搜索
Chapter18臨床決策支援的預測工具PredictiveToolsforClinicalDecisionSupport報告人：王昭庸2內容大綱1.介紹2.預測工具之發展3.決策支援--利用簡單預測工具1)預測規則—利用統計分析方法2)以決策分析為基礎的工具4.評估與結論31.Introduction(1)臨床人員必須不斷地作決策，包括他們將採取什麼診斷程序及哪種治療行為決策的最終目標是在提高病人的癒後臨床上的決策有許多方面的不確定性，造成複雜性的增加。這些方面包括對病人作疾病的診斷、良好的治療和給予這些診斷及治療後病人的癒後情況41.Introduction(2)預測診斷及治療的結果可以讓臨床人員在作決策時能有參考依據，提高病人的癒後情形藉由有系統的臨床資訊，決策支援工具可提供預測(prediction)，在臨床人員作決策時提供幫助52.預測工具的發展步驟(1)表18.1六個預測工具的步驟步驟說明決策(Decision)時序及型態：預測模式之角色結果(Outcome)診斷：治療結果預測(Predictors)與結果相關的臨床特徵定量(Quantification)將結果與預測相連結(專家意見，迴歸分析)資料集(DataSet)含預測及結果的病患資料檔呈現(Presentation)顯現結果的適當方法(使用或不使用電腦)62.預測工具的發展步驟(2)每個預測發展的步驟都必須証實這項預測工具的可信度及正確性應該審慎評估這些預測對臨床人員及病人的影響這些評估對於可能使用到這些工具而受益的使用者來說，是非常重要的一項工作72.預測工具的發展步驟(3)過去幾十年間，已開發出許多預測系統，這些系統都是遵循Baye’s定律以及一些統計的方法，如：邏輯迴歸(logicregression)(參閱第二十四章)類神經網路(NeuralNetworks)監督型態辨識方法(Supervisedpatternrecognitionmethod)(參閱第二十七章)83.決策支援-利用簡單預測工具簡單的預測工具可能是建立在各種各類的分析上臨床統計分析上的預測工作，使用到的統計方法及統計資料通常來自於一大族群的病人，包含我們將要預測的結果及設定的預測因子93.1預測規則-利用統計分析方法統計分析的計算常需使用電腦統計分析結果以臨床預測的規則表示，不需使用到電腦分析的方法通常是利用迴歸分析迴歸分析的種類取決要預測之結果的類型具有連續性的結果二取一的結果二取一加上連續時間的結果103.1預測規則-利用統計分析方法具有連續性的結果-用線性迴歸來分析如：長時間血壓的變化二取一的結果-用邏輯迴歸來分析如：短期的死亡率二取一加上連續時間的結果-使用故障時間分析(failure-timeanalysis)(如：Cox’s迴歸)如：長期死亡率113.1通用的預測準則結果的明確定義及預測的變數正確地描述病人的族群及此族群的來源描述利用到何種數學方法可利用的正確率或失敗率有多少此預測對病人照顧的影響有多少12以迴歸分析做預測規則的主要步驟表18.2步驟說明選擇(Selection)變數，互動項目，及分類與迴歸模式的選擇估量(Estimation)迴歸係數的估量評量(Evaluation)使用差別方式及最佳擇優之評定呈現(Presentation)對模式結果的表列或圖示呈現133.1.1變數的選擇(1)在統計的模型中，選擇做為預測因子的變數相當複雜通常具潛在可預測的病人特徵是可使用的(可能有50~200個)，但若要全部使用，是不需要且不實際的按階段逐步的選擇方式是選取有限數量的預測因子，是最常被使用的方法；此種方法根據差異的數量自動選擇變數143.1.1變數的選擇(2)按階段逐步的選擇方式，可應用在正向、反向或雙向的檢定逐步的選取方式之優點：在預測的模型中，可以引導至使用有限量的變數，且被廣泛使用在一般標準的電腦統計套裝軟體這些限量的變數被包含在一個模型中，很難再增加任何額外的預測資訊153.1.1變數的選擇(3)逐步的選擇方式之問題：迴歸係數的估計過高，這個偏差起因，係數較大的值，P值較低，較容易被選取統計效力(定義：預測因子被選擇的機率)，有時因預測因子的值太小而無法被選取，會造成具有適當預測值的預測因子效力很低(特別是在小規模的樣本研究中)163.1.1變數的選擇(4)策略：可克服逐步選取方式的問題減少潛在預測因子的數量使其能達到可用於資料評估的範圍內可藉由使用相關疾病的臨床知識，進而檢視可能變數之預測值的合理性由其它研究中之經驗証據，也可使用在選取的程序中173.1.2迴歸係數的估計預測因子被選取，須同時估計迴歸係數適當的估計需要高品質的資料，也就是該組資料必須完整且精確越大規模的資料，對於所要預估的迴歸係數，其不確定性越小，預測會越精確183.1.3模型執行的評估統計模型的品質要求是必需的辨別力是指用此模型的能力去區分在有結果的病患和沒有結果的病患符合性(Good-ness-of-fit)指的是能讓預測與事實所觀察的結果一致的特質193.1.4統計模型的結果呈現最後步驟包括統計模型的結果以何種方式呈現，即臨床醫師可以應用此種模型作為一種預測工具可限制預測因子的數目，且不使用連續預測因子，可建立一個簡單的表格來表示預測因子的各種預測組合使用記分表，上面列有預測因子，其可能值及其相對應的分數，這些分數是依據統計所估計出的迴歸係數估算出來20三個例子的預測工具特性表18.3(P.297)步驟睪丸腫瘤生育問題心臟瓣膜風險決策(Decision)手術後續診斷與治療手術結果(Outcome)組織診斷自然懷孕存活時間預測(predictors)6項特徵6項特徵2項主要特徵資料集(Dataset)6個國外各中心(n=544)2個研究(n=996及n=751)由先前的模型產生，後續的研究(n=2,303)定量(Quantification)邏輯迴歸Cox’s迴歸無呈現(Presentation)計分表計分表圖表213.2以決策分析為基礎的工具決策支援工具也可依據決策分析的結果發展決策分析利用清楚及量化的考量幫助臨床醫師以及病人對他們遇到的問題作決策步驟：1.使用決策樹去定義臨床問題2.對於診斷及治療的結果機率與相對值加以量化3.計算得到一個較好的選擇4.將此分析結果應用於臨床上224.評估與結論(1)決策支援的預測工具，分為：1.需要電腦來達成2.只用傳統紙筆來達成1)睪丸癌病人的決策：預測工具幫忙整合臨床資訊，預測病人為良性組織的可能。2)生育問題：臨床的資訊利用量化的方式整合，但預測的結果，仍須病人與臨床醫師的溝通3)心臟瓣膜風險：利用複雜的決策分析發展之簡單預測工具，估計短期死亡風險與長期的死亡風險234.評估與結論(2)未來的簡單預測工具將著重於更多的臨床實際應用而非發展電腦系統隨著決策支援工具的發展，一個方便使用者的呈現方式將是個重要的課題