Dr. Dinya ElekPhD kurzus január 30. DÖNTÉSI MEGOLDÁSOK ESZKÖZEI AZ ORVOSI DIAGNOSZTIKÁBAN
EVIDENCE-BASED MEDICINE (EBM) A gyógyító tevékenységet meghatározó tényezők: Mesterektől tanult szakmai fogások, szabályok Saját tanulmányok (elméleti, szakirodalmi ismeretek) Saját tapasztalat EBM A gyógyítás ne a beteg vagy az orvos kárán történjék, hanem tudományosan megalapozott legyen. Ennek az igénynek a rendszere az EBM, a bizonyítékokon alapuló gyógyítás.
Mi az EBM? Megvalósításához három adottság kell (angol minta): a) attitudes: a) attitudes: intakt kapcsolat az orvos és betege között, valamint a teamen belül. b) skills: b) skills: meglegyen a készség, mellyel az összefüggések és következtetések átláthatóvá (transzparencia) tehetők. A transzparencia tényezői: 1. érvényesség: helyesnek bizonyul-e az állítás? 2. jelentőség: az állításnak van-e klinikai jelentősége? 3. alkalmazhatóság: a javaslat alkalmazható-e a betegre? c) knowledge: c) knowledge: aki megtanul önkritikusan dönteni, és azt gyakorolja, az állandóan vizsgálni fogja saját teljesítménye minőségét és a beteg szempontjából vett hasznát.
EBM komponensei Attitudes (Hozzáállás) Skills (Eszközök) Knowledge (Tudás) Betegekhez Kollégákhoz Információ megtalálásához Információ adatbankból Adatbank kezelése Információ értékeléséhez Klinikai epidemiológia Belső bizonyíték Információ a betegről Klinikai tapasztalat Elsajátított tudás Külső bizonyíték Mások tudása
Képzettség és attitüd 1. Jól képzett (határozott) - erős hypothesis - célszerű megoldás választás - minimális külső segítség - a kivizsgálás lerövidül - sürgős esetekben is jól dönt 3. Képzetlen (határozott) - gyenge hypothesis - sok az igénybe vett módszer - sok embert megkérdez - hosszú kivizsgálási idő - sürgős esetekben bizonytalan, rosszul dönt 4. Jól képzett (bizonytalan) - sok hypothesis - felesleges kivizsgálások - feleslegesen kérdezősködik - hosszú kivizsgálási idő - sürgős esetekben időt veszít 2. Képzetlen (bizonytalan) - jó ötlete nincs - céltalan vizsgálatok - értelmetlen tanácskérés - nem mer dönteni - nem ismeri fel a sürgős beavatkozást - betegei otthagyják
Döntést befolyásoló tényezők Szakképzettség (tudás) Szakmai tapasztalat Hiányos anamnesis hiányos adatok nő a bizonytalanság Beteg állapota Alternatívák sokfélesége
Következtetési módszerek - Case ( Eset) - alapú következtetés, osztályozás Tudás - alapú következtetés (intuíció, logika, szabályok, modellek) Következtetés mérlegelés döntés
Felhasználható logikai eljárások 1.Lineáris modell: a leletek pozitív-negatív súlyozása. A diagnózis elfogadása az érvek súlyának viszonyától függ. 2.Bayes-döntés: a döntést az újabb információk befolyásolják. 3.Algoritmikus modell: saját tapasztalat alapján felállított ‘megoldási sémát’ követ.
Valószínűségi alapon történő döntés Forgatókönyvek rögzítése Bizonytalanságok rögzítése Értékítéletek és kimenetelek (outcomes) rögzítése Várható haszon (Expected Utility, EU) becslése, maximalizálása Döntési fák felrajzolása, elemzése Forgatókönyvek rögzítése Bizonytalanságok rögzítése Értékítéletek és kimenetelek (outcomes) rögzítése Várható haszon (Expected Utility, EU) becslése, maximalizálása Döntési fák felrajzolása, elemzése
Bayes-döntés A betegség valószínűségét becsli: - a betegség elsődleges vagy apriori valószínűsége P(D) - a vizsgálatok bizonyító értékének valószínűsége azoknál a betegeknél, akik a betegségben szenvednek P(D|T) vagy posteriori valószínűség (T egy új lelet) - a vizsgálatok bizonyító értékének valószínűsége azoknál a betegeknél, akik a betegségben nem szenvednek
The risk of rupture over a patient’s lifetime ~ 1- (1 – R) L : R = the annual risk L = the life expectancy Pl. 45 year old woman with 7 mm aneurysm R= annual risk of rupture without surgery (1%) L= 35 years the lifetime risk is 0.29
Gyógyítás mérése 1. Időközi vizsgálat: tüneti állapot változása a kezelés során 2. Végleges állapot vizsgálata: munkaképesség visszanyerése 3. Várható élettartam alakulása 4. Kezelés gazdaságossága
Szakértői rendszerek BANTER (Baysian Network Tutoring and Explanation) DRIPS ( Decision Theoretic Refinement Planning System) Decision Maker