.
The MNA-SF predicted frailty with specificity and sensitivity values of 0.79 and 0.64 respectively, using the standard cut-off of < 8.
The optimal MNA-SF cut-off score for frailty was < 9, with specificity and sensitivity values of 0.77 and 0.80 respectively and was better than the optimum MNA cut-off in predicting frailty.
Esercitazione
SCALA CONLEY di valutazione del rischio di caduta del paziente
sensibilità[a/a+c]0.69 specificità[d/b+d]0.41
valore predittivo positivo[a/a+b]0.05 valore predittivo negativo[d/c+d]0.97
Paolo Chiari
Corso di Laurea Magistrale in Scienze Infermieristiche e Osteriche paolo.chiari@unibo.it
www .unibo.it