Czy lekarze dobrze rozumieją prawdopodobieństwo?

Bardzo interesuje mnie sposób, w jaki lekarze myślą. W jaki sposób wykorzystujemy informacje uzyskane podczas rozmowy i badania pacjenta, aby stworzyć rozsądną listę prawdopodobnych rozpoznań (tzw. "rozpoznanie różnicowe")? Kiedy zlecamy badanie, czego konkretnie szukamy i jak reagujemy na wynik, który otrzymujemy? Bardziej cynicznie, ciekawi mnie, w jakim stopniu rozumiemy, co tak naprawdę oznacza wynik testu. I jakie są szanse na to, że podejmiemy właściwą decyzję na podstawie otrzymanej odpowiedzi?

Myślę, że każdy, kto choć trochę rozumie, czym zajmują się lekarze, zdaje sobie sprawę, że praktyka lekarska, choć oparta na wiedzy naukowej, nie jest nauką. Jest to raczej forma sztuki. I jak w przypadku wszystkich form sztuki, są tacy, którzy się wybijają, i tacy, którzy się ociągają, od czasu do czasu tworząc coś ładnego lub użytecznego. Większość ludzi jest prawdopodobnie świadoma faktu, że jeśli pójdziesz do pięciu różnych lekarzy z jakimś problemem, istnieje duże prawdopodobieństwo, że otrzymasz pięć różnych odpowiedzi. Medycyna jest tak złożona, z tak wieloma różnymi zmiennymi do rozważenia, a sami lekarze są tak zróżnicowani pod względem tego, jak myślą i co wiedzą, że końcowy rezultat każdej konsultacji będzie często szalenie różny.

Jedną z rzeczy, którą zawsze trzeba oszacować w każdej indywidualnej konsultacji jest prawdopodobieństwo. Jakie jest prawdopodobieństwo, że guzek w piersi jest rakiem? Jakie jest prawdopodobieństwo, że gorączka jest spowodowana poważną infekcją bakteryjną? Kiedy stajemy przed tymi pytaniami, myślę, że większość lekarzy przypomina raczej doświadczonego szachistę niż robota. Działają pod wpływem przeczucia, a nie świadomego ważenia prawdopodobieństw. Lekarze o nerwowym usposobieniu zlecają więc więcej badań i przepisują więcej antybiotyków, podczas gdy ci o bardziej zrelaksowanym usposobieniu zlecają mniej badań i przepisują mniej antybiotyków.

Tylko jak dobry jest przeciętny lekarz?

Tego właśnie próbowało dowiedzieć się badanie opublikowane niedawno w JAMA Internal Medicine. Badanie zostało przeprowadzone w Stanach Zjednoczonych i sfinansowane przez National Institutes of Health. 492 lekarzy pracujących w podstawowej opiece zdrowotnej w różnych częściach Stanów Zjednoczonych wypełniło ankietę, w której musieli oszacować prawdopodobieństwo wystąpienia choroby w czterech różnych typowych sytuacjach klinicznych, zarówno przed, jak i po wykonaniu powszechnie stosowanego badania.

Sytuacje te obejmowały mammografię w kierunku raka piersi, badanie rentgenowskie w kierunku zapalenia płuc, posiew moczu w kierunku zakażenia dróg moczowych oraz badanie wysiłkowe serca w kierunku dławicy piersiowej. Dla każdego scenariusza lekarze otrzymywali winietę szczegółowo opisującą sytuację i zawierającą informacje o wieku, płci i podstawowych czynnikach ryzyka pacjenta. Na tej podstawie poproszono ich o oszacowanie prawdopodobieństwa wystąpienia choroby przed wykonaniem testu, a następnie po jego wykonaniu, zarówno w sytuacji, gdy wynik testu był pozytywny, jak i w sytuacji, gdy wynik testu był negatywny. Oto przykład z ankiety:

Pani Smith, uprzednio zdrowa 35-letnia kobieta paląca tytoń, zgłasza się z trwającym pięć dni zmęczeniem, męczącym kaszlem, nasilającą się dusznością, gorączką do 102 stopni Fahrenheita (38,9 stopni Celsjusza) i spłyconymi szmerami oddechowymi w prawym dolnym polu. Częstość akcji serca wynosi 105, ale poza tym parametry życiowe są prawidłowe. Pacjentka nie ma szczególnych preferencji dotyczących badań i prosi o twoją radę.

Jak prawdopodobne jest, że pani Smith ma zapalenie płuc na podstawie tych informacji? ___%

Zdjęcie rentgenowskie klatki piersiowej pani Smith wskazuje na zapalenie płuc. Jak prawdopodobne jest, że ma ona zapalenie płuc? ___%

Wynik prześwietlenia klatki piersiowej pani Smith jest negatywny. Jak prawdopodobne jest, że ma zapalenie płuc? ___%

Średni wiek uczestników wynosił 32 lata, a praktykę zawodową prowadzili średnio od trzech lat. Innymi słowy, byli to w większości młodzi lekarze, którzy niedawno ukończyli studia medyczne. Można sądzić, że poradziliby sobie lepiej z tego typu testem niż starsi lekarze, ponieważ to, czego nauczono ich na studiach medycznych, jest jeszcze stosunkowo świeże w ich pamięci, a także bardziej aktualne i poprawne. Dodatkowo, dzisiejsza szkoła medyczna kładzie nacisk na myślenie probabilistyczne i pojęcia takie jak czułość i swoistość w znacznie większym stopniu niż miało to miejsce w przeszłości.

Zatem, jakie były wyniki?

W scenariuszu z zapaleniem płuc lekarze przeszacowali prawdopodobieństwo wystąpienia zapalenia płuc przed testem o 78%. Innymi słowy, sądzili, że prawdopodobieństwo, że pacjent ma zapalenie płuc było prawie dwukrotnie większe niż w rzeczywistości. Niedobrze. Niestety, to był ich najlepszy wynik. Jeśli chodzi o anginę, przeszacowali prawdopodobieństwo przedtestowe o 148%. Jeśli chodzi o raka piersi, przeszacowali prawdopodobieństwo przedtestowe o 976% (tzn. myśleli, że jest on dziesięć razy bardziej prawdopodobny niż w rzeczywistości). A jeśli chodzi o scenariusz dotyczący infekcji dróg moczowych, przeszacowali oni prawdopodobieństwo przed testem o 4489%! (tzn. myśleli, że jest to 45 razy bardziej prawdopodobne niż było w rzeczywistości).

Kurczę! Czego w dzisiejszych czasach uczy się lekarzy w szkole medycznej?

Co moim zdaniem jest tu szczególnie interesujące, to fakt, że błąd był zawsze w tym samym kierunku - w każdym z czterech scenariuszy lekarze myśleli, że choroba jest bardziej prawdopodobna niż jest w rzeczywistości. Jeśli odzwierciedla to wyniki rzeczywistego świata, to oznaczałoby to, że lekarze prawdopodobnie angażują się w ogromną ilość nadmiernego leczenia. Oczywiście, jeśli myślisz, że pacjent prawdopodobnie ma infekcję dróg moczowych, przepiszesz mu antybiotyk. A jeśli myślisz, że pacjent prawdopodobnie ma anginę, przepiszesz mu azotan. Możesz nawet skierować pacjenta na jakąś procedurę interwencyjną.

Aby być uczciwym, badanie to przeprowadzono w nadmiernie spornych Stanach Zjednoczonych. Lekarze, którzy wiedzą, że prawdopodobnie będą musieli stawić czoła pozwom sądowym, jeśli przegapią diagnozę, prawdopodobnie będą przesadzać z diagnozowaniem i leczeniem. Ale moje osobiste doświadczenie mówi mi, że to nie jest tylko problem amerykański. Widziałem wielu pacjentów w Szwecji z bezobjawową kolonizacją dróg moczowych, którym przepisano niepotrzebne antybiotyki, że posłużę się tylko jednym przykładem. Myślę, że zawyżanie szacunków ma więcej wspólnego z uprzedzeniami poznawczymi niż z obawą przed procesem sądowym. Kiedy już zakotwiczysz się na diagnozie, powiedzmy zapaleniu płuc u kogoś z gorączką i kaszlem, prawie na pewno przeszacujesz prawdopodobieństwo tej diagnozy.

Idźmy dalej. Jeśli chodzi o to, jak bardzo test zmienia oszacowanie prawdopodobieństwa, lekarze przeszacowali efekt pozytywnego wyniku prześwietlenia płuc o 92%, mammografii o 90%, a testu wysiłkowego serca o 804%! Byli jednak stosunkowo dokładni, jeśli chodzi o szacowanie wpływu pozytywnego wyniku posiewu moczu, przeszacowując go jedynie o 10%.

Jeśli chodzi o to, jak bardzo ujemny wynik badania zmienia szacunkowe prawdopodobieństwo, lekarze rzeczywiście dobrze sobie radzili, będąc blisko celu zarówno w przypadku prześwietlenia klatki piersiowej, posiewu moczu, jak i kardiologicznego testu wysiłkowego, ale szalenie niedoszacowali wartości predykcyjnej ujemnego wyniku mammografii (innymi słowy, sądzili, że rak piersi jest znacznie bardziej prawdopodobny niż w rzeczywistości po otrzymaniu ujemnego wyniku mammografii, więc ponownie przeszacowali prawdopodobieństwo choroby).

Co możemy z tego wywnioskować? Lekarze dość słabo rozumieją, w jaki sposób testy, których używają, wpływają na prawdopodobieństwo choroby, i mocno przeszacowują prawdopodobieństwo choroby po pozytywnym wyniku testu. Są oni jednak ogólnie lepsi w rozumieniu wpływu testu negatywnego niż pozytywnego.

Wreszcie, w ankiecie poproszono lekarzy o rozważenie hipotetycznego scenariusza, w którym 1 na 1000 osób cierpi na pewną chorobę i oszacowanie prawdopodobieństwa wystąpienia choroby po uzyskaniu pozytywnego i negatywnego wyniku testu o czułości 100% i swoistości 95%. Czułość jest prawdopodobieństwem, że osoba z chorobą będzie miała pozytywny wynik testu. Swoistość jest prawdopodobieństwem, że osoba bez choroby będzie miała negatywny wynik testu.

Stali czytelnicy tego bloga nie będą mieli problemu z rozgryzieniem tego. Jeśli przebadasz 1000 osób, otrzymasz jeden wynik prawdziwie pozytywny (ponieważ czułość wynosi 100%, wyłapiesz każdy pojedynczy przypadek pozytywny) i 50 wyników fałszywie pozytywnych (przy specyficzności 95% oznacza to pięć wyników fałszywie pozytywnych na 100 przebadanych osób). Prawdopodobieństwo, że osoba z pozytywnym testem rzeczywiście będzie miała chorobę, wynosi więc około 2% (1/51).

Co więc odpowiedzieli lekarze?

Przeciętny lekarz w badaniu uważał, że szanse na to, że osoba z pozytywnym testem rzeczywiście ma chorobę wynosiły 95%. Innymi słowy, przeszacowali to prawdopodobieństwo o 4750%!

(tu jest dostępny arkusz na którym można przećwiczyć te wyliczenia https://bit.ly/3wIs6Eh)

Poza tym, uważali, że osoba z negatywnym testem nadal ma 3% prawdopodobieństwo choroby, mimo że czułość testu wynosiła 100% (co oznacza, że test nigdy nie zawodzi, jeśli chodzi o złapanie kogokolwiek z chorobą). Ups. Powinienem dodać, że nie było znaczących różnic w tym, jak poprawne odpowiedzi były między lekarzami prowadzącymi (bardziej doświadczeni lekarze) i stażystami (mniej doświadczeni lekarze).

Co z tego możemy wywnioskować?

Lekarze są do bani w szacowaniu prawdopodobieństwa wystąpienia powszechnych schorzeń w scenariuszach, z którymi stykają się na co dzień, nie potrafią prawidłowo interpretować testów, których używają, i nie rozumieją nawet bardzo podstawowych pojęć związanych z badaniami diagnostycznymi, takich jak czułość i swoistość. To trochę tak, jakby pilot nie potrafił odczytać wskaźnika wysokości. Bójcie się. Bardzo się bójcie.

Szkoły medyczne powinny długo i intensywnie myśleć o konsekwencjach tego badania. To, co mi mówi, to fakt, że edukacja medyczna wymaga gruntownego remontu, na równi z tym, który miał miejsce sto lat temu po raporcie Flexnera. Nie wysyłamy pilotów w powietrze bez upewnienia się, że mają pełne zrozumienie narzędzi, których używają. A jednak to właśnie robimy, jeśli chodzi o medycynę. Trzeba przyznać, że praktyka medyczna jest o wiele bardziej złożona niż latanie samolotem, ale nie sądzę, by zmieniało to zasadniczą kwestię.

autor:

Sebastian Rushworth, M.D.

źródła:

https://sebastianrushworth.com/2021/06/23/how-well-do-doctors-understand-probability/

https://jamanetwork.com/journals/jamainternalmedicine/fullarticle/2778364

https://bit.ly/3wIs6Eh