医学信息学09(决策方法.ppt

第九章 医学决策方法和临床决策支持系统 第九章 医学决策方法和 临床决策支持系统 1 第九章 医学决策方法和临床决策支持系统 决策是根据已有的信息、知识和智慧，从多种 替代选项中选择一种行动方案的认知过程。 医学决策通常涉及做出诊断和选择恰当的资料 方法两个方面。 医学决策最早可追溯到Ledley RS和Lusted LB 1959年在科学杂志上发表的“医学诊断、 数理逻辑、概率和价值理论的推理基础帮助我们 理解医生如何推理”一文，该文分析了诊断时内在 的复杂推理过程，说明这些过程中的某些可被分 类整理，成为编程用的逻辑框图。 2 第九章 医学决策方法和临床决策支持系统 30多年来，由医学决策推及卫生保健决策以至卫 生决策，决策科学在医疗卫生保健领域内从理论 到应用已获得了长足的发展。概率论、决策树方 法、成本收益分析和成本效益分析等在医学决策 以至卫生保健决策中都有很好的应用实例。 在本章中指能对常用决策方法作一扼要介绍，不 可能对所有方法一一涉猎。随着因特网和WWW 技术的发展，出现了基于网络的计算机决策支持 系统（用来帮助临床医生将临床实践指南应用到 单个病人身上的计算机程序）。信息学家和卫生 保健人员以及卫生保健管理者期望这类系统能为 安全、高效和经济的卫生保健提供支持。 3 第九章 医学决策方法和临床决策支持系统 自然界里有一类现象在一定条件下必然发生，还有一 类现象在不同条件下有不确定的结果。例如，某种疾 病的患者服用剂量相同的某种药物，有的痊愈，有的 无效，有的显效而未痊愈。这种在同一条件下进行试 验观察具有不确定结果的现象，就是随机现象。对随 机现象进行试验或观察称为随机试验，简称试验。随 机试验的各种可能结果称为随机事件，简称事件。在 试验中必然发生的时间称为必然事件，必然不可能发 生的事件为不可能事件。随机事件的频率总是围绕着 一个稳定值摆动，这个稳定值正好代表了随机事件出 现的可能性大小，这个稳定值称为该事件的概率（ probability）。 第一节 概率性的医学推断 4 第九章 医学决策方法和临床决策支持系统 临床医生经常需要根据症状和疾病相关的经验知 识去评估某个问题。根据这种经常是不完全的相 关性做出的决策在某种程度上是不确定的。例如, 对某个血管栓塞病人通常需要溶栓剂进行治疗， 但掌握不好有可能使病人出现副作用比如出血倾 向。对这种不确定性的把握，早在1922年 Peabody就指出医学决策中概率的重要性，他说 好的医学部是存在于不加区别地应用到某个病人 身上的实验室检查中，而是对什么样的实验检查 会带来有清楚的理解。 第一节 概率性的医学推断 5 第九章 医学决策方法和临床决策支持系统 如p为随机事件A的概率，则记作P(A)=p 显然，任何事件A的概率满足0P 1 必然事件U的概率为1，不可能事件V的概率 为0。随机事件的所有可能结果称为样本空 间或结果空间，记为S；样本空间内的每一 个事件被称为基本事件，基本事件被称为 样本空间内的基本元素。 第一节 概率性的医学推断 一、概率论常用名词概念及其算法 6 第九章 医学决策方法和临床决策支持系统 （一）事件间的基本关系 1、包含与相等 若事件A的发生必然导致事件B的发生，则称B包含A （或称A包含在B中），记作BA或AB。 2、事件的和 事件A和事件B中至少有一个发生，则这样的事件称为 事件A和事件B的和，记作A+B（或AB） 3、事件的差 事件A发生且事件B不发生，则这样的事件称为事件A 和事件B的差，记作A-B。 第一节 概率性的医学推断 7 第九章 医学决策方法和临床决策支持系统 第一节 概率性的医学推断 4、事件的积 事件A和事件B同时发生，则这样 的事件称为事件A和事件B的积， 记作AB或AB或AB。 5、互不相容事件 若事件A和事件B不可能同时发生 ，则称这两件事件为互不相容事件 ，记为AB=或者AB= 。 8 第九章 医学决策方法和临床决策支持系统 （二）概率的运算 1.概率的加法 若A,B是两个互不相容的事件，则它们的和事 件的概率等于各事件的概率之和，即 P(A+B)=P(A)+P(B) 第一节 概率性的医学推断 9 第九章 医学决策方法和临床决策支持系统 2.条件概率和概率的乘法 在事件A发生的条件下，事件B发生的概率叫做 条件概率，记作P(B|A)。例如，如果说临床上就 诊的腿肿病人中有20%的病人血管中有血凝块， 我们就会说在腿肿病人中血管中血凝块的概率是 0.2，记为P(血凝块|腿肿)=0.2。 概率乘法公式为 P(AB)=P(A)P(B|A)，或 P(AB)=P(B)P(A|B) 第一节 概率性的医学推断 10 第九章 医学决策方法和临床决策支持系统 3.事件独立的条件 一事件的发生并不影响另一事件的发生，则称两 事件相互独立。如用公式表示则记为P(B|A)=P(B) 表示事件A发生与否都不影响事件B发生。 4.全概率公式与逆概率公式 (1)全概率公式 如果事件A的发生每次都必与互不相容的N个事件 B1，B2,Bn之一同时发生，则事件A发生的概 率为 P(A)= 第一节 概率性的医学推断 11 第九章 医学决策方法和临床决策支持系统 (2)逆概率公式 如果事件A的发生每次都必与互不相容的n个事件 B1，B2,Bn之一同时发生，则在事件A发生的 条件下，事件Bj发生的概率为 P(Bj)P(A|Bj) P(Bj|A)= 公式要解决的问题与公式相反，所以称为逆 概率公式，又称贝叶斯公式。由于它表示在事件 A发生后事件Bj发生的概率，所以它又叫做后验概 率公式。 12 第九章 医学决策方法和临床决策支持系统 第一节 概率性的医学推断 二、概说诊断过程 诊断过程的第一阶段是对某病人是否可能有某病 做出最初的判断。询问病人和进行体检后，医生就疾 病的可能性直观地提出初步意见。其判断可能是根据 以前的经验或文献知识。在获取进一步信息前这个估 计概率是疾病的先验概率（pretest probability）。但 根据病史、症状、体征及一般化验室检查往往尚不足 以对某个病人做出明确诊断，需要安排某种特殊的检 查或试验，以收集更多的信息。医生通过诊断试验减 少对有关疾病诊断的不确定性（见图9-1），这时得到 的概率是后验概率（post-test probability ）,即检验结 果是阳性的概率。13 第九章 医学决策方法和临床决策支持系统 这进一步的检查或试验，或是费用昂贵，或是 病人要承受较大痛苦甚至冒一定风险，因此经治 医生必须考虑这种检查或试验的诊断价值，以及 出现假阳性或假阴性的可能性，以权衡利弊得失 。 疾病的概率（a ） 图9-1试验结果对疾病的影响 （a）阳性试验结果通常增加疾病的概率 （b）二次试验比一次试验更多地减少了疾病出现的不确定性 14 第九章 医学决策方法和临床决策支持系统 （一）主观概率评估 绝大多数医生做出的有关概率的评估是基于个人经 验。这很容易发生误导，可能对概率做出过度的估 计，因为医生对激动人心的、非典型性或过分情绪 化的事件更容易回忆。此外，直观推断在下列情况 会发生困难：当碰到的是少见病；医生对该病的先 前经验是不典型的，因而内心想象不正确；当病人 的临床谱不典型；以及某些临床发现的概率依赖于 是否有其他发现时。 三、评估先验概率的方法 第一节 概率性的医学推断 15 第九章 医学决策方法和临床决策支持系统 （二）客观概率估计 公开出版的研究结果可以作为更客观的估计概率的指南。可 以用人群中或人群的亚组中疾病的现患率、临床预测规则（ clinical prediction rule）估计疾病的概率。现患率可以作为 一个估计概率的出发点。 临床预测规则是对有特殊诊断问题的病人进行系统研究 而产生的，它们界定医生如何能用组合临床发现估计概率。 根据对各种发现的贡献的统计分析，认定对某一病人患某一 种疾病的概率做出独立贡献的症状和体征，并赋予用数字表 示的权重。这样就产生了某个病人的症状和体征的列表（见 表9-1，表9-2），每一个症状和体征有一个对总分的相应的 数字贡献。总分将病人归入该病概率的某个亚组。 16 第九章 医学决策方法和临床决策支持系统 17 第九章 医学决策方法和临床决策支持系统 在评估任何试验中的第一个要解决的问题就是如何 确定标准，以决定试验结果是否正常。以下是在确定标 准时要考虑的问题。 （一）不正常试验结果的分类 在一个健康人口的总体中的绝大多数生物学计量是 持续变量，表现为不同个体有不同的数值。数值的分布 通常接近正态分布曲线。也就是说总体的95%是落在均 数的两个标准差之间。总体的大约2.5%将超出由分布 曲线每端的均数算起的两个标准差。有病个体的数值分 布也可能是正态分布。两个分布常常有重叠（见图9-2 ）。 四、诊断试验操作特点的衡量 第一节 概率性的医学推断 18 第九章 医学决策方法和临床决策支持系统 图9-2 健康和有病两总体的分布曲线图， 其假阳性和假阳性比例随截断值而变化 19 第九章 医学决策方法和临床决策支持系统 如何将一个实验结果分类为不正常？绝大多数临 床实验室报告一个“正常上限”，通常将这个“正常 上限”界定为超过均数的两个标准差。这样大于均 数以上两个标准差的实验就报告为不正常（或阳 性），小于截断值的实验结果就报告为正常（或 阴性）。图9-2所示即表示截断值左侧为正常，右 侧为不正常。但健康总体的正态分布曲线有一部 分越过了截断值，落入不正常范围；而有病总体 也有一部分越过了截断值，落入正常范围。 第一节 概率性的医学推断 20 第九章 医学决策方法和临床决策支持系统 理想的试验是有病人群和无病人群分布不重叠，也就是说所 有的健康个体都正常，而有病个体都不正常。但是几乎很少 有试验能满足这个标准。因此需要将试验对象的真阳性、真 阴性、假阳性和假阴性区分开来。 真阳性（true positive,TP）从病人身上获得的阳性试验结果 （试验结果正确地将病人分在有病一组中）。 真阴性（true negative,TN）从没有该病病人身上获得的阴 性试验结果（试验结果正确地将病人分在无病一组中）。 假阳性（false positive,FP）从没有该病病人身上获得的阳 性试验结果（试验结果不正确地将病人分在有病一组中）。 假阴性（false negative,FN）从有该病病人身上获得的阴性 试验结果（试验结果不正确地将病人分在无病一组中）。 21 第九章 医学决策方法和临床决策支持系统 一旦选定了截断值，可用如下2X2的列联表将以上所列四种 试验结果区别开来（见表9-3） 第一节 概率性的医学推断 22 第九章 医学决策方法和临床决策支持系统 （二）试验性能的测量 如何衡量一项试验的性能？无论是筛查试验或诊 断试验，衡量它的性能应有两方面的标准：真实 性（validity）和可靠性（reliability）。 1.真实性 真实性指测量值和实际值符合的程度。评价真实 性用两个指标：敏感性（sensitivity）和特异性（ specificity）。敏感性是试验结果检出有病的人（ 即阳性）占病人总数的比例，即真阳性率，而特 异性是试验结果检出无病的人（即阴性）占无病 者总数的比例，即真阴性率。 23 第九章 医学决策方法和临床决策支持系统 2.可靠性 可靠性是指试验在相同条件下重复试验获得相同结果 的稳定程度，其影响因素有受试者对象个体变异，实 验方法或仪器本身的变异，以及观察者的变异。用2X2 的列联表和条件概率可给出以下各项指标的定义。 （1）真阳性率（ true-positive rate,TPR ）又称敏感 性，是某个有病的人得出阳性试验结果的可能性。如 用条件概率表示，敏感性就是疾病出现时阳性试验的 概率： P阳性试验结果 | 有病 TPR的另一种考虑方式就是比值。有病的人产生阳性 试验结果的可能性，是用阳性结果的病人与所有病人 数的比来表示的 TPR= 24 第九章 医学决策方法和临床决策支持系统 （2）真阴性率（ true-negative rate,TNR）又称 特异性，是没有病的人得出阴性试验结果的可能 性。用条件概率来说，特异性是没病时阴性试验 结果的概率： P阴性试验结果|没病 如用比值表示，TNR是阴性试验结果又没病的人 数被没病的总人数相除： 25 第九章 医学决策方法和临床决策支持系统 （3）假阴性率（false-negative rate,FNR）是有 病的人产生阴性试验结果的可能性，用比值来表 示即： （4）假阳性率（false-positive rate,FPR）则是 没有病的人产生阳性试验结果的可能性，用比值 来表示即： 26 第九章 医学决策方法和临床决策支持系统 （三）敏感性和特异性的意义 很清楚，对一个连续取值的试验，其敏感性和特异 性的计算值，取决于所选取的区分正常和不正常结果的 特殊截断值。从图9-2中得知，提高截断值水平（将截 断值向右移动）将大大减少假阳性试验的数量，但将增 加假阴性试验的数量。这样，试验将会变得更特异但不 那么敏感。相似的情况是，较低的截断值会增加假阳性 试验、减少假阴性试验的结果，因此会增加敏感性降低 特异性。对于一项试验提高其敏感性还是提高其特异性 ，取决于所研究的疾病和试验的目的。 27 第九章 医学决策方法和临床决策支持系统 调整截断值的依据： （1）如疾病的预后差，漏检病人可能带来的严重后果 ，而且目前该病又有可靠的治疗方法，则诊断试验的截 断值可向左移，以提高其敏感性，以便尽可能多的发现 人群中的可疑病人，但这会使假阳性增加； （2）如果疾病的预后不严重，而现有的诊疗方法又不 理想，截断值可右移，以降低敏感性增加特异性，以尽 可能将无病的人鉴别出来，但这会增加试验的假阴性； （3）如果假阳性者进行进一步诊断的费用太高，为节 约起见，可将诊断试验阳性结果的截断值右移，以减少 假阳性； （4）如果诊断试验的敏感性和特异性都很重要，可将 诊断试验阳性结果的截断值右定在健康总体和有病总体 的交界处。 28 第九章 医学决策方法和临床决策支持系统 如欲选择最佳截断值，以下试验“敏感性”与“1-特 异性”对照关系（也就是真阳性率对照假阳性率）（见 图9-3），即受试者操作特征曲线（receiver operating characteristic curve,ROC curve）也是常用的一种方 法。图中试验B和试验A是曲线上的任意一点，表示对 应于真阳性率（敏感性）值的假阳性率（1-特异性） 值。 上述真假阳性率曲线对照关系图说明，假如将某 种新的试验与现有筛查某种疾病的方法进行比较，如 果新试验的曲线位于现有试验的曲线之上，那么新试 验比现有试验就有更好的鉴别力。 29 第九章 医学决策方法和临床决策支持系统 真阳性率（敏感性 ） 图9-3 两个假设检验的受试者操作特征曲线（ROC ）试验B比试验A差别更分明，因为它的曲线更高（ 因为如果取任一真阳性率的数值，在任何情况下， 试验B比试验A对应的假阳性率都低）。 30 第九章 医学决策方法和临床决策支持系统 （四）试验性能研究的设计 所谓试验性能就是某项试验将有病与没病区 分开来的能力。当将一个试验结果按TP、TN、 FP或FN进行分类时，就假定肯定知道某个人是有 病害是健康的。这样，就必须用一个金标准（ gold standard）作对照，以便对任何试验结果的 有效性进行衡量。所谓金标准就是指当前医学界 公认的诊断疾病最可靠的方法，较为常用的金标 准有活检、手术发现、微生物培养、尸检、特殊 检查和影像学诊断，以及长期随访的结果等。 第一节 概率性的医学推断 31 第九章 医学决策方法和临床决策支持系统 但金标准试验通常比指示试验（index test）更昂贵、 风险大或更难操作。所谓指示试验就是对其辨别力加 以衡量的试验。对指示试验性能的测量是从进入研究 的病人中选出的一小批病人中进行的。而人们感兴趣 的是在实际工作中在更广的病人中进行该试验时，该 试验性能如何。试验可按研究总体（study population ）和临床相关总体（clinical relevant population）两组 进行。研究总体由对其试验的辨别力进行衡量和报告 的病人（通常是临床相关总体的一个子集）组成，临 床相关总体（ clinical relevant population ）由对其进 行典型试验的病人组成。 第一节 概率性的医学推断 32 第九章 医学决策方法和临床决策支持系统 （五）衡量试验特点的偏倚 1.参考偏倚（Referral bias） 已公布的从一个研究总体中推导出的疾病现 患率，可能不同于临床相关总体的现患率，因为 有病的人比无病的人更可能被包括进研究中。已 公布的敏感性和特异性的值是从研究总体推导出 的，该研究总体也可能不同于临床相关总体。这 些差异可能影响试验性能，因此，已报告的值也 许不能应用到许多病人身上（在临床实践中某项 试验会应用到这些病人身上的）。 第一节 概率性的医学推断 33 第九章 医学决策方法和临床决策支持系统 2.范围偏倚 当研究总体仅仅包括晚期病人（有病者中的最严重 的病人）和健康志愿者时出现范围偏倚，初次设计进行 某项试验时通常发生这种情况。晚期疾病比早期疾病也 许容易被检测出来。例如，直肠癌症转移时比只局限在 直肠的某个部位更容易检测。与研究总体相反，临床相 关总体将包含更多早期疾病病例，这些病例更可能被指 示试验（index test）FN所丢失。这样，研究总体将会 有人为降低的FNR，后者产生了人为升高的TPR（ TPR=1-FNR）。另外，在临床相关总体中，健康的志 愿者比起病人来较少有引起假阳性结果的其他疾病，研 究总体将人为地降低FPR，因此特异性会被估计过高（ TNR=1-FPR）。 34 第九章 医学决策方法和临床决策支持系统 3.试验指示偏倚（test referral bias） 当一个阳性指示试验是用于安排金标准试验 的标准时，出现试验指示偏倚。在临床实践中， 阴性指示试验的病人比阳性指示试验病人进行金 标准试验的可能要少。换句话说，包括阳性指示 试验结果个人的研究总体比临床相关总体，有更 多百分比的病人有某病。因此，TN和FN试验在 研究总体中代表性不足。结果，在研究总体中 TPR被过分估计，而TNR被估计不足。 35 第九章 医学决策方法和临床决策支持系统 4.试验解释偏倚（test-interpretation bias） 当对指示试验的解释影响对金标准试验的解释 时，或反过来对金标准试验的解释影响指示试验的 解释时，会发生试验解释偏倚。这一偏倚引起指示 和金标准试验之间的人为一致（试验结果更可能相 同），并欺骗性地增加在研究总体中敏感性和特异 性一致性的范围（TP和TN的相对频数是衡量一致性 程度的基础）。为避免这些问题，解释指示试验的 人不应注意金标准试验的结果。 为纠正后三个偏倚，在TPR和TNR应用于一个 新的总体时，需要对TPR和TNR做出调整。所有的 偏倚引起的TPR，在研究总体中都比在临床相关总 体中高。因此，当应用TPR到一个新的总体中时， 如怀疑偏倚，就应将TPR（敏感性）下调。 36 第九章 医学决策方法和临床决策支持系统 对TNR（特异性）的调整取决于出现什么样 的偏倚。范围偏倚和试验解释偏倚引起的TNR在 研究总体中比在临床相关总体中要高。这样，如 果出现这些偏倚，并要将其应用到一个新的总体 中就应下调特异性。另一方面，在研究总体中试 验指示偏倚产生的某个适度特异性，总是比在临 床相关总体中要低。如果怀疑试验指示偏倚，在 应用特异性到一个新的总体中时，要将其上调。 37 第九章 医学决策方法和临床决策支持系统 （六）诊断试验的荟萃分析（meta-analysis of diagnostic tests） 有许多研究在评价同一诊断试验的敏感性和特 异性。如果这些研究能得出有关试验的敏感性和特 异性的相似结论，则研究人员对研究结果增强了信 心；但假如这些研究有不同的结论，则须合在一起 ，生成一种概要性的受试者操作的特征曲线（ summary ROC curve）,summary ROC curve为综 合许多研究的数据提供了可能采用的最佳方法。 38 第九章 医学决策方法和临床决策支持系统 一、贝叶斯定理概说 医生可用病人总体中的疾病现患率，作为 对疾病的验前风险的最初估计。医生通过累积某 个病人的信息，进行对疾病概率估计的修正。修 正的估计变为他进行试验的先验概率。在用某个 诊断试验收集到更多信息后，可用贝叶斯定理计 算疾病的后验概率。 贝叶斯定理是用先验概率和试验的敏感性 和特异性计算后验概率的定量方法。它是从条件 概率的定义和概率特性推导而来的。 第二节 贝叶斯定理和预测值 39 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 条件概率：已知事件B出现的情况下事件A 出现的概率。 如：我们想知道试验是阳性（事件B）的情 况下疾病（事件A）出现的概率。我们设疾病出 现为D，疾病不出现为-D，试验结果为R，疾病 的先验概率为PD。在试验结果已知的情况下， 疾病的概率写为PD|R。则贝叶斯定理可写为： 40 第九章 医学决策方法和临床决策支持系统 设试验结果为阳性（+）,则可用PD|+替 代PD|R，用P+|D替代PR|D，P+|-D替代 PR|-D，以及1-PD替代P-D，重新构建以上 方程式。 其中：P+|D=TPR；P+|-D=FPR.。则 某一阳性试验的贝叶斯定理： 第二节 贝叶斯定理和预测值 41 第九章 医学决策方法和临床决策支持系统 同样，可用类似的推导方法拟定某一阴性 试验的贝叶斯定理： 第二节 贝叶斯定理和预测值 42 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 二、贝叶斯定理的比值比（odds-ratio）形 式和似然比（likelihood ratios，LR） 贝叶斯定理的公式明白易懂，但计算麻 烦。为此，可以用比值（odds）表达概率，并 用对实验辨别力的不同度量方法，构建贝叶斯 定理的更方便形式。 比值是指某事物发生的概率与不发生的 概率之比： 43 第九章 医学决策方法和临床决策支持系统 似然比是反映试验真实性的一种指标（同 时反映敏感性和特异性）： 第二节 贝叶斯定理和预测值 44 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 后验比值=先验比值X似然比；或： 该方程式就是贝叶斯定理的比值比（odds- ratio）形式。它能直接从贝叶斯定理的定义和 条件概率推导出。 45 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 由于试验结果有阳性阴性，似然比也可 相应地分为阳性似然比（LR+）和阴性似然 比（LR-）： 46 第九章 医学决策方法和临床决策支持系统 LR+ 愈大，筛查试验的诊断价值愈高；同 理，LR-愈小，筛查试验的诊断价值也愈高。 理想的试验将会是FNR较低，TNR较高； 因此LR- 将比1小。因此在选择筛查试验时应选 择阳性似然比高的方法。 贝叶斯定理的比值比形式可以允许快速计 算，故可在病人床边确定其概率。 第二节 贝叶斯定理和预测值 47 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 三、试验的预测值 估计受试者患病和不患病可能性大小 的一个替代方法是计算该试验的预测值。预 测值既是评价筛选试验收益又是说明试验的 诊断价值的一项指标。 48 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 某个试验的阳性预测值（positive predictive value，PV+），是有阳性试验结果 的某病人同时又有病的可能性。 49 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 同理，阴性预测值（negative predictive value， PV-）是有阴性试验结果的病人没有病的可能性： 50 第九章 医学决策方法和临床决策支持系统 第二节 贝叶斯定理和预测值 一般来说，筛查试验的敏感性愈高， 阴性预测值愈高；筛查试验的特异性愈高， 阳性预测值愈高。 敏感性及特异性给出