Доказательная медицина. Что, когда и зачем принимать

У каждого диагностического метода есть своего рода лекало, которому данный метод должен как можно лучше соответствовать. Это лекало называется «критериальным стандартом». Его еще называют «золотым стандартом», но в наше время такое название считается неверным. Слишком уж многое в области медицины стали называть этим термином, заимствованным у финансистов. В результате произошла девальвация – при словах «золотой стандарт» врачи морщатся и думают: «Ах, еще один!» Справедливости ради нужно отметить, что прилагательное «золотой» звучит лучше, чем царапающее слух слово «критериальный», но зато «критериальный» правильно отражает суть стандарта, являющегося набором диагностических критериев, позволяющих установить наличие заболевания.

У «кругового метода» из притчи индекс точности равнялся 67 %. Как, по-вашему, хороший это индекс или нет? Можно ли внедрять в практику диагностический метод, который позволяет ставить точный диагноз в 67 случаях из 100? (разумеется, речь идет не о казни по счету, а о нормальном, реальном диагностическом методе). Давайте представим, что вы – высокопоставленный сотрудник Министерства здравоохранения, которому предоставили информацию, касающуюся нового диагностического метода, для принятия решения о его практическом использовании. От вас зависит, получит отечественное здравоохранение новый метод диагностики с индексом точности 67 % или нет.

Не спешите отказываться от принятия решения, ссылаясь на незнание тонкостей. Это вопрос на сообразительность, уточняющий ваше личное отношение к цифре 67.

Правильный ответ будет таким: индекс точности сам по себе ничего не определяет. Более важное значение для медицинского менеджера высшего звена имеют такие качества, как чувствительность и специфичность. У идеального теста эти характеристики приближаются к 100 %. Менеджеру важнее знать, насколько хорош этот метод для выявления пациентов, имеющих данное заболевание, и для исключения пациентов, не имеющих заболевания. Какая часть всех тестов дала правильные результаты – это вопрос второго порядка.

И вот здесь, на границе соприкосновения чувствительности и специфичности, начинается самое интересное. Высокая чувствительность исключает высокую специфичность и наоборот. Высокая чувствительность проявляется в гипердиагностике – ошибочном заключении о наличии заболевания, а гипердиагностика снижает специфичность. В свою очередь высокая специфичность подразумевает, что диагноз должен выставляться только тем, кто болен вне всякого сомнения, на все 100 %. Такое условие снижает чувствительность. Приходится определять приоритеты, решать, чего больше хочется, условно говоря – приобрести капитал или же сохранить невинность.

Вам нужно максимальное выявление заболевания, такое, чтобы ни один больной не проскочил бы мимо (это очень важно при опасных инфекционных заболеваниях)? Тогда делайте ставку на чувствительность диагностического теста, а с издержками гипердиагностики будете бороться позже, в рабочем порядке. Ну а если же вам нужно отделить наверняка здоровых от больных и возможно больных, то ставку придется делать на специфичность. В одну телегу впрячь коня и трепетную лань, а в одном тесте совместить исключительную чувствительность с исключительной специфичностью невозможно. Понять и принять это поможет графическое изображение, получившее название ROC-кривой (от английского «receiver operating characteristic» – рабочая характеристика приемника), также известной как «кривая ошибок». ROC-кривые позволяют наглядно сопоставлять эффективность различных характеристик одного и того диагностического метода.

Графическое изображение взаимной противоречивости чувствительности и специфичности

Если сказать проще, то ROC-кривые показывают зависимость количества верно определенных положительных результатов от количества неверно определенных отрицательных результатов. Изменяемый параметр называется порогом отсечения. Для каждого значения порога отсечения, которое меняется от 0 до 1 с определенным шагом, рассчитываются значения чувствительности и специфичности, и строится график зависимости – по оси Y откладывается чувствительность, а по оси X – 100 % минус специфичность (а не просто специфичность, как можно подумать). В результате получается ROC-кривая. Также на графике вычерчивается диагональная прямая линия, которая соответствует полному совпадению значений х и у (y = x). Чем ближе ROC-кривая к верхнему левому углу, тем выше эффективность (предсказательная способность) модели, а чем ближе она расположена к диагональной прямой, тем эффективность меньше. Для идеальной в плане чувствительности модели ROC-кривая будет проходить через верхний левый угол, в котором доля истинно положительных случаев составляет 100 % (это идеальная чувствительность), а доля ложноположительных результатов равна 0.

Если вам не хочется вникать во всю эту графическо-математическую премудрость, то вы можете совершенно спокойно ее пропустить и продолжить чтение со слов «Пожалуй, довольно с нас математики».

«Точка баланса» между чувствительностью и специфичностью