Алгоритмы клинического прогнозирования

Translated, with permission of the American College of Physicians, from: McGinn T., Randolph A., Richardson S., Sackett D. Clinical prediction guides. ACP J Club 1998;128:A-14—5.

Прогнозирование — неотъемлемая часть работы врача. Он занимается прогнозированием при установлении диагноза, обсуждении причин заболевания и выборе лечения, опираясь при этом на данные анамнеза, физикального обследования, лабораторных исследований. Какова вероятность инфаркта миокарда при болях, иррадиирующих в левую руку? Как изменится прогноз, если боль иррадиирует только в правое плечо? Каков риск эмболического инсульта у больной с артериальной гипертонией и мерцательной аритмией? Насколько успешной может быть эндартерэктомия у больного с выраженным (около 90%) стенозом сонных артерий, если он страдает сахарным диабетом и в течение 60 лет выкуривает по 1 пачке в день?

В ряде случаев прогноз может определяться единственным, но чрезвычайно важным признаком. Например, при болезни Дауна черты лица настолько специфичны, что позволяют сразу же поставить диагноз, а в отсутствие этого признака диагноз можно исключить [1]. Иногда наибольшее значение приобретает один из прогностических факторов (например, асцит как первое проявление рака яичников); в некоторых случаях какие-либо особенности больного (например, курение) позволяют прогнозировать нетипичную ответную реакцию на лечение.

Однако при определении прогноза врач сталкивается с рядом проблем. Во-первых, ситуация с единственным прогностическим признаком — скорее исключение, чем правило. Следовательно, чаще для получения целостной картины следует решить непростую задачу по объединению большого количества прогностических данных. Во-вторых, прогностические признаки могут оказаться взаимосвязанными, и если каждый из них рассматривать по отдельности, совокупную их значимость легко переоценить. В-третьих, хотя определенные статистические методы помогают определить независимые прогностические признаки, эти методы основаны на математической корреляции, а не на особенностях биологии человека. В результате одинаковую статистическую значимость будут иметь как действительно важные биологические проявления заболевания, так и случайные признаки, выявленные только у части больных.

К счастью, эти проблемы можно решить. Первую и вторую — с помощью ряда методов многофакторного статистического анализа, позволяющих не только рассматривать несколько прогностических факторов одновременно, но также отличать действительно важные признаки от случайно выявляемых и не несущих дополнительной информации. С помощью этих методов можно количественно оценить независимый вклад определенных клинических прогностических факторов, а затем объединить их в алгоритмы клинического прогнозирования, которые могут применяться непосредственно в клинической практике. Третью проблему (проблему случайных статистических корреляций при множественных сравнениях) можно решить при проверке совокупности прогностических факторов (или алгоритма клинического прогнозирования), разработанной для одной группы больных, на другой, независимой выборке таких же больных; таким образом можно определить, сохраняют ли алгоритмы клинического прогнозирования свою прогностическую силу [2, 3].

Мы полагаем, что статьи, посвященные диагностике, выявлению причин заболевания и его лечению, в настоящее время должны отвечать также следующим методологическим критериям: алгоритмы клинического прогнозирования должны быть разработаны после обследования одной группы больных, а затем их обоснованность следует проверить в клинических условиях на другой, независимой группе больных.

Авторам комментариев следует обязательно обращать внимание на то, насколько полно авторы статьи, содержащей алгоритмы клинического прогнозирования, перечислили все оцениваемые в первой группе признаки (как полезные, так и бесполезные), и указали частоту их проявления (потенциально значимые прогностические признаки могут быть слишком редкими и не выявляться при анализе). Кроме того, комментаторам следует указывать, отразили ли авторы влияние алгоритмов клинического прогнозирования на действия врачей, т.е. эффективность и практическую применимость алгоритмов в реальных клинических условиях [4]. Например, насколько чаще или реже при их использовании назначались определенные диагностические исследования.

Всем вышеуказанным требованиям отвечает алгоритм клинического прогнозирования, разработанный P.S. Wells et al. [5] и облегчающий диагностику тромбоза глубоких вен (ТГВ). Эта схема позволяет врачу по данным анамнеза и физикального обследования быстро оценить претестовую вероятность наличия ТГВ (см. таблицу и рисунок), а затем использовать наиболее эффективные диагностические тесты.

Например, 72-летний больной госпитализирован в отделение интенсивной терапии с отеком левой голени и бедра. В анамнезе у него — рак легкого и недавно перенесенная травма левой ноги. При физикальном обследовании окружность отечной левой голени, измеряемая на 10 см ниже мыщелка большеберцовой кости, была на 4 см больше окружности правой голени; после нажатия на отечную область оставалась ямка; отмечалась гиперемия кожных покровов этой конечности. При двустороннем компрессионном ультразвуковом исследовании (УЗИ) патологии не выявлено и рекомендовано амбулаторное наблюдение. Однако претестовая вероятность наличия ТГВ, определенная в соответствии с алгоритмом клинического прогнозирования (наличие 2 основных и 3 второстепенных признаков), очень высока — около 85%. Эта количественная оценка претестовой вероятности указывает на необходимость проведения инвазивного и более дорогостоящего исследования — венографии — для того, чтобы подтвердить или отвергнуть ТГВ.

Схема, предложенная P.S. Wells et al., отвечает как принципам разработки алгоритмов клинического прогнозирования, так и нашим новым критериям. Во-первых, оценка клинических методов диагностики включала в себя независимое слепое сравнение данных клинического обследования и УЗИ с результатами диагностического стандарта (венографии), были четко определены группы сравнения (по крайней мере в одной из них у больных не было изучаемой патологии), диагностический стандарт (венография) применялся у всех больных вне зависимости от результатов оцениваемых методов (клинического обследования и УЗИ). Кроме того, авторы показали, что точность разработанной ими схемы оставалась неизменной при ее использовании в 3 клинических центрах 2 стран. Таким образом, алгоритм клинического прогнозирования был испытан в различных условиях, где распространенность и спектр изучаемого заболевания отличались от таковых в исходной группе.

P.S. Wells et al. провели проспективную проверку обоснованности своей схемы вне клиники, где она была разработана (это идеальный процесс проверки алгоритмов клинического прогнозирования). Однако их обоснованность можно оценивать и ретроспективно, в другом учреждении и на других больных [6].

Важно подчеркнуть, что алгоритмы клинического прогнозирования должны дополнять клиническое мышление, а не заменять его. Тщательно разработанные и обоснованные алгоритмы могут очень пригодиться практикующим врачам и часто позволяют решить, надо ли проводить дополнительное исследование или можно сразу назначать лечение, даже если больной настаивает на ином.

Поскольку такие алгоритмы клинического прогнозирования могут быть чрезвычайно полезны при выборе клинических решений, они заслуживают, чтобы врачи мы уделяли им гораздо больше внимания.

Литература

1. Sackett D.L., Richardson S.R., Rosenberg W., Haynes R.B., eds. Evidence-Based Medicine: How to Practice and Teach EBM. London: Churchill-Livingstone 1997;121—2.

2. Wasson J.H., Sox H.C., Neff R.K., Goldman L. Clinical prediction rules. Applications and methodological standards. N Engl J Med 1985;313:793—9.

3. Laupacis A., Sekar N., Steill I.G. Clinical predication rules. A review and methodological standards. JAMA 1997;277:488—94.

4. Wyatt J.C., Altman D.G. Prognostic models: clinically useful or quickly forgotten? [Commentary]. BMJ 1995;311:1539—41.

5. Clinical assessment plus ultrasound accurately predicted deep venous thromboses [Abstract]. Evidence-Based Medicine. 1996;1:55. Abstract of: Wells P.S., Hirsch J., Anderson D.R., at al. Accuracy of clinical assessment of deep-vein thrombosis. Lancet 1995;345:1326—30.

6. Selker H.P., Griffith J.L., Beshansky J.R., et al. Patient-specific predictions of outcomes in myocardial infarction for real-time emergency use: a thrombolytic predictive instrument. Ann Intern Med 1997;127:538—56.

Возврат к содержанию| Возврат на home page "Международного журнала медицинской практики"| Возврат на home page издательства "МедиаСфера"