Дифференциальная диагностика

Дифференциальная диагностика
MeSH	D003937
[ редактировать в Викиданных ]

В здравоохранении дифференциальный диагноз - это выделение определенного заболевания или состояния среди других, имеющих аналогичные клинические признаки. ^[1] Дифференциальные диагностические процедуры используются клиницистами для диагностики конкретного заболевания у пациента или, по крайней мере, для устранения любых неизбежно опасных для жизни состояний. Часто каждый индивидуальный вариант возможного заболевания называется дифференциальным диагнозом (например, острый бронхит может быть дифференциальным диагнозом при оценке кашля, даже если окончательный диагноз - простуда ).

В более общем смысле, процедура дифференциальной диагностики - это метод систематической диагностики, используемый для выявления наличия болезни, при которой возможны несколько альтернатив. Этот метод может использовать алгоритмы, похожие на процесс исключения , или, по крайней мере, процесс получения информации, которая сокращает «вероятности» возможных состояний до незначительного уровня, используя такие доказательства, как симптомы, история болезни и медицинские знания, для корректировки эпистемологических данных. доверие к разуму диагноста (или, для компьютеризированной или компьютерной диагностики, программное обеспечение системы).

Дифференциальный диагноз можно рассматривать как реализацию аспектов гипотетико-дедуктивного метода в том смысле, что потенциальное наличие потенциальных заболеваний или состояний можно рассматривать как гипотезы, которые в дальнейшем клиницисты определяют как истинные или ложные.

Дифференциальный диагноз также широко используется в области психиатрии / психологии, где пациенту, у которого проявляются симптомы, которые могут соответствовать любому диагнозу, могут быть поставлены два разных диагноза. Например, пациент , который был поставлен диагноз биполярное расстройство также может быть задан дифференциальный диагноз пограничным расстройством личности, ^{[ править ]} , учитывая сходство симптомов обоих состояний.

Стратегии, используемые при составлении списка дифференциальных диагнозов, зависят от опыта врача. В то время как начинающие поставщики медицинских услуг могут работать систематически, чтобы оценить все возможные объяснения проблем пациента, более опытные специалисты часто используют клинический опыт и распознавание закономерностей, чтобы защитить пациента от задержек, рисков и затрат неэффективных стратегий или тестов. Эффективные поставщики услуг используют научно-обоснованный подход, дополняя свой клинический опыт знаниями клинических исследований. ^[2]

Общие компоненты [ править ]

Этот абзац требует дополнительных ссылок для проверки . Пожалуйста, помогите улучшить эту статью , добавив цитаты из надежных источников . Материал, не полученный от источника, может быть оспорен и удален.
Найти источники: «Дифференциальный диагноз» - новости · газеты · книги · ученый · JSTOR ( октябрь 2011 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения )

Стандартный дифференциальный диагноз медицинской помощи состоит из четырех этапов. Безопасность пациента требует, чтобы врач:

Собирает всю информацию о пациенте и создает список симптомов. ^[3] Список может быть в письменной форме или в голове врача.
Перечисляет все возможные причины ( возможные состояния ) симптомов. ^[4]
Распределяет список по приоритетам, помещая наиболее опасные возможные причины вверху списка.
Исключает или устраняет возможные причины, начиная с наиболее опасного состояния и далее по списку. Исключите -практически-средства используют тесты и другие научные методы , чтобы определить , что состояние кандидата имеет клинический ничтожную вероятность является причиной основной жалобы пациента.

Если после этого процесса отсеивания возможных причин диагноз не остается, это означает, что либо врач допустил ошибку, либо состояние недокументировано или недооценено в литературе.

Мнемонические на помощь при рассмотрении нескольких возможных патологических процессов является VINDICATE'M :

V ascular
Я nflammatory/ I nfectious
N eoplastic
D egenerative/ D eficiency/ D коврики
Я diopathic/ I ntoxication/ I atrogenic
К онгенитальный
Utoimmune/llergic/natomic
T raumatic
Е ndocrine/ Е Условия окружающей среды
М etabolic^[5]

Конкретные методы [ править ]

Существует несколько методов дифференциальной диагностики и несколько вариантов среди них. Кроме того, процедура дифференциальной диагностики может использоваться одновременно или поочередно с протоколами, руководящими принципами или другими диагностическими процедурами (такими как распознавание образов или использование медицинских алгоритмов ).

Например, в случае неотложной медицинской помощи может не хватить времени для проведения каких-либо подробных расчетов или оценок различных вероятностей, и в этом случае протокол ABC ( дыхательные пути, дыхание и кровообращение ) может быть более подходящим. Позже, когда ситуация станет менее острой, может быть применена более полная процедура дифференциальной диагностики.

Процедура дифференциальной диагностики может быть упрощена, если обнаружен « патогномоничный » признак или симптом (и в этом случае почти наверняка присутствует целевое состояние) или при отсутствии признака или симптома sine qua non (в этом случае почти наверняка, что целевое условие отсутствует).

Диагност может действовать избирательно, рассматривая сначала те расстройства, которые более вероятны (вероятностный подход), более серьезны, если их не диагностируют и не лечат (прогностический подход), или более чувствительны к лечению, если предлагается (прагматический подход). ^[6] Поскольку субъективная вероятность наличия состояния никогда не бывает точно 100% или 0%, процедура дифференциальной диагностики может быть направлена на определение этих различных вероятностей для формирования указаний для дальнейших действий.

Ниже приведены два метода дифференциальной диагностики, основанные, соответственно, на эпидемиологии и соотношении вероятностей.

Метод, основанный на эпидемиологии [ править ]

Один из методов проведения дифференциальной диагностики по эпидемиологии направлен на оценку вероятности каждого состояния-кандидата путем сравнения их вероятностей, возникших в первую очередь у индивидуума. Он основан на вероятностях, связанных как с проявлением (например, болью), так и с вероятностями различных состояний-кандидатов (например, болезней).

Теория [ править ]

Статистической основой дифференциальной диагностики является теорема Байеса . По аналогии, когда выпал кубик , результат определен на 100%, но вероятность того, что он выпал на первое место (далее сокращенно WHOIFP ), все еще составляет 1/6. Таким же образом, вероятность того, что представление или условие имело бы место в первую очередь в индивидуальном (WHOIFPI) не является такой же , как вероятность того, что представление или состояние имеет произошло в индивидууме, поскольку представление имеет место на 100% уверенность в личности. Тем не менее, доли вкладной вероятности каждого условия предполагаются одинаковыми относительно:

{\begin{aligned}&{\frac {\Pr({\text{Presentation is caused by condition in individual}})}{\Pr({\text{Presentation has occurred in individual}})}}={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}\end{aligned}}

куда:

Pr (презентация вызвана условием в отдельном состоянии) - это вероятность того, что представление вызвано условием в отдельном состоянии без дополнительной спецификации, относится к любому состоянию-кандидату
Pr (презентация произошла у человека) - это вероятность того, что презентация произошла у человека, которая может быть воспринята и, таким образом, установлена на уровне 100%.
Pr (Презентация WHOIFPI по условию) - вероятность того, что презентация имела бы первое место у человека по условию.
Pr (Presentation WHOIFPI) - это вероятность того, что презентация имела бы первое место у человека.

Когда у человека появляется симптом или признак, Pr (проявление произошло у человека) составляет 100% и, следовательно, может быть заменено на 1 и может быть проигнорировано, поскольку деление на 1 не имеет никакого значения:

\Pr({\text{Presentation is caused by condition in individual}})={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}

Общая вероятность того, что презентация произошла у человека, может быть приблизительно равна сумме индивидуальных условий кандидата:

{\begin{aligned}\Pr({\text{Presentation WHOIFPI}})&=\Pr({\text{Presentation WHOIFPI by condition 1}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 2}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 3}})+{\text{etc.}}\end{aligned}}

Кроме того, вероятность того, что представление было вызвано каким-либо условием-кандидатом, пропорциональна вероятности состояния, в зависимости от того, с какой частотой оно вызывает представление:

\Pr({\text{Presentation WHOIFPI by condition}})=\Pr({\text{Condition WHOIFPI}})\cdot r_{{\text{condition}}\rightarrow {\text{presentation}}},

куда:

Pr (Презентация WHOIFPI по условию) - вероятность того, что презентация имела бы первое место у человека по условию.
Pr (Condition WHOIFPI) - это вероятность того, что заболевание возникло на первом месте у человека.
r _{Условие → презентация} - это частота, при которой состояние вызывает презентацию, то есть доля людей с заболеванием, которое проявляется во время презентации.

Вероятность того, что заболевание возникло бы в первую очередь у человека, приблизительно равна таковой для популяции, которая максимально похожа на человека, за исключением текущего представления, с компенсацией, где это возможно, относительными рисками, обусловленными известным фактором риска, который отличить человека от популяции:

\Pr({\text{Condition WHOIFPI}})\approx RR_{\text{condition}}\cdot \Pr({\text{Condition in population}}),

куда:

Pr (Condition WHOIFPI) - это вероятность того, что заболевание возникло на первом месте у человека.
_{Состояние}RR - это относительный риск состояния, связанный с известными факторами риска у человека, которые не присутствуют в популяции.
Pr (Состояние в популяции) - это вероятность того, что данное состояние встречается в популяции, которая максимально похожа на индивидуума, за исключением представления.

В следующей таблице показано, как эти отношения могут быть построены для ряда условий-кандидатов:

	Состояние кандидата 1	Условие кандидата 2	Условие кандидата 3
Pr (Состояние популяции)	Pr (Условие 1 в популяции)	Pr (Условие 2 в популяции)	Pr (Условие 3 в популяции)
_{Состояние}RR	RR ₁	₂руб.	₃руб.
Pr (Условие WHOIFPI)	Pr (Условие 1 WHOIFPI)	Pr (Условие 2 WHOIFPI)	P (Условие 3 WHOIFPI)
r _{Условие → презентация}	r _{Условие 1 → презентация}	r _{Условие 2 → презентация}	r _{Условие 3 → презентация}
Pr (Презентация WHOIFPI по условию)	Pr (Презентация WHOIFPI по условию 1)	Pr (Презентация WHOIFPI по условию 2)	Pr (Презентация WHOIFPI по условию 3)
Pr (Представление WHOIFPI) = сумма вероятностей в строке чуть выше
Pr (презентация вызвана состоянием человека)	Pr (Презентация вызвана состоянием 1 у человека)	Pr (Презентация вызвана состоянием 2 у человека)	Pr (Презентация вызвана условием 3 у человека)

Еще одно «возможное состояние» - это отсутствие отклонения от нормы, и представление представляет собой только (обычно относительно маловероятное) появление в основном нормального состояния. Его вероятность в популяции ( P (Нет отклонений в популяции) ) является дополнительной к сумме вероятностей «аномальных» состояний кандидата.

Пример [ править ]

Этот примерный случай демонстрирует, как применяется этот метод, но не представляет собой руководство для обработки аналогичных реальных случаев. Кроме того, в примере используются относительно определенные числа с иногда несколькими десятичными знаками , тогда как на самом деле часто есть просто приблизительные оценки, такие как очень высокие , высокие , низкие или очень низкие вероятности , но все же используются общие принципы метода.

Для человека (который становится «пациентом» в этом примере) анализ крови , например, на содержание кальция в сыворотке, показывает результат выше стандартного референсного диапазона , который, согласно большинству определений, классифицируется как гиперкальциемия , которая становится «представлением». в этом случае. Клиницист (который в данном примере становится «диагностом»), который в настоящее время не видит пациента, узнает о своем открытии.

По практическим соображениям врач считает, что показаний теста достаточно, чтобы взглянуть на медицинские карты пациента . Для простоты допустим , что единственная информация , содержащаяся в медицинской документации является история семьи из первичного гиперпаратиреоза (здесь сокращенно PH), что может объяснить нахождение гиперкальциемии. Для этого пациента предположим, что результирующий наследственный фактор риска оценивается как относительный риск 10 (RR _PH = 10).

Врач считает, что мотивации для проведения дифференциальной диагностики для выявления гиперкальциемии достаточно. Основными причинами гиперкальциемии являются первичный гиперпаратиреоз (ЛГ) и рак , поэтому для простоты список возможных состояний, о которых может подумать врач, можно представить следующим образом:

Первичный гиперпаратиреоз (PH)
Рак
Другие заболевания, о которых может подумать врач (которые в остальной части этого примера называются просто «другими состояниями»)
Нет болезни (или нет отклонений), и обнаружение полностью обусловлено статистической вариабельностью

Вероятность того, что `` первичный гиперпаратиреоз '' (PH) возник бы в первую очередь у человека ( P (PH WHOIFPI) ), можно рассчитать следующим образом:

Предположим, что последний анализ крови, сделанный пациентом, был проведен полгода назад и был нормальным, и что частота первичного гиперпаратиреоза в общей популяции, которая соответствует индивидууму (за исключением клинических проявлений и упомянутой наследственности), составляет 1 из 4000 на человека. год. Игнорируя более подробные ретроспективные анализы (такие как скорость прогрессирования заболевания и время задержки медицинского диагноза ), время риска развития первичного гиперпаратиреоза можно примерно рассматривать как последние полгода, поскольку ранее развивалась гиперкальциемия. вероятно, были пойманы на предыдущем анализе крови. Это соответствует вероятности первичного гиперпаратиреоза (ЛГ) в популяции:

\Pr({\text{PH in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{4000 per year}}}={\frac {1}{8000}}

С учетом относительного риска, связанного с семейным анамнезом, вероятность того, что первичный гиперпаратиреоз (ЛГ) мог возникнуть в первую очередь у человека, исходя из имеющейся в настоящее время информации, становится:

\Pr({\text{PH WHOIFPI}})\approx RR_{PH}\cdot \Pr({\text{PH in population}})=10\cdot {\frac {1}{8000}}={\frac {1}{800}}=0.00125

Можно предположить, что первичный гиперпаратиреоз вызывает гиперкальциемию практически в 100% случаев (r _{PH → гиперкальциемия} = 1), поэтому эту независимо рассчитанную вероятность первичного гиперпаратиреоза (PH) можно принять равной вероятности того, что она является причиной презентация:

{\begin{aligned}\Pr({\text{Hypercalcemia WHOIFPI by PH}})&=\Pr({\text{PH WHOIFPI}})\cdot r_{{\text{PH}}\rightarrow {\text{hypercalcemia}}}\\&=0.00125\cdot 1=0.00125\end{aligned}}

Что касается рака , то для простоты предполагается такое же время риска, и предположим, что заболеваемость раком в этом районе оценивается в 1 случай из 250 в год, что дает вероятность рака среди населения:

\Pr({\text{cancer in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{250 per year}}}={\frac {1}{500}}

Для простоты предположим, что любая связь между семейным анамнезом первичного гиперпаратиреоза и риском рака игнорируется, поэтому относительный риск для человека заболеть раком в первую очередь аналогичен таковому для населения (RR _рак = 1) :

\Pr({\text{cancer WHOIFPI}})\approx RR_{\text{cancer}}\cdot \Pr({\text{cancer in population}})=1\cdot {\frac {1}{500}}={\frac {1}{500}}=0.002.

Однако гиперкальциемия встречается примерно в 10% случаев рака ^[7] (r _{рак → гиперкальциемия} = 0,1), поэтому:

{\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by cancer}})\\=&\Pr({\text{cancer WHOIFPI}})\cdot r_{{\text{cancer}}\rightarrow {\text{hypercalcemia}}}\\=&0.002\cdot 0.1=0.0002.\end{aligned}}

Вероятность того, что гиперкальциемия возникла бы в первую очередь из-за других возможных состояний, может быть рассчитана аналогичным образом. Однако для простоты предположим, что вероятность того, что что-либо из этого произошло, в этом примере вычисляется как 0,0005.

В случае отсутствия болезни соответствующая вероятность в популяции является дополнительной к сумме вероятностей для других состояний:

{\begin{aligned}\Pr({\text{no disease in population}})&=1-\Pr({\text{PH in population}})-\Pr({\text{cancer in population}})\\&{}\quad -\Pr({\text{other conditions in population}})\\&{}=0.997.\end{aligned}}

Вероятность того, что человек будет здоров, в первую очередь, можно считать одинаковой:

\Pr({\text{no disease WHOIFPI}})=0.997.\,

Скорость, с которой в случае отсутствия аномального состояния все же заканчивается при измерении содержания кальция в сыворотке выше стандартного референсного диапазона (тем самым классифицируя как гиперкальциемию), по определению стандартного референтного диапазона составляет менее 2,5%. Однако эта вероятность может быть дополнительно уточнена путем рассмотрения того, насколько измерение отклоняется от среднего значения в стандартном эталонном диапазоне. Предположим, что измерение сывороточного кальция составило 1,30 ммоль / л, что при стандартном референтном диапазоне, установленном на уровне от 1,05 до 1,25 ммоль / л, соответствует стандартной оценке 3 и соответствующей вероятности 0,14% того, что такая степень гиперкальциемии будет иметь место. произошли в первую очередь при отсутствии отклонений от нормы:

r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}=0.0014

Впоследствии вероятность того, что гиперкальциемия не возникла в результате какого-либо заболевания, может быть рассчитана как:

{\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by no disease}})\\=&\Pr({\text{no disease WHOIFPI}})\cdot r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}\\=&0.997\cdot 0.0014\approx 0.0014\end{aligned}}

Вероятность того, что гиперкальциемия возникла в первую очередь у человека, может быть рассчитана следующим образом:

{\begin{aligned}&\Pr({\text{hypercalcemia WHOIFPI}})\\=&\Pr({\text{hypercalcemia WHOIFPI by PH}})+\Pr({\text{hypercalcemia WHOIFPI by cancer}})\\&{}+\Pr({\text{hypercalcemia WHOIFPI by other conditions}})+\Pr({\text{hypercalcemia WHOIFPI by no disease}})\\=&0.00125+0.0002+0.0005+0.0014=0.00335\end{aligned}}

Впоследствии вероятность того, что гиперкальциемия вызвана первичным гиперпаратиреозом (ЛГ) у человека, может быть рассчитана как:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by PH in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by PH}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.00125}{0.00335}}=0.373=37.3\%\end{aligned}}

Точно так же вероятность того, что гиперкальциемия вызвана раком у человека, может быть рассчитана как:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by cancer in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by cancer}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0002}{0.00335}}=0.060=6.0\%,\end{aligned}}

и для других условий кандидата:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by other conditions in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by other conditions}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0005}{0.00335}}=0.149=14.9\%,\end{aligned}}

и вероятность того, что болезни на самом деле нет:

{\begin{aligned}&\Pr({\text{hypercalcemia is present despite no disease in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by no disease}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0014}{0.00335}}=0.418=41.8\%\end{aligned}}

Для пояснения эти расчеты приведены в виде таблицы в описании метода:

	PH	Рак	Другие условия	Нет болезней
P (Состояние популяции)	0,000125	0,002	-	0,997
RR _x	10	1	-	-
P (состояние WHOIFPI)	0,00125	0,002	-	-
r _{Состояние → гиперкальциемия}	1	0,1	-	0,0014
P (гиперкальциемия WHOIFPI по состоянию)	0,00125	0,0002	0,0005	0,0014
P (гиперкальциемия WHOIFPI) = 0,00335
P (гиперкальциемия вызвана индивидуальным заболеванием)	37,3%	6.0%	14,9%	41,8%

Таким образом, этот метод оценивает, что вероятность того, что гиперкальциемия вызвана первичным гиперпаратиреозом, раком, другими состояниями или отсутствием болезни вообще, составляет 37,3%, 6,0%, 14,9% и 41,8% соответственно, что может быть использовано при оценке дальнейших показаний к тестам. .

Этот случай продолжается на примере метода, описанного в следующем разделе.

Метод на основе отношения правдоподобия [ править ]

Процедура дифференциальной диагностики может стать чрезвычайно сложной, если полностью учитывать дополнительные анализы и лечение. Один из методов, который представляет собой своего рода компромисс между клинической идеальностью и относительно простой в расчетах, - это метод, который использует отношения правдоподобия для получения последующих пост-тестовых правдоподобий.

Теория [ править ]

Первоначальная вероятность для каждого потенциального состояния может быть оценена различными методами, такими как:

По эпидемиологии, как описано в предыдущем разделе.
Путем распознавания паттернов, характерных для конкретной клиники , например, статистического знания о том, что пациенты, поступающие в конкретную клинику с конкретной жалобой, статистически имеют определенную вероятность каждого состояния-кандидата.

Один метод оценки правдоподобия даже после дальнейших тестов использует отношения правдоподобия (которые выводятся из чувствительности и специфичности ) в качестве коэффициента умножения после каждого теста или процедуры. В идеальном мире чувствительность и специфичность должны быть установлены для всех тестов для всех возможных патологических состояний. Однако в действительности эти параметры могут быть установлены только для одного из возможных условий. Умножение на отношения правдоподобия требует преобразования правдоподобия из вероятностей в шансы в пользу (далее просто «шансы») на:

{\text{odds}}={\frac {\text{probability}}{1-{\text{probability}}}}

Однако это преобразование требуется только для условий-кандидатов с известным отношением правдоподобия. После умножения обратное преобразование в вероятность рассчитывается следующим образом:

{\text{probability}}={\frac {\text{odds}}{{\text{odds}}+1}}

Остальные условия-кандидаты (для которых нет установленного отношения правдоподобия для рассматриваемого теста) можно для простоты скорректировать путем последующего умножения всех условий-кандидатов на общий коэффициент, чтобы снова получить сумму 100%.

Полученные вероятности используются для оценки показаний для дальнейших медицинских тестов , лечения или других действий. Если есть указание на дополнительный тест, и он возвращается с результатом, процедура повторяется с использованием отношения правдоподобия дополнительного теста. При обновлении вероятностей для каждого из возможных состояний показания для дальнейших тестов, лечения или других действий также изменяются, и поэтому процедуру можно повторять до конечной точки.где больше нет никаких указаний на выполнение дальнейших действий. Такая конечная точка в основном возникает, когда одно условие-кандидат становится настолько определенным, что не может быть найден ни один тест, который был бы достаточно мощным, чтобы изменить профиль относительной вероятности, достаточный для мотивации любого изменения в дальнейших действиях. Тактика достижения такой конечной точки с помощью как можно меньшего количества тестов включает проведение тестов с высокой специфичностью для условий с уже чрезвычайно высокой относительной вероятностью, поскольку высокий коэффициент правдоподобия положительных результатов для таких тестов очень высок, что приводит к возникновению всех менее вероятных состояний. относительно более низкие вероятности. В качестве альтернативы тесты с высокой чувствительностью к конкурирующим кандидатным условиям имеют высокий отрицательный коэффициент правдоподобия., потенциально доводя вероятность конкурирующих кандидатских условий до незначительного уровня. Если такие незначительные вероятности достигнуты, врач может исключить эти состояния и продолжить процедуру дифференциальной диагностики только с оставшимися кандидатными состояниями.

Пример [ править ]

Этот пример продолжается для того же пациента, что и в примере для метода на основе эпидемиологии. Как и в предыдущем примере метода, основанного на эпидемиологии, этот пример демонстрирует, как применяется этот метод, но не представляет собой руководство по работе с аналогичными случаями в реальном мире. Кроме того, в примере используются относительно определенные числа, тогда как на самом деле это часто просто приблизительные оценки. В этом примере вероятности для каждого состояния-кандидата были установлены с помощью метода на основе эпидемиологии следующим образом:

	PH	Рак	Другие условия	Нет болезней
Вероятность	37,3%	6.0%	14,9%	41,8%

Эти проценты также можно было установить на основе опыта работы в конкретной клинике, зная, что это проценты для окончательного диагноза для людей, поступающих в клинику с гиперкальциемией и имеющих семейный анамнез первичного гиперпаратиреоза.

Состояние с наибольшей относительной вероятностью профиля (за исключением «отсутствия заболевания») - это первичный гиперпаратиреоз (ЛГ), но рак по-прежнему вызывает серьезную озабоченность, потому что, если это фактическое причинное состояние для гиперкальциемии, тогда выбор между лечением или вряд ли означает для пациента жизнь или смерть, что потенциально может привести к аналогичному показанию для дальнейших тестов для обоих этих состояний.

Предположим, что врач рассматривает относительную вероятность того, что это вызывает достаточно беспокойства, чтобы указать на отправку пациенту вызова для посещения клинициста, с дополнительным посещением медицинской лаборатории для дополнительного анализа крови, дополненного дополнительными анализами, включая паращитовидные железы. гормон при подозрении на первичный гиперпаратиреоз.

Для простоты предположим, что клиницист сначала получает результат анализа крови (в формулах сокращенно «BT») для анализа паратироидного гормона, и что он показал уровень паратироидного гормона, который повышен относительно того, что можно было бы ожидать от уровня кальция. .

Такое сочетание можно оценить как имеющее чувствительность приблизительно 70% и специфичность приблизительно 90% для первичного гиперпаратиреоза. ^[8] Это дает положительное отношение правдоподобия 7 для первичного гиперпаратиреоза.

Вероятность первичного гиперпаратиреоза теперь называется Pre-BT _PH, потому что она соответствует до анализа крови (латинский предлог prae означает до). Он был оценен в 37,3%, что соответствует коэффициенту 0,595. С положительным отношением правдоподобия 7 для анализа крови, послетестовые шансы рассчитываются как:

\operatorname {Odds} ({\text{PostBT}}_{PH})=\operatorname {Odds} ({\text{PreBT}}_{PH})\cdot LH(BT)=0.595\cdot 7=4.16,

куда:

Шансы (PostBT _PH ) - это вероятность первичного гиперпаратиреоза после анализа крови на паратироидный гормон.
Шансы (PreBT _PH - это вероятность первичного гиперпаратиреоза до анализа крови на паратироидный гормон).
ЛГ (БТ) - это отношение правдоподобия положительного результата анализа крови на паратироидный гормон.

Коэффициент (PostBT _PH ), равный 4,16, снова конвертируется в соответствующую вероятность следующим образом:

\Pr({\text{PostBT}}_{PH})={\frac {\operatorname {Odds} ({\text{PostBT}}_{PH})}{\operatorname {Odds} ({\text{PostBT}}_{PH})+1}}={\frac {4.16}{4.16+1}}=0.806=80.6\%

Таким образом, сумма вероятностей для остальных условий-кандидатов должна быть:

\Pr({\text{PostBT}}_{rest})=100\%-80.6\%=19.4\%

До анализа крови на паращитовидный гормон сумма их вероятностей была:

\Pr({\text{PreBT}}_{\text{rest}})=6.0\%+14.9\%+41.8\%=62.7\%

Следовательно, чтобы соответствовать сумме 100% для всех условий кандидата, каждого из других кандидатов необходимо умножить на поправочный коэффициент:

{\text{Correcting factor}}={\frac {\Pr({\text{PostBT}}_{\text{rest}})}{\Pr({\text{PreBT}}_{\text{rest}})}}={\frac {19.4}{62.7}}=0.309

Например, вероятность рака после теста рассчитывается как:

\Pr({\text{PostBT}}_{\text{cancer}})=\Pr({\text{PreBT}}_{\text{cancer}})\cdot {\text{Correcting factor}}=6.0\%\cdot 0.309=1.9\%

Вероятности для каждого состояния-кандидата до и после анализа крови приведены в следующей таблице:

	PH	Рак	Другие условия	Нет болезней
P (PreBT)	37,3%	6.0%	14,9%	41,8%
P (PostBT)	80,6%	1,9%	4,6%	12,9%

Эти «новые» проценты, включая относительную вероятность первичного гиперпаратиреоза 80%, лежат в основе любых показаний для дальнейших тестов, лечения или других действий. В этом случае, скажем , что клиницист продолжает план пациента для участия в клиницисте визита для дальнейшего обследования, особенно сфокусировано на первичном гиперпаратиреозе.

Посещение клинициста теоретически можно рассматривать как серию тестов, включающих как вопросы из истории болезни, так и компоненты физического осмотра , где пост-тестовая вероятность предыдущего теста может использоваться в качестве предтестовой вероятности. следующего. Показания для выбора следующего теста динамически зависят от результатов предыдущих тестов.

Предположим, что у пациента в этом примере выявлены, по крайней мере, некоторые симптомы и признаки депрессии, боли в костях, боли в суставах или запора большей степени тяжести, чем то, что можно было бы ожидать от самой гиперкальциемии, что подтверждает подозрение на первичный гиперпаратиреоз. ^[9] и предположим, что отношения правдоподобия для тестов, если их умножить, примерно дают результат 6 для первичного гиперпаратиреоза.

Наличие неспецифических патологических симптомов и признаков в анамнезе и обследовании часто одновременно указывает на рак, и, скажем, тесты дали общее отношение правдоподобия, которое оценивается в 1,5 для рака. Что касается других состояний, а также случая полного отсутствия болезни, допустим, что неизвестно, как на них влияют имеющиеся тесты, как это часто бывает в действительности. Это дает следующие результаты анамнеза и физического осмотра (сокращенно P&E):

	PH	Рак	Другие условия	Нет болезней
P (PreH & E)	80,6%	1,9%	4,6%	12,9%
Коэффициенты (PreH & E)	4,15	0,019	0,048	0,148
Отношение правдоподобия H&E	6	1.5	-	-
Коэффициенты (PostH & E)	24,9	0,0285	-	-
P (PostH & E)	96,1%	2,8%	-	-
Сумма известных P (PostH & E)	98,9%
Сумма остатка P (PostH & E)	1,1%
Сумма остатка P (PreH & E)	4,6% + 12,9% = 17,5%
Поправочный коэффициент	1,1% / 17,5% = 0,063
После исправления	-	-	0,3%	0,8%
P (PostH & E)	96,1%	2,8%	0,3%	0,8%

Эти вероятности после сбора анамнеза и обследования могут дать врачу достаточно уверенности, чтобы спланировать пациенту операцию по паратиреоидэктомии с целью резекции пораженной ткани.

В этот момент вероятность «других состояний» настолько мала, что врач не может придумать для них какой-либо тест, который мог бы иметь значение, которое было бы достаточно существенным, чтобы сформировать показание для такого теста , и поэтому врач практически рассматривает « другие условия », что было исключено, в данном случае не в первую очередь с помощью какого-либо специального теста для таких других состояний, которые были отрицательными, а скорее по причине отсутствия положительных тестов до сих пор.

Для «рака» порог, при котором его можно с уверенностью считать исключенным, может быть более строгим из-за серьезных последствий его пропуска, поэтому врач может счесть, что показано по крайней мере гистопатологическое исследование резецированной ткани.

Этот случай продолжается в примере комбинаций в соответствующем разделе ниже.

Охват кандидатских условий [ править ]

Достоверность как первоначальной оценки вероятностей по эпидемиологии, так и дальнейших исследований по отношениям правдоподобия зависит от включения возможных состояний, которые ответственны за как можно большую часть вероятности развития состояния, и клинически важно включить те из них. где относительно быстрое начало терапии, скорее всего, принесет наибольшую пользу. Если пропущено важное кандидатное состояние, ни один метод дифференциальной диагностики не даст правильного заключения. Потребность в поиске дополнительных условий для включения возрастает с увеличением серьезности самой презентации. Например, если единственным представлением является отклоняющийся лабораторный параметр и все общие вредные основные условия были исключены, то может быть приемлемо прекратить обнаружение дополнительных условий-кандидатов,но это было бы гораздо более вероятно неприемлемым, если бы проявление было сильной болью.

Комбинации [ править ]

Если два условия получают высокие посттестовые вероятности, особенно если сумма вероятностей для условий с известными отношениями правдоподобия становится выше 100%, то фактическое условие представляет собой комбинацию этих двух. В таких случаях это комбинированное условие может быть добавлено в список возможных условий, и вычисления следует начинать заново.

Чтобы продолжить приведенный выше пример, предположим, что анамнез и физическое обследование также указали на рак, с отношением правдоподобия 3, что дает коэффициент (PostH & E) 0,057, соответствующий P (PostH & E) 5,4%. Это соответствует «сумме известного P (PostH & E)», равной 101,5%. Это показание для рассмотрения комбинации первичного гиперпаратиреоза и рака, такой как, в данном случае, паращитовидная карцинома, продуцирующая паратироидный гормон.. Следовательно, может потребоваться пересчет, при этом первые два состояния разделяются на «первичный гиперпаратиреоз без рака», «рак без первичного гиперпаратиреоза», а также «комбинированный первичный гиперпаратиреоз и рак», и отношения правдоподобия применяются к каждому состоянию отдельно. Однако в этом случае ткань уже была резецирована, при этом может быть проведено гистопатологическое исследование , которое включает в себя возможность карциномы паращитовидной железы при исследовании (что может повлечь за собой соответствующее окрашивание образца). Допустим, гистопатологическое исследование подтверждает первичный гиперпаратиреоз, но также показывает злокачественную картину. Согласно первоначальному эпидемиологическому методу заболеваемость карциномой паращитовидных желез оценивается примерно в 1 из 6 миллионов человек в год ^[10].что дает очень низкую вероятность до принятия во внимание каких-либо тестов. Для сравнения, вероятность того, что незлокачественный первичный гиперпаратиреоз возник одновременно с несвязанным раком, не связанным с раком, который проявляется злокачественными клетками паращитовидной железы, рассчитывается путем умножения вероятностей двух. Однако результирующая вероятность намного меньше, чем 1 из 6 миллионов. Таким образом, вероятность карциномы паращитовидной железы может быть близка к 100% после гистопатологического исследования, несмотря на низкую вероятность ее возникновения.

Дифференциальная диагностика машин [ править ]

Машинная дифференциальная диагностика - это использование компьютерного программного обеспечения для частичной или полной дифференциальной диагностики. Это можно рассматривать как приложение искусственного интеллекта .

Многие исследования демонстрируют улучшение качества медицинской помощи и сокращение медицинских ошибок за счет использования таких систем поддержки принятия решений. Некоторые из этих систем разработаны для решения конкретных медицинских проблем, таких как шизофрения ^[11], болезнь Лайма ^[12] или пневмония, связанная с вентилятором. ^[13] Другие , такие как ESAGIL, ^[14] Илиаде, QMR, DiagnosisPro, ^[15] VisualDx , ^[16] docLogica , Изабель, ^[17] ZeroMD, ^[18] DxMate, ^[19] Symptoma , и врач Познание ^[20] предназначены для охвата всех основных клинических и диагностических данных, чтобы помочь врачам быстрее и точнее поставить диагноз.

Однако все эти инструменты по-прежнему требуют передовых медицинских навыков, чтобы оценивать симптомы и выбирать дополнительные тесты для определения вероятности различных диагнозов. Машинная дифференциальная диагностика в настоящее время также не позволяет диагностировать множественные сопутствующие заболевания. ^[21] Таким образом, непрофессионалы все равно должны обращаться к врачу для постановки правильного диагноза.

История [ править ]

Впервые метод дифференциальной диагностики был предложен для использования в диагностике психических расстройств Эмилем Крепелиным . Он более систематичен, чем устаревший метод диагностики по гештальту (слепку). ^{[ необходима цитата ]}

Альтернативные медицинские значения [ править ]

«Дифференциальный диагноз» также используется более свободно, просто для обозначения списка наиболее распространенных причин данного симптома, списка расстройств, похожих на данное расстройство, или таких списков, когда они снабжены комментариями о том, как сузить список (например , Индекс дифференциальной диагностики Френча ). Таким образом, дифференциальный диагноз в этом смысле - это медицинская информация, специально организованная для помощи в диагностике.

Использование не только в медицине [ править ]

Методы, аналогичные методам дифференциальной диагностики в медицине, также используются биологами- систематиками для идентификации и классификации организмов, живых и исчезнувших. Например, после обнаружения неизвестного вида можно сначала составить список всех потенциальных видов, а затем исключить один за другим, пока, в оптимальном случае, не останется только один потенциальный выбор. Подобные процедуры могут использоваться инженерами по техническому обслуживанию и ремонту автомобилей и автомобильными механиками, а также использоваться для диагностики неисправных электронных схем.

В искусстве [ править ]

Американская телевизионная медицинская драма « Дом» с участием Хью Лори в роли главного героя доктора Грегори Хауса , возглавляющего команду диагностов в вымышленной клинической больнице Принстон-Плейнсборо в Нью-Джерси, вращается вокруг использования процедур дифференциальной диагностики в попытке поставить правильный диагноз .

На протяжении всего сериала врачи диагностировали такие заболевания, как мастоцитоз , болезнь Пламмера , бешенство , синдром Кавасаки , оспу , риккетсиоз и десятки других.

См. Также [ править ]

Коморбидность
Диагностика исключения
Двойная диагностика
Гендерная предвзятость в медицинском диагнозе
Список медицинских симптомов

Ссылки [ править ]

^ «дифференциальный диагноз» . Мерриам-Вебстер (Медицинский словарь) . Проверено 30 декабря 2014 .
Перейти ↑ Wilson, MC (2012). История пациента: доказательный подход к дифференциальной диагностике . Нью-Йорк, штат Нью-Йорк: Макгроу Хилл. ISBN 9780071804202.
^ Зигенталер, Уолтер (2011). Дифференциальный диагноз во внутренней медицине: от симптома к диагнозу . Тиме. п. 6. ISBN 978-1604062199.
^ Лим, Эрик KS; Остер, Эндрю Дж. К.; Рафферти, Эндрю Т (2014). Записник Черчилля по дифференциальной диагностике (Четвертое изд.). Elsevier Health Sciences. ISBN 978-0702054044.
^ Ср. VINDICATE - Мнемоника для дифференциальной диагностики на PG Blazer.com.
^ Ричардсон, WS. (Март 1999 г.). «Справочники по медицинской литературе: XV. Как использовать статью о вероятности заболевания для дифференциальной диагностики». JAMA . 281 (13): 1214–1219. DOI : 10,1001 / jama.281.13.1214 . PMID 10199432 . S2CID 2389981 . [1]
^ Seccareccia, D. (март 2010). «Гиперкальциемия, связанная с раком» . Может Фам Врач . 56 (3): 244–6, e90–2. PMC 2837688 . PMID 20228307 . [2] [3]
^ [4] Lepage, R .; d'Amour, P .; Буше, А .; Hamel, L .; Demontigny, C .; Лабель, Ф. (1988). «Клинические характеристики иммуноанализа паратирина с динамически определяемыми контрольными значениями». Клиническая химия . 34 (12): 2439–2443. DOI : 10.1093 / clinchem / 34.12.2439 . PMID 3058363 .
^ Баргрен, AE; Репплингер, Д .; Chen, H .; Сиппель, RS (2011). «Могут ли биохимические отклонения предсказать симптоматологию у пациентов с первичным гиперпаратиреозом?». Журнал Американского колледжа хирургов . 213 (3): 410–414. DOI : 10.1016 / j.jamcollsurg.2011.06.401 . PMID 21723154 .
^ Лечение рака паращитовидной железы в Национальном институте рака. Последнее изменение: 11.03.2009
^ Razzouk, D .; Мари, JJ; Сиракава, I .; Wainer, J .; Сигулем, Д. (январь 2006 г.). «Система поддержки принятия решений для диагностики шизофренических расстройств» . Бразильский журнал медицинских и биологических исследований . 39 (1): 119–28. DOI : 10.1590 / s0100-879x2006000100014 . PMID 16400472 .
^ Hejlesen OK, Олезен KG, Дессау R, Beltoft I, Trangeled M (2005). «Поддержка принятия решений для диагностики болезни Лайма» . Исследования в области технологий здравоохранения и информатики . 116 : 205–10. PMID 16160260 .
^ «Оценка компьютерной системы поддержки принятия решений (DSS) для диагностики и лечения искусственной вентиляции легких (ВАП) в отделении интенсивной терапии (ОИТ)» . nih.gov . Архивировано из оригинального 10 февраля 2009 года . Проверено 3 октября 2008 года .
^ esagil.org
^ "Инструмент напоминания о дифференциальной диагностике DiagnosisPro" . диагностикаpro.com . Архивировано из оригинального 2 -го октября 2008 года . Проверено 3 октября 2008 года .
^ visualdx.com
^ isabelhealthcare.com
^ «Инструмент диагностики ZeroMD и сообщество» . ZeroMD.com . Проверено 12 июля 2013 года .
^ dxmate.com
^ Physiciancognition.com
^ Вадхва, RR; Park, DY; Натович, MR (2018). «Точность компьютерных диагностических инструментов для выявления сопутствующих генетических нарушений». Американский журнал медицинской генетики Часть А . 176 (12): 2704–2709. DOI : 10.1002 / ajmg.a.40651 . PMID 30475443 . S2CID 53758271 .

[1] «дифференциальный диагноз» . Мерриам-Вебстер (Медицинский словарь) . Проверено 30 декабря 2014 .

[2] Перейти ↑ Wilson, MC (2012). История пациента: доказательный подход к дифференциальной диагностике . Нью-Йорк, штат Нью-Йорк: Макгроу Хилл. ISBN 9780071804202.

[3] Зигенталер, Уолтер (2011). Дифференциальный диагноз во внутренней медицине: от симптома к диагнозу . Тиме. п. 6. ISBN 978-1604062199.

[4] Лим, Эрик KS; Остер, Эндрю Дж. К.; Рафферти, Эндрю Т (2014). Записник Черчилля по дифференциальной диагностике (Четвертое изд.). Elsevier Health Sciences. ISBN 978-0702054044.

[5] Ср. VINDICATE - Мнемоника для дифференциальной диагностики на PG Blazer.com.

[6] Ричардсон, WS. (Март 1999 г.). «Справочники по медицинской литературе: XV. Как использовать статью о вероятности заболевания для дифференциальной диагностики». JAMA . 281 (13): 1214–1219. DOI : 10,1001 / jama.281.13.1214 . PMID 10199432 . S2CID 2389981 . [1]

[7] Seccareccia, D. (март 2010). «Гиперкальциемия, связанная с раком» . Может Фам Врач . 56 (3): 244–6, e90–2. PMC 2837688 . PMID 20228307 . [2] [3]

[8] [4] Lepage, R .; d'Amour, P .; Буше, А .; Hamel, L .; Demontigny, C .; Лабель, Ф. (1988). «Клинические характеристики иммуноанализа паратирина с динамически определяемыми контрольными значениями». Клиническая химия . 34 (12): 2439–2443. DOI : 10.1093 / clinchem / 34.12.2439 . PMID 3058363 .

[9] Баргрен, AE; Репплингер, Д .; Chen, H .; Сиппель, RS (2011). «Могут ли биохимические отклонения предсказать симптоматологию у пациентов с первичным гиперпаратиреозом?». Журнал Американского колледжа хирургов . 213 (3): 410–414. DOI : 10.1016 / j.jamcollsurg.2011.06.401 . PMID 21723154 .

[10] Лечение рака паращитовидной железы в Национальном институте рака. Последнее изменение: 11.03.2009

[11] Razzouk, D .; Мари, JJ; Сиракава, I .; Wainer, J .; Сигулем, Д. (январь 2006 г.). «Система поддержки принятия решений для диагностики шизофренических расстройств» . Бразильский журнал медицинских и биологических исследований . 39 (1): 119–28. DOI : 10.1590 / s0100-879x2006000100014 . PMID 16400472 .

[12] Hejlesen OK, Олезен KG, Дессау R, Beltoft I, Trangeled M (2005). «Поддержка принятия решений для диагностики болезни Лайма» . Исследования в области технологий здравоохранения и информатики . 116 : 205–10. PMID 16160260 .

[13] «Оценка компьютерной системы поддержки принятия решений (DSS) для диагностики и лечения искусственной вентиляции легких (ВАП) в отделении интенсивной терапии (ОИТ)» . nih.gov . Архивировано из оригинального 10 февраля 2009 года . Проверено 3 октября 2008 года .

[14] sagil.org

[15] "Инструмент напоминания о дифференциальной диагностике DiagnosisPro" . диагностикаpro.com . Архивировано из оригинального 2 -го октября 2008 года . Проверено 3 октября 2008 года .

[16] visualdx.com

[17] sabelhealthcare.com

[18] «Инструмент диагностики ZeroMD и сообщество» . ZeroMD.com . Проверено 12 июля 2013 года .

[19] xmate.com

[20] Physiciancognition.com

[21] Вадхва, RR; Park, DY; Натович, MR (2018). «Точность компьютерных диагностических инструментов для выявления сопутствующих генетических нарушений». Американский журнал медицинской генетики Часть А . 176 (12): 2704–2709. DOI : 10.1002 / ajmg.a.40651 . PMID 30475443 . S2CID 53758271 .

[1]