Megkülönböztető diagnózis - Differential diagnosis

Megkülönböztető diagnózis
Háló	D003937
[ szerkesztés a Wikidatában ]

Az egészségügyben a differenciáldiagnosztika (rövidítve DDx ) a páciens kórtörténetének elemzése és a fizikális vizsgálat a helyes diagnózis elérése érdekében. Ez magában foglalja egy adott betegség vagy állapot megkülönböztetését másoktól, amelyek hasonló klinikai jellemzőkkel rendelkeznek. A klinikai orvosok differenciáldiagnosztikai eljárásokat alkalmaznak az adott betegség diagnosztizálására a páciensben , vagy legalábbis a közvetlen életveszélyes állapotok mérlegelésére. Gyakran a lehetséges betegségek minden egyes lehetőségét differenciáldiagnosztikának nevezik (pl. Az akut hörghurut differenciáldiagnózis lehet a köhögés értékelésében, még akkor is, ha a végső diagnózis közönséges megfázás ).

Általánosságban elmondható, hogy a differenciáldiagnosztikai eljárás egy szisztematikus diagnosztikai módszer, amelyet egy betegség entitás jelenlétének azonosítására használnak, ahol több alternatíva is lehetséges. Ez a módszer olyan algoritmusokat alkalmazhat, amelyek hasonlítanak az eliminációs folyamathoz , vagy legalábbis olyan információszerzési folyamathoz, amely elhanyagolható szintre zsugorítja a jelölt állapotok "valószínűségeit", bizonyítékok, például tünetek, betegtörténet és orvosi ismeretek felhasználásával az episztémia kiigazításához a diagnosztikus (vagy számítógépes vagy számítógéppel támogatott diagnózis esetén a rendszer szoftvere) fejében.

A differenciáldiagnosztika a hipotetikus-deduktív módszer megvalósítási aspektusainak tekinthető , abban az értelemben, hogy a jelölt betegségek vagy állapotok lehetséges jelenléte olyan hipotéziseknek tekinthető, amelyeket a klinikusok tovább igazolnak vagy hamisak.

A differenciáldiagnosztikát gyakran használják a pszichiátria/pszichológia területén is, ahol két különböző diagnózist lehet hozzárendelni egy olyan beteghez, aki bármelyik diagnózishoz illeszkedő tüneteket mutat. Például egy bipoláris zavarral diagnosztizált betegnek a borderline személyiségzavar differenciáldiagnosztikáját is megadhatják, tekintettel a két állapot tüneteinek hasonlóságára.

A differenciáldiagnosztikai lista elkészítéséhez használt stratégiák az egészségügyi szolgáltató tapasztalataitól függően változnak. Míg a kezdő szolgáltatók szisztematikusan dolgozhatnak a beteg aggályainak minden lehetséges magyarázatának felmérésén, a több tapasztalattal rendelkezők gyakran a klinikai tapasztalatokra és a mintafelismerésre támaszkodnak, hogy megvédjék a beteget a késedelmektől, a kockázatoktól és a nem hatékony stratégiák vagy tesztek költségeitől. A hatékony szolgáltatók bizonyítékokon alapuló megközelítést alkalmaznak, kiegészítve klinikai tapasztalataikat a klinikai kutatásokból származó ismeretekkel.

Általános összetevők

A differenciáldiagnózisnak négy általános lépése van. A klinikus:

1. Gyűjtsön releváns információkat a páciensről, és hozzon létre egy tünetlistát.
2. Sorolja fel a tünetek lehetséges okait ( jelölt állapotokat ). A listának nem kell írásban lennie.
3. A lista prioritását úgy határozza meg, hogy egyensúlyba hozza a diagnózis kockázatát a valószínűséggel. Ezek szubjektív, nem objektív paraméterek.
4. Végezzen vizsgálatokat a tényleges diagnózis meghatározásához. Ezt a "kizárni" köznyelvi kifejezés ismeri. Még a folyamat után sem egyértelmű a diagnózis. A klinikus ismét megfontolja a kockázatokat, és empirikusan kezelheti őket, gyakran „oktatott legjobb találgatásnak” nevezik.

A VINDICATE'M egy emlékeztető, amely segítséget nyújt több lehetséges kóros folyamat mérlegelésében :

• V aszkuláris
• I nflammatory/ I nfectious
• N eoplasztikus
• D egeneratív/ D hatékonyság/ D szőnyegek
• I diopathic/ I ntoxication/ I atrogenic
• C veleszületett
• Egy utoimmun/ A allergiás/ A natomikus
• T raumatikus
• E ndocrine/ E nvironmental
• M etabolikus

Specifikus módszerek

Számos módszer létezik a differenciáldiagnosztikai eljárásokra, és ezek közül több változat is létezik. Ezenkívül a differenciáldiagnosztikai eljárás protokollokkal, iránymutatásokkal vagy más diagnosztikai eljárásokkal (például mintázatfelismeréssel vagy orvosi algoritmusokkal ) együtt vagy felváltva is alkalmazható .

Például orvosi vészhelyzet esetén előfordulhat, hogy nincs elegendő idő a különböző valószínűségek részletes kiszámítására vagy becslésére, ebben az esetben az ABC protokoll ( légút, légzés és keringés ) megfelelőbb lehet. Később, amikor a helyzet kevésbé akut, átfogóbb differenciáldiagnosztikai eljárást lehet alkalmazni.

A differenciáldiagnosztikai eljárás leegyszerűsíthető, ha „ patognomonikus ” jelet vagy tünetet találnak (ebben az esetben szinte biztos, hogy a célállapot jelen van), vagy ha nincs „ sine qua non” jel vagy tünet (ebben az esetben szinte biztos, hogy a célfeltétel hiányzik).

A diagnosztikus lehet szelektív, először figyelembe véve azokat a rendellenességeket, amelyek valószínűbbek (valószínűségi megközelítés), súlyosabbak, ha nem diagnosztizálják és nem kezelik őket (prognosztikus megközelítés), vagy jobban reagálnak a kezelésre, ha felajánlják (pragmatikus megközelítés). Mivel a feltétel szubjektív valószínűsége sosem pontosan 100% vagy 0%, a differenciáldiagnosztikai eljárás célja lehet ezeknek a különböző valószínűségeknek a meghatározása a további cselekvésre utaló jelek kialakítása érdekében.

Az alábbiakban két differenciáldiagnosztikai módszert ismertetünk, amelyek a járványtanon és a valószínűségi arányokon alapulnak.

Epidemiológiai alapú módszer

Az egyik módszer a differenciáldiagnosztika epidemiológiai vizsgálatának célja, hogy megbecsülje az egyes jelölt állapotok valószínűségét azáltal, hogy összehasonlítja azok valószínűségét, amelyek először megtörténtek az egyénben. Mind a bemutatással kapcsolatos valószínűségeken (például fájdalom), mind a különböző jelölt állapotok (például betegségek) valószínűségein alapul.

Elmélet

A differenciáldiagnózis statisztikai alapja Bayes tétele . Hasonlóképpen, ha egy kockával megérkezik, az eredmény 100%-ban biztos, de annak valószínűsége, hogy először megtörtént volna (a továbbiakban rövidítve WHOIFP ), továbbra is 1/6. Ugyanígy, a valószínűsége, hogy egy prezentációt vagy állapot bekövetkezett volna az első helyen az egyén (WHOIFPI) nem ugyanaz, mint annak a valószínűsége, hogy a bemutató vagy állapot már előfordult az egyén, mert az előadás már bekövetkezett 100% bizonyosság az egyénben. Mégis, az egyes feltételek járulékos valószínűségi töredékeit azonosnak feltételezzük, viszonylag:

${\ displaystyle {\ begin {aligned} & {\ frac {\ Pr ({\ text {A prezentációt a feltétel okozza az egyénben}}})} {\ Pr ({\ text {A prezentáció megtörtént az egyénben}}}}}) = {\ frac {\ Pr ({\ text {Presentation WHOIFPI by condition}})}} {\ Pr ({\ text {Presentation WHOIFPI}}}}}} \ end {aligned}}}$

ahol:

• Pr (A prezentációt egy személy által előidézett állapot okozza) annak a valószínűsége, hogy a prezentációt az egyéni állapot feltétele okozza, további specifikáció nélkül, bármely jelölt feltételre utal
• Pr (a prezentáció egyénileg történt) annak a valószínűsége, hogy a prezentáció az egyénben megtörtént, ami érzékelhető és ezáltal 100% -ra állítható
• A Pr (prezentáció WHOIFPI feltétel szerint) annak a valószínűsége, hogy a prezentáció először az Egyénben történt állapot szerint
• A Pr (Presentation WHOIFPI) annak a valószínűsége, hogy a prezentáció először megtörtént volna az egyénben

Ha az egyén tünetekkel vagy előjelekkel jelentkezik, a Pr (megjelenés az egyénben) 100%, ezért 1 -re cserélhető, és figyelmen kívül hagyható, mivel az 1 -gyel való osztás nem jelent különbséget:

${\ displaystyle \ Pr ({\ text {A prezentációt az állapot okozza az egyénben}})) = {\ frac {\ Pr ({\ text {Presentation WHOIFPI by condition}}))} {\ Pr ({\ text {Presentation WHOIFPI }})}}}$

A bemutatás teljes valószínűsége az egyénben megközelíthető az egyéni jelölt feltételek összegeként:

${\ displaystyle {\ begin {aligned} \ Pr ({\ text {Presentation WHOIFPI}}) & = \ Pr ({\ text {WHOIFPI 1 feltétel szerinti feltétel}}}) \\ & {}+\ Pr ({\ text {WHOIFPI bemutatása 2 feltétel szerint}}}) \\ & {}+\ Pr ({\ text {WHOIFPI prezentáció 3 feltétel szerint}})+{\ text {stb.}} \ End {aligned}}}$

Továbbá annak valószínűsége, hogy a bemutatót bármely jelölt feltétel okozta, arányos az állapot valószínűségével, attól függően, hogy milyen arányban okozza a prezentációt:

${\ displaystyle \ Pr ({\ text {Presentation WHOIFPI by condition}}) = \ Pr ({\ text {Condition WHOIFPI}}) \ cdot r _ {{\ text {condition}} \ rightarrow {\ text {prezentáció}} },}$

ahol:

• A Pr (prezentáció WHOIFPI feltétel szerint) annak a valószínűsége, hogy a prezentáció először az Egyénben történt állapot szerint
• A Pr (feltétel WHOIFPI) annak a valószínűsége, hogy a feltétel először bekövetkezett volna az egyénben
• r _{Feltétel → prezentáció} az az arány, amellyel egy állapot előidézi a prezentációt, vagyis a feltételes állapotú emberek töredéke, amely a prezentációval együtt nyilvánul meg.

Annak a valószínűsége, hogy a feltétel bekövetkezett volna az első helyen az egyén nagyjából azonos legyen a lakosság, ami olyan, mint az egyén, mint lehetséges, kivéve az aktuális előadás, kompenzált lehetőség szerint a relatív kockázat által ismert kockázati tényező , hogy megkülönböztetni az egyént a lakosságtól:

${\ displaystyle \ Pr ({\ text {Condition WHOIFPI}}) \ kb RR _ {\ text {condition}} \ cdot \ Pr ({\ text {Állapot a populációban}}),}$

ahol:

• A Pr (feltétel WHOIFPI) annak a valószínűsége, hogy a feltétel először bekövetkezett volna az egyénben
• Az RR _állapot az _állapot relatív kockázata , amelyet az egyénben ismert , a populációban nem szereplő kockázati tényezők adnak
• Pr (Állapot a populációban) annak a valószínűsége, hogy az állapot egy olyan populációban fordul elő, amely a megjelenést leszámítva a lehető legközelebb áll az egyénhez

Az alábbi táblázat bemutatja, hogyan hozhatók létre ezek az összefüggések egy sor jelölt feltétel esetén:

	A jelölt állapota 1	A jelölt állapota 2	A jelölt állapota 3
Pr (állapot a populációban)	Pr (1. állapot a populációban)	Pr (2. állapot a populációban)	Pr (3. állapot a populációban)
RR állapot	RR 1	RR 2	RR 3
Pr (WHOIFPI állapot)	Pr (1. feltétel WHOIFPI)	Pr (2. feltétel WHOIFPI)	P (3. feltétel WHOIFPI)
r Állapot → bemutató	r 1. feltétel → prezentáció	r 2. feltétel → bemutatás	r 3. feltétel → bemutatás
Pr (WHOIFPI bemutatása feltétel szerint)	Pr (WHOIFPI bemutatása az 1. feltétel szerint)	Pr (WHOIFPI bemutatása a 2. feltétel szerint)	Pr (WHOIFPI bemutatása a 3. feltétel szerint)
Pr (Presentation WHOIFPI) = a valószínűségek összege a fenti sorban
Pr (A prezentációt az egyén állapota okozza)	Pr (A bemutatót az 1. feltétel okozza egyénben)	Pr (A bemutatót a 2. feltétel okozza egyénben)	Pr (A bemutatót a 3. feltétel okozza egyénileg)

Egy további "jelölt feltétel" az az eset, amikor nincs rendellenesség, és a bemutatás csak egy (általában viszonylag valószínűtlen) megjelenése egy alapvetően normális állapotnak. Ennek valószínűsége a populációban ( P (Nincs rendellenesség a populációban) ) kiegészíti a "rendellenes" jelöltfeltételek valószínűségeinek összegét.

Példa

Ez a példaeset bemutatja, hogyan alkalmazzák ezt a módszert, de nem jelent iránymutatást a hasonló valós esetek kezelésére. Ezenkívül a példa viszonylag meghatározott számokat használ, néha több tizedes tizedessel , míg a valóságban gyakran csak durva becslések vannak, például a valószínűségek nagyon magasak , magasak , alacsonyak vagy nagyon alacsonyak , de továbbra is a módszer általános elveit használják.

Egyén esetében (aki ebben a példában "beteg" lesz), például a szérum kalcium vérvizsgálata a standard referenciatartomány feletti eredményt mutat , amely a legtöbb definíció szerint hiperkalcémiának minősül, és ez lesz a "bemutatás" ebben az esetben. Egy klinikus (aki ebben a példában a "diagnosztikus" lesz), aki jelenleg nem látja a beteget, értesül a megállapításáról.

Gyakorlati okokból a klinikus úgy véli, hogy elegendő vizsgálati indikáció van ahhoz , hogy megnézze a beteg orvosi nyilvántartásait . Az egyszerűség kedvéért tegyük fel, hogy az orvosi nyilvántartásban csak az elsődleges hyperparathyreosis (itt rövidítve PH) családtörténete szerepel , ami megmagyarázhatja a hypercalcaemia megállapítását. Tegyük fel, hogy ennél a betegnél az eredő örökletes kockázati tényező becslések szerint 10 -es relatív kockázatot jelent (RR _PH = 10).

A klinikus úgy véli, hogy elegendő motiváció van a differenciáldiagnosztikai eljárás elvégzésére a hiperkalcémia megállapításához. A hiperkalcémia fő okai az elsődleges hyperparathyreosis (PH) és a rák , így az egyszerűség kedvéért a klinikai orvos által elképzelhető jelölt állapotok listája a következőképpen adható meg:

• Primer hyperparathyreosis (PH)
• Rák
• Egyéb betegségek, amelyekre az orvos gondolhat (ezt a példát a továbbiakban egyszerűen "más állapotoknak" nevezzük)
• Nincs betegség (vagy nincs rendellenesség), és a megállapítást teljes egészében a statisztikai változékonyság okozza

Annak a valószínűsége, hogy az „elsődleges hyperparathyreosis” (PH) először az egyénben jelentkezett volna ( P (PH WHOIFPI) ), a következőképpen számítható ki:

Tegyük fel, hogy a páciens által végzett utolsó vérvizsgálat fél évvel ezelőtt volt, és normális volt, és hogy az elsődleges hyperparathyreosis gyakorisága az általános populációban megfelelően illeszkedik az egyénhez (kivéve a bemutatást és az említett öröklődést) évente 1: 4000. Ha figyelmen kívül hagyjuk a részletesebb retrospektív elemzéseket (például a betegség előrehaladásának sebességét és az orvosi diagnózis késleltetési idejét ), az elsődleges hyperparathyreosis kialakulásának kockázata nagyjából az utolsó fél évnek tekinthető, mivel a korábban kialakult hypercalcaemia valószínűleg utolérte az előző vérvétel. Ez megfelel a primer hyperparathyreosis (PH) valószínűségének a következő populációban:

${\ displaystyle \ Pr ({\ text {PH a populációban}}}) = 0,5 {\ text {years}} \ cdot {\ frac {1} {\ text {4000 évente}}} = {\ frac {1} {8000}}}$

A családi anamnézisből adódó relatív kockázatok mellett annak valószínűsége, hogy a jelenleg rendelkezésre álló információk alapján elsődleges hyperparathyreosis (PH) következett volna be az egyénben:

${\ displaystyle \ Pr ({\ text {PH WHOIFPI}}) \ kb RR_ {PH} \ cdot \ Pr ({\ text {PH a populációban}}) = 10 \ cdot {\ frac {1} {8000}} = {\ frac {1} {800}} = 0,00125}$

Az elsődleges hyperparathyreosis feltételezhető, hogy az esetek 100% -ában hiperkalcémiát okoz (r _{PH → hiperkalcémia} = 1), így az elsődleges hyperparathyreosis (PH) függetlenül kiszámított valószínűsége megegyezik a valószínűséggel, hogy bemutatás:

${\ displaystyle {\ begin {aligned} \ Pr ({\ text {Hypercalcemia WHOIFPI by PH}}) & = \ Pr ({\ text {PH WHOIFPI}}) \ cdot r _ {{\ text {PH}} \ rightarrow {\ text {hiperkalcémia}}} \\ & = 0,00125 \ cdot 1 = 0,00125 \ vége {igazítva}}}$

A rák esetében az egyszerűség kedvéért ugyanazt a veszélyeztetett időt feltételezzük, és tegyük fel, hogy a területen a rák előfordulási gyakoriságát évente 1-ről 250-re becsülik, ami a következő populációk rákos valószínűségét adja:

${\ displaystyle \ Pr ({\ text {rák a populációban}}}) = 0,5 {\ text {years}} \ cdot {\ frac {1} {\ text {250 évente}}} = {\ frac {1} {500}}}$

Az egyszerűség kedvéért tegyük fel, hogy az elsődleges hyperparathyreosis családtörténete és a rák kockázata közötti összefüggést figyelmen kívül hagyják, így az egyén relatív kockázata elsősorban a populációéhoz hasonló (RR _rák = 1) :

${\ displaystyle \ Pr ({\ text {rák WHOIFPI}}) \ kb RR _ {\ text {rák}} \ cdot \ Pr ({\ text {rák a populációban}}) = 1 \ cdot {\ frac {1} {500}} = {\ frac {1} {500}} = 0,002.}$

A hiperkalcémia azonban csak a rákok körülbelül 10% -ában fordul elő (r _{rák → hiperkalcémia} = 0,1), tehát:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {Hypercalcemia WHOIFPI by cancer}}}) \\ = & \ Pr ({\ text {cancer WHOIFPI}})) \ cdot r _ {{\ text {cancer} } \ jobbra nyíl {\ text {hiperkalcémia}}} \\ = & 0,002 \ cdot 0,1 = 0,0002. \ end {aligned}}}$

Hasonló módon lehet kiszámítani annak valószínűségét, hogy a hiperkalcémia először más jelöltfeltételek miatt következett volna be. Az egyszerűség kedvéért azonban tegyük fel, hogy ennek a valószínűsége, hogy ezek közül bármelyik megtörtént volna, ebben a példában 0,0005.

Ha nincs betegség , a populáció megfelelő valószínűsége kiegészíti az egyéb állapotok valószínűségeinek összegét:

${\ displaystyle {\ begin {aligned} \ Pr ({\ text {nincs betegség a populációban}}) & = 1- \ Pr ({\ text {PH a populációban}}))-\ Pr ({\ text {rák lakosság}}) \\ & {} \ quad -\ Pr ({\ text {egyéb feltételek a populációban}}) \\ & {} = 0,997. \ end {aligned}}}$

Annak valószínűsége, hogy az egyén eleinte egészséges lenne, azonosnak tekinthető:

${\ displaystyle \ Pr ({\ text {no disease WHOIFPI}}) = 0,997. \,}$

A normál referenciatartomány meghatározása szerint az az arány, amellyel a rendellenes állapot hiánya még mindig a standard referenciatartomány feletti szérum kalcium mérését eredményezi (ezáltal hiperkalcémiának minősül), kevesebb, mint 2,5%. Ez a valószínűség azonban tovább pontosítható, ha figyelembe vesszük, hogy a mérés mennyiben tér el a standard referenciatartomány átlagától. Tegyük fel, hogy a szérum kalciumszint mérése 1,30 mmol/l volt, ami 1,05–1,25 mmol/l szabványos referenciatartomány mellett 3 -as pontszámnak és 0,14% -os valószínűségének felel meg, hogy ilyen fokú hiperkalcémia alakulhat ki. először rendellenesség hiányában következett be:

${\ displaystyle r _ {{\ text {no disease}} \ rightarrow {\ text {hypercalcaemia}}} = 0,0014}$

Ezt követően annak valószínűsége, hogy a hiperkalcémia nem betegség következménye lett volna, a következőképpen számítható ki:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {Hypercalcemia WHOIFPI by no disease}}}) \\ = & \ Pr ({\ text {no disease WHOIFPI}}}) \ cdot r _ {{text { nincs betegség}} \ jobbra nyíl {\ text {hiperkalcémia}}} \\ = & 0,997 \ cdot 0,0014 \ kb.$

Annak a valószínűsége, hogy a hiperkalcémia először is bekövetkezett volna az egyénben, így kiszámítható:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {hypercalcemia WHOIFPI}}) \\ = & \ Pr ({\ text {hypercalcaemia WHOIFPI by PH}})+\ Pr ({\ text {hypercalcaemia WHOIFPI rák által}})) \\ & {}+\ Pr ({\ text {hiperkalcémia WHOIFPI más feltételek mellett}}})+\ Pr ({\ text {hiperkalcémia WHOIFPI nem betegség}}}) \\ = & 0,00125+0,0002 +0,0005+0,0014 = 0,00335 \ vége {igazított}}}$

Ezt követően annak valószínűsége, hogy a hiperkalcémiát az elsődleges hyperparathyreosis (PH) okozza az egyénben, a következőképpen számítható ki:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {a hiperkalcémiát a PH okozza egyénben}})) \\ = & {\ frac {\ Pr ({\ text {hypercalcaemia WHOIFPI by PH}}}} {\ Pr ({\ text {hypercalcaemia WHOIFPI}})}}} \\ = & {\ frac {0.00125} {0.00335}} = 0.373 = 37.3 \%\ end {aligned}}}$

Hasonlóképpen, annak valószínűsége, hogy a hiperkalcémiát rák okozza az egyénben, a következőképpen számítható ki:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {a hiperkalcémiát a rák okozza egyénben}})) \\ = & {\ frac {\ Pr ({\ text {hypercalcaemia WHOIFPI by rák}}}} {\ Pr ({\ text {hypercalcaemia WHOIFPI}})}}} \\ = & {\ frac {0,0002} {0,00335}} = 0,060 = 6,0 \%, \ end {aligned}}}$

és egyéb jelöltfeltételek esetén:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {a hiperkalcémiát az egyén más körülményei okozzák}}}) \\ = & {\ frac {\ Pr ({\ text {hiperkalcémia WHOIFPI más feltételek}}} )} {\ Pr ({\ text {hypercalcaemia WHOIFPI}})}}} \\ = & {\ frac {0,0005} {0,00335}} = 0,149 = 14,9 \%, \ end {aligned}}}$

és annak valószínűsége, hogy valójában nincs betegség:

${\ displaystyle {\ begin {aligned} & \ Pr ({\ text {hiperkalcémia jelen van annak ellenére, hogy nincs megbetegedés az egyénben}})) \\ = & {\ frac {\ Pr ({\ text {hypercalcaemia WHOIFPI by no disease}} )} {\ Pr ({\ text {hypercalcaemia WHOIFPI}})}}} \\ = & {\ frac {0.0014} {0.00335}} = 0.418 = 41.8 \%\ end {aligned}}}$

A tisztázás érdekében ezeket a számításokat táblázatként adjuk meg a módszer leírásában:

	PH	Rák	Más feltételek	Nincs betegség
P (állapot a populációban)	0,000125	0,002	-	0,997
RR x	10	1	-	-
P (WHOIFPI állapot)	0,00125	0,002	-	-
r Állapot → hiperkalcémia	1	0,1	-	0,0014
P (hiperkalcémia WHOIFPI állapot szerint)	0,00125	0,0002	0,0005	0,0014
P (hiperkalcémia WHOIFPI) = 0,00335
P (a hiperkalcémiát az egyén állapota okozza)	37,3%	6,0%	14,9%	41,8%

Így ez a módszer úgy becsüli, hogy annak valószínűsége, hogy a hiperkalcémiát elsődleges hyperparathyreosis, rák, más állapotok okozzák, vagy egyáltalán nincs betegség, 37,3%, 6,0%, 14,9%és 41,8%, amelyek felhasználhatók további vizsgálatok becslésére. jelzések.

Ezt az esetet a következő részben leírt módszer példájában folytatjuk.

Valószínűségi arányon alapuló módszer

A differenciáldiagnosztika rendkívül bonyolult lehet, ha további vizsgálatokat és kezeléseket vesz figyelembe. Az egyik módszer, amely némileg kompromisszum a klinikailag tökéletes és a viszonylag egyszerű kiszámítás között, olyan, amely a valószínűségi arányokat használja a későbbi teszt utáni valószínűségek levezetéséhez.

Elmélet

Az egyes jelöltfeltételek kezdeti valószínűségeit különböző módszerekkel lehet megbecsülni, például:

• Az epidemiológia szerint az előző részben leírtak szerint.
• Klinika-specifikus mintázatfelismeréssel , például statisztikailag tudva, hogy azok a betegek, akik statisztikailag egy adott klinikára érkeznek egy adott panasszal, különös valószínűséggel rendelkeznek minden jelöltbetegséggel.

Az egyik módszer a valószínűségek becslésére még további tesztek után is a valószínűségi arányokat (amelyek az érzékenységekből és sajátosságokból származnak ) szorzótényezőként használják minden teszt vagy eljárás után. Egy ideális világban minden érzékenységet és sajátosságot megállapítanának minden lehetséges patológiás állapot vizsgálatára. A valóságban azonban ezeket a paramétereket csak az egyik jelölt feltételhez lehet megállapítani. Szorzása likelihood arányok szükségessé teszi átalakítása valószínűségek a valószínűségek a esélye javára (a továbbiakban egyszerűen csak úgynevezett „esélye”) által:

${\ displaystyle {\ text {odds}} = {\ frac {\ text {valószínűség}} {1-{\ text {valószínűség}}}}}$

Ennek az átalakításnak azonban csak az ismert valószínűségi aránnyal rendelkező jelöltfeltételekre van szüksége. Szorzás után a valószínűségre való visszaállítást a következőképpen számítják ki:

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

A többi jelöltfeltétel (amelyek esetében nincs megállapított valószínűségi arány az adott teszthez) az egyszerűség kedvéért kiigazítható úgy, hogy az összes jelöltfeltételt később megszorozzuk egy közös tényezővel, hogy ismét 100%-os összeget kapjunk.

A kapott valószínűségeket további orvosi vizsgálatok , kezelések vagy egyéb műveletek indikációinak becslésére használják . Ha van jelzés egy további tesztre, és az eredményt ad vissza, akkor az eljárást megismétlik a kiegészítő teszt valószínűségi arányával. Az egyes jelöltfeltételekre vonatkozó frissített valószínűségekkel a további tesztek, kezelések vagy egyéb műveletek indikációi is megváltoznak, és így az eljárás megismételhető olyan végpontig, ahol már nincs jelzés a további műveletek végrehajtására. Az ilyen végpont főként akkor fordul elő, ha egy jelöltfeltétel annyira bizonyos lesz, hogy nem találunk olyan tesztet, amely elég erős ahhoz, hogy a relatív valószínűségi profilt eléggé megváltoztassa a további cselekvések megváltoztatásához. Az ilyen végpont elérésének taktikája a lehető legkevesebb teszttel magában foglalja a magas specificitású tesztek elvégzését az amúgy is kiemelkedően magas profilú relatív valószínűség körülményei között, mivel az ilyen tesztek pozitív valószínűsége nagyon magas, így minden kevésbé valószínű feltétel viszonylag viszonylag magas. kisebb valószínűségek. Alternatív megoldásként a versengő jelöltfeltételek iránti nagy érzékenységű tesztek nagy valószínűségi mutatóval negatívak , ami elhanyagolható szintre hozhatja a versengő jelöltfeltételek valószínűségét. Ha ilyen elhanyagolható valószínűségeket sikerül elérni, az orvos kizárhatja ezeket a feltételeket, és csak a fennmaradó jelölt állapotokkal folytathatja a differenciáldiagnosztikai eljárást.

Példa

Ez a példa ugyanazon beteg esetében folytatódik, mint az epidemiológiai alapú módszer példájában. Az epidemiológián alapuló módszer előző példájához hasonlóan ez a példamutatás is ennek a módszernek a bemutatására szolgál, de nem jelent iránymutatást a hasonló valós esetek kezeléséhez. Ezenkívül a példa viszonylag meghatározott számokat használ, míg a valóságban gyakran csak durva becslések vannak. Ebben a példában az egyes jelöltfeltételek valószínűségeit epidemiológiai alapú módszerrel állapították meg, amelyek a következők:

	PH	Rák	Más feltételek	Nincs betegség
Valószínűség	37,3%	6,0%	14,9%	41,8%

Ezeket a százalékokat az adott klinikán szerzett tapasztalatok alapján is megállapíthatták, tudva, hogy ezek azok a százalékok a végső diagnózishoz, amelyeket azoknak az embereknek mutatnak be, akik hiperkalcémiával jelentkeznek a klinikán, és akiknek családjában előfordult elsődleges hyperparathyreosis.

A legnagyobb profil-relatív valószínűség feltétele (kivéve a "nincs betegség") az elsődleges hyperparathyreosis (PH), de a rák továbbra is komoly aggodalomra ad okot, mert ha ez a hiperkalcémia tényleges kiváltó feltétele, akkor a kezelés vagy a kezelés választása nem valószínű, hogy életet vagy halált jelent a beteg számára, valójában potenciálisan hasonló szintre állítja az indikációt mindkét állapot további vizsgálataihoz.

Tegyük fel, hogy a klinikus úgy véli, hogy a profil relatív valószínűsége elegendő aggodalomra ad okot ahhoz, hogy jelezze a páciensnek a klinikai látogatásra való felkérését, és további látogatást tesz az orvosi laboratóriumban további vérvizsgálat céljából, kiegészítve további elemzésekkel, beleértve a mellékpajzsmirigyet hormon az elsődleges hyperparathyreosis gyanúja miatt.

Az egyszerűség kedvéért tegyük fel, hogy a klinikus először megkapja a vérvizsgálat ("BT" rövidítésű képletekben) eredményét a mellékpajzsmirigy -elemzéshez, és azt mutatta, hogy a mellékpajzsmirigy -hormon szintje magasabb, mint a kalciumszint által elvárt.

Becslések szerint egy ilyen konstelláció érzékenysége megközelítőleg 70%, specifitása pedig körülbelül 90% az elsődleges hyperparathyreosis esetében. Ez 7 -es valószínűségi mutatót eredményez az elsődleges hyperparathyreosis esetében.

Az elsődleges hyperparathyreosis valószínűségét ma Pre-BT _PH - nak nevezik, mert ez megfelel a vérvizsgálat előtti időszaknak (a latin preposition prae azt jelenti). 37,3%-ra becsülték, ami 0,595 -ös szorzónak felel meg. Ha a valószínűségi mutató 7 pozitív a vérvizsgálat során, a vizsgálat utáni esélyeket a következőképpen kell kiszámítani:

${\ displaystyle \ operatornév {Odds} ({\ text {PostBT}} _ {PH}) = \ operatorname {Odds} ({\ text {PreBT}} _ {PH}) \ cdot LH (BT) = 0,595 \ cdot 7 = 4,16,}$

ahol:

• Az esély (PostBT _PH ) az esélye az elsődleges hyperparathyreosisnak a mellékpajzsmirigy hormon vérvizsgálata után
• Odds (PreBT _PH van az esélye javára primer hyperparathyreosis előtt vérvizsgálat paratiroid hormon
• Az LH (BT) a valószínűségi arány pozitív a mellékpajzsmirigy hormon vérvizsgálatához

A 4.16 -os oddsot (PostBT _PH ) ismét a megfelelő valószínűséggé alakítja át:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {PH}) = {\ frac {\ operatorname {Odds} ({\ text {PostBT}} _ {PH})} {\ operatornév {Odds} ({ \ text {PostBT}} _ {PH})+1}} = {\ frac {4,16} {4,16+1}} = 0,806 = 80,6 \%}$

A valószínűségösszegnek tehát a többi jelölt feltétel esetén a következőnek kell lennie:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {rest}) = 100 \%-80,6 \%= 19,4 \%}$

A mellékpajzsmirigy -hormon vérvizsgálata előtt valószínűségeik összege:

${\ displaystyle \ Pr ({\ text {PreBT}} _ {\ text {rest}}) = 6,0 \%+14,9 \%+41,8 \%= 62,7 \%}$

Ezért ahhoz, hogy az összes jelöltfeltétel 100% -ának megfeleljen, a többi jelöltet meg kell szorozni egy korrekciós tényezővel:

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

Például a rák valószínűségét a vizsgálat után a következőképpen számítják ki:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {\ text {rák}}) = \ Pr ({\ text {PreBT}} _ {\ text {rák}}) \ cdot {\ text {Javító tényező }} = 6,0 \%\ cdot 0,309 = 1,9 \%}$

Az egyes jelölt állapotok valószínűségeit a vérvétel előtt és után az alábbi táblázat tartalmazza:

	PH	Rák	Más feltételek	Nincs betegség
P (PreBT)	37,3%	6,0%	14,9%	41,8%
P (PostBT)	80,6%	1,9%	4,6%	12,9%

Ezek az "új" százalékok, beleértve a primer hyperparathyreosis 80% -os profil-relatív valószínűségét, alapul szolgálnak a további vizsgálatokra, kezelésekre vagy egyéb műveletekre vonatkozó jelzésekhez. Ebben az esetben mondjuk, hogy az orvos továbbra is a terv, hogy a beteg részt vegyen a klinikus látogatás további kivizsgálás, különösen koncentrált primer hyperparathyreosis.

A klinikus látogatás elméletileg tekinthető egy tesztsorozatot, beleértve a kérdéseket a kórtörténet , valamint alkatrészek egy fizikális vizsgálat , ahol a vizsgálat utáni valószínűsége egy korábbi vizsgálat, lehet használni, mint a pre- teszt valószínűsége a következő. A következő teszt kiválasztásának jelzéseit dinamikusan befolyásolják a korábbi tesztek eredményei.

Tegyük fel, hogy ebben a példában a páciensről kiderült, hogy a depresszió, a csontfájdalom, az ízületi fájdalom vagy a székrekedés legalább néhány tünete és jele súlyosabb, mint maga a hiperkalcémia, ami alátámasztja az elsődleges hyperparathyreosis gyanúját, és tegyük fel, hogy a tesztek valószínűségi arányai együttesen megszorozva nagyjából 6 szorzatot eredményeznek az elsődleges hyperparathyreosis esetében.

A nem specifikus kóros tünetek és jelek jelenléte a történelemben és a vizsgálatokban gyakran egyidejűleg rákot is jelez, és tegyük fel, hogy a tesztek a rák valószínűségét 1,5 -re becsülték. Más állapotok esetében, valamint abban az esetben, ha egyáltalán nincs betegségük, tegyük fel, hogy ismeretlen, hogyan befolyásolják őket a kéznél lévő tesztek, mint gyakran a valóságban. Ez a következő eredményeket adja a történelemhez és a fizikális vizsgálathoz (rövidítve P&E):

	PH	Rák	Más feltételek	Nincs betegség
P (PreH & E)	80,6%	1,9%	4,6%	12,9%
Esélyek (PreH & E)	4.15	0,019	0,048	0,148
Valószínűségi arány H&E szerint	6	1.5	-	-
Esélyek (PostH & E)	24.9	0,0285	-	-
P (PostH & E)	96,1%	2,8%	-	-
Az ismert P (PostH & E) összege	98,9%
A többi összege P (PostH & E)	1,1%
A többi összege P (PreH & E)	4,6% + 12,9% = 17,5%
Javító tényező	1,1% / 17,5% = 0,063
Javítás után	-	-	0,3%	0,8%
P (PostH & E)	96,1%	2,8%	0,3%	0,8%

Ezek a valószínűségek a kórtörténet és a vizsgálat után elég magabiztossá tehetik az orvost, hogy megtervezze a beteget a műtétre a parathyroidectomiára az érintett szövet eltávolítására.

Ezen a ponton az "egyéb állapotok" valószínűsége olyan kicsi, hogy az orvos nem tud olyan vizsgálatot elképzelni számukra, amely olyan lényeges különbséget eredményezne, amely elegendő ahhoz, hogy indikációt adjon egy ilyen vizsgálathoz , és az orvos ezáltal gyakorlatilag figyelembe veszi " egyéb feltételek ", mint kizárt, ebben az esetben nem elsősorban az ilyen negatív állapotokra vonatkozó konkrét teszttel, hanem inkább a pozitív tesztek hiányával.

A "rák" esetében a határérték, amelyen magabiztosan kizártnak tekinthető, szigorúbb lehet a hiányzás súlyos következményei miatt, ezért az orvos úgy ítélheti meg, hogy legalább a reszekált szövet szövettani vizsgálatát kell feltüntetni.

Ezt az esetet a kombinációk példájában folytatjuk az alábbi megfelelő részben.

A jelöltfeltételek lefedettsége

Mind a valószínűségek kezdeti epidemiológiai becslésének érvényessége, mind a valószínűségi arányok szerinti további feldolgozás attól függ, hogy a jelölt állapotok szerepelnek -e, amelyek az állapot kialakulásának valószínűségének nagy részéért felelősek, és klinikailag fontos, hogy azok, ahol a kezelés viszonylag gyors megkezdése a legnagyobb haszonnal jár. Ha egy fontos jelölt feltétel kimarad, egyetlen differenciáldiagnosztikai módszer sem fogja a helyes következtetést levonni. Magának a prezentációnak a súlyosságával növekszik annak szükségessége, hogy további jelöltfeltételeket találjunk a befogadáshoz. Például, ha az egyetlen bemutató egy eltérõ laboratóriumi paraméter, és minden gyakori káros mögöttes feltételt kizártak, akkor elfogadható lehet a további jelöltfeltételek keresésének leállítása, de ez sokkal inkább elfogadhatatlan lenne, ha a bemutatás súlyos lett volna fájdalom.

Kombinációk

Ha két feltétel nagy valószínűséget kap a teszt utáni időszakban, különösen, ha az ismert valószínűségi arányú feltételek valószínűségeinek összege 100%-nál nagyobb lesz, akkor a tényleges feltétel a kettő kombinációja. Ilyen esetekben ez a kombinált feltétel hozzáadható a jelöltfeltételek listájához, és a számításokat elölről kell kezdeni.

A fent használt példa folytatása érdekében tegyük fel, hogy a történelem és a fizikális vizsgálat is rákra utal, a valószínűségi arány 3, így az odds (PostH & E) 0,057, ami 5,4%-os P (PostH & E) értéknek felel meg. Ez az ismert P (PostH & E) összegének 101,5%-nak felelne meg. Ez jelzi az elsődleges hyperparathyreosis és a rák, például ebben az esetben a mellékpajzsmirigy-hormont termelő mellékpajzsmirigy-karcinóma kombinációjának figyelembevételét . ezért szükség van arra, hogy az első két feltételt „primer hyperparathyreosis, rák nélkül”, „primer hyperparathyreosis nélküli rák”, valamint „kombinált primer hyperparathyreosis és rák” között kell elválasztani, és a valószínűségi arányokat minden egyes állapotra külön kell alkalmazni. azonban a szövetet már eltávolították, ahol szövettani vizsgálatot lehet végezni, amely magában foglalja a mellékpajzsmirigy -karcinóma lehetőségét a vizsgálatban (ami megfelelő mintafestést is magában foglalhat ). Tegyük fel, hogy a szövettani vizsgálat megerősíti az elsődleges hyperparathyreosisot, de rosszindulatú mintát is mutatott Epidemiológiai kezdeti módszerrel a mellékpajzsmirigy -karcinóma előfordulási gyakorisága a évente 1 millió emberből 6 millióhoz, ami nagyon alacsony valószínűséget ad, mielőtt bármilyen tesztet figyelembe vesz. Összehasonlításképpen: annak valószínűségét, hogy a nem rosszindulatú primer hyperparathyreosis egyidejűleg bekövetkezett volna, mint egy nem rokon nem karcinóma rák, amely a mellékpajzsmirigy rosszindulatú sejtjeivel jelentkezik, a kettő valószínűségének megszorzásával számítjuk ki. Az eredő valószínűség azonban jóval kisebb, mint az 1 /6 millió. Ezért a mellékpajzsmirigy -karcinóma valószínűsége a szövettani vizsgálat után még mindig közel lehet a 100% -hoz, annak ellenére, hogy az első valószínűség szerint alacsony.

Gépi differenciáldiagnosztika

A gépi differenciáldiagnosztika a számítógépes szoftver használata a differenciáldiagnózis részleges vagy teljes felállításához. A mesterséges intelligencia alkalmazásának tekinthető .

Sok tanulmány bizonyítja az ellátás minőségének javulását és az orvosi hibák csökkentését az ilyen döntéstámogató rendszerek használatával. Ezen rendszerek némelyikét speciális orvosi problémákra tervezték, mint például skizofrénia, Lyme-kór vagy lélegeztetőgéphez kapcsolódó tüdőgyulladás. Mások, mint például ESAGIL, Iliász QMR, DiagnosisPro, VisualDx , docLogica , Isabel, ZeroMD, DxMate, Symptoma , és az orvos megismerés célja, hogy fedezze az összes jelentős klinikai és diagnosztikai eredmények segítő orvosok gyorsabb és pontosabb diagnózist.

Ezek az eszközök azonban még mindig fejlett orvosi készségeket igényelnek a tünetek értékeléséhez és további tesztek kiválasztásához a különböző diagnózisok valószínűségének levezetéséhez. A gépi differenciáldiagnosztika jelenleg sem képes több egyidejű rendellenesség diagnosztizálására. Így a nem szakembereknek továbbra is fel kell keresniük egy egészségügyi szolgáltatót a megfelelő diagnózis érdekében.

Történelem

A differenciáldiagnosztika módszerét először Emil Kraepelin javasolta a mentális zavarok diagnosztizálására . Szisztematikusabb, mint a gestalt (benyomás) szerinti diagnosztika régimódi módszere .

Alternatív orvosi jelentések

A „differenciáldiagnosztika” kifejezést lazábban is használják, hogy egyszerűen utaljanak az adott tünet leggyakoribb okainak listájára, az adott rendellenességhez hasonló rendellenességek listájára, vagy az ilyen listákra, ha azokhoz tanácsokat fűznek szűkítse a listát (például a French Index of Differential Diagnosis ). Így a differenciáldiagnózis ebben az értelemben orvosi információ, amelyet kifejezetten a diagnózis segítésére szerveznek.

Használat az orvostudományon kívül

Az orvostudományban a differenciáldiagnosztikai folyamatokhoz hasonló módszereket a biológiai taxonomisták is használnak az élő és a kihalt szervezetek azonosítására és osztályozására. Például egy ismeretlen faj megtalálása után először fel lehet sorolni az összes lehetséges fajt, majd egyenként ki kell zárni, amíg optimális esetben csak egy lehetséges választás marad. Hasonló eljárásokat alkalmazhatnak az üzem- és karbantartási mérnökök és az autószerelők, és a hibás elektronikus áramkörök diagnosztizálására.

A művészetben

Az amerikai televíziós drámájában House mely Hugh Laurie , mint a főszereplő Dr. Gregory House , aki vezet egy csapat diagnoszták a fiktív Princeton Plainsboro Oktató Kórház New Jersey körül forog differenciál diagnosztikai eljárások egy ajánlatot, hogy dolgozzon ki a helyes diagnózis .

A sorozat során az orvosok olyan betegségeket diagnosztizáltak, mint a lupus , a mastocytosis , a Plummer -kór , a veszettség , a Kawasaki -szindróma , a himlő , a Rickettsialpox és még tucatnyi.

Lásd még

• Komorbiditás
• A kizárás diagnózisa
• Kettős diagnózis
• Nemi elfogultság az orvosi diagnózisban
• Az orvosi tünetek listája

Hivatkozások