Дифференциальная диагностика - Differential diagnosis

Дифференциальная диагностика
MeSH	D003937
[редактировать в Викиданных ]

В лекарство, а дифференциальная диагностика отличительная черта болезнь или состояние от других, которые имеют аналогичные клинические признаки.^[1] Процедуры дифференциальной диагностики используют врачи к диагностировать конкретное заболевание в пациент или, по крайней мере, для устранения любых неминуемо опасных для жизни состояний. Часто каждый индивидуальный вариант возможного заболевания называется дифференциальным диагнозом (например, острый бронхит может быть дифференциальным диагнозом при оценке кашля, даже если окончательный диагноз простуда ).

В более общем плане процедура дифференциальной диагностики систематический диагностический метод используется для определения наличия заболевание где возможны несколько альтернатив. Этот метод может использовать алгоритмы, похожие на процесс устранения или, по крайней мере, процесс получения информации, которая сокращает «вероятности» возможных состояний до незначительного уровня, используя такие доказательства, как симптомы, история болезни и медицинские знания, для корректировки эпистемический доверие к разуму диагноста (или, для компьютеризированной или компьютерной диагностики, программное обеспечение системы).

Дифференциальный диагноз можно рассматривать как реализацию аспектов гипотетико-дедуктивный метод в том смысле, что потенциальное наличие кандидатных заболеваний или состояний можно рассматривать как гипотезы, которые в дальнейшем врачи определяют как истинные или ложные.

Дифференциальный диагноз также широко используется в области психиатрии / психологии, где два разных диагноза могут быть привязаны к пациенту, у которого проявляются симптомы, которые могут вписаться в любой диагноз. Например, пациенту, у которого было диагностировано биполярное расстройство, также может быть поставлен дифференциальный диагноз пограничного расстройства личности.^{[нужна цитата ]} учитывая сходство симптомов обоих состояний.

Стратегии, используемые при составлении списка дифференциальных диагнозов, зависят от опыта врача. В то время как начинающие поставщики медицинских услуг могут работать систематически, чтобы оценить все возможные объяснения проблем пациента, более опытные специалисты часто используют клинический опыт и распознавание закономерностей, чтобы защитить пациента от задержек, рисков и затрат неэффективных стратегий или тестов. Эффективные поставщики услуг используют научно-обоснованный подход, дополняя свой клинический опыт знаниями клинических исследований.^[2]

Общие компоненты

Для получения дополнительной информации о процессе см. Диагностическая процедура.

Стандартный дифференциальный диагноз медицинской помощи состоит из четырех этапов. Безопасность пациента требует от врача:

1. Собирает всю информацию о пациенте и создает список симптомов.^[3] Список может быть в письменной форме или в голове врача.
2. Перечисляет все возможные причины (условия кандидата) для симптомов.^[4]
3. Распределяет список по приоритетам, помещая наиболее опасные возможные причины вверху списка.
4. Исключает или устраняет возможные причины, начиная с наиболее опасного состояния и далее по списку. Исключать«Практически» означает использование тестов и других научных методов для определения того, что возможное состояние с клинически незначительной вероятностью может стать причиной основной жалобы пациента.

Если после этого процесса отсеивания возможных причин диагноз не остается, это означает, что либо врач допустил ошибку, либо состояние недокументировано или недооценено в литературе.

А мнемонический помочь в рассмотрении множественных возможных патологических процессов VINDICATE'M:

• Vаскулярный
• явоспалительный / яинфекционный
• Nэопластический
• Dрегенеративный / Dэффективность / Dковрики
• ядиопатический / янетоксикация / яатрогенный
• Cонгенитальный
• Аутоиммунный / Ааллергический / Аатомный
• Тразрушительный
• Eэндокринный / Eэкологический
• Mметаболический^[5]

Конкретные методы

Существует несколько методов дифференциальной диагностики и несколько вариантов среди них. Кроме того, процедура дифференциальной диагностики может использоваться одновременно или поочередно с протоколами, руководствами или другими диагностическими процедурами (такими как распознавание образов или использование медицинские алгоритмы ).

Например, в случае неотложная медицинская помощь, может не хватить времени для проведения каких-либо подробных расчетов или оценок различных вероятностей, и в этом случае Протокол ABC (Дыхательные пути, дыхание и кровообращение) может быть более подходящим. Позже, когда ситуация станет менее острой, может быть применена более полная процедура дифференциальной диагностики.

Процедура дифференциальной диагностики может быть упрощена, если "патогномоничный"признак или симптом обнаружены (в этом случае почти наверняка присутствует целевое состояние) или при отсутствии"sine qua non признак или симптом (в этом случае почти наверняка целевое состояние отсутствует).

Диагност может действовать избирательно, рассматривая сначала те расстройства, которые более вероятны (вероятностный подход), более серьезны, если их не диагностируют и не лечат (прогностический подход), или более восприимчивы к лечению, если предлагается (прагматический подход).^[6] Поскольку субъективная вероятность наличия состояния никогда не бывает точно 100% или 0%, процедура дифференциальной диагностики может быть направлена ​​на определение этих различных вероятностей для формирования показания для дальнейших действий.

Ниже приведены два метода дифференциальной диагностики, основанные на эпидемиологии и соотношении правдоподобия соответственно.

Эпидемиологический метод

Один из методов проведения дифференциальной диагностики по эпидемиологии направлен на оценку вероятности каждого состояния-кандидата путем сравнения их вероятностей, возникших в первую очередь у человека. Он основан на вероятностях, связанных как с проявлением (например, болью), так и с вероятностями различных состояний-кандидатов (например, болезней).

Теория

Статистическая основа дифференциального диагноза: Теорема Байеса. По аналогии, когда умереть приземлился результат определен на 100%, но вероятность того, что он Произошло бы в первую очередь (далее сокращенно ВОЗ МФП) все еще 1/6. Точно так же вероятность того, что представление или состояние возникло бы в первую очередь у человека (WHOIFPI), не совпадает с вероятностью того, что представление или состояние имеет произошло у человека, потому что представление имеет произошла со 100% уверенностью у человека. Тем не менее, доли вкладной вероятности каждого условия предполагаются одинаковыми относительно:

${\displaystyle {\begin{aligned}&{\frac {\Pr({\text{Presentation is caused by condition in individual}})}{\Pr({\text{Presentation has occurred in individual}})}}={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}\end{aligned}}}$

куда:

• Pr (презентация вызвана состоянием у человека) - это вероятность того, что презентация вызвана состоянием у человека. условие без дополнительной спецификации относится к любому условию-кандидату
• Pr (презентация произошла у человека) - это вероятность того, что презентация произошла у человека, которая может быть воспринята и, таким образом, установлена ​​на уровне 100%.
• Pr (Презентация WHOIFPI по условию) - вероятность того, что презентация имела бы первое место у человека по условию.
• Pr (Presentation WHOIFPI) - это вероятность того, что презентация имела бы первое место у человека.

Когда у человека появляется симптом или признак, Pr (проявление произошло у человека) составляет 100% и, следовательно, может быть заменено на 1 и может быть проигнорировано, поскольку деление на 1 не имеет никакого значения:

${\displaystyle \Pr({\text{Presentation is caused by condition in individual}})={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}}$

Общая вероятность того, что презентация произошла у человека, может быть приблизительно равна сумме индивидуальных условий кандидата:

${\displaystyle {\begin{aligned}\Pr({\text{Presentation WHOIFPI}})&=\Pr({\text{Presentation WHOIFPI by condition 1}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 2}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 3}})+{\text{etc.}}\end{aligned}}}$

Кроме того, вероятность того, что представление было вызвано каким-либо условием-кандидатом, пропорциональна вероятности состояния, в зависимости от того, с какой частотой оно вызывает представление:

${\displaystyle \Pr({\text{Presentation WHOIFPI by condition}})=\Pr({\text{Condition WHOIFPI}})\cdot r_{{\text{condition}}\rightarrow {\text{presentation}}},}$

куда:

• Pr (Презентация WHOIFPI по условию) - вероятность того, что презентация имела бы первое место у человека по условию.
• Pr (Condition WHOIFPI) - это вероятность того, что заболевание возникло на первом месте у человека.
• р_{Состояние → презентация} это частота, при которой состояние вызывает презентацию, то есть доля людей с заболеванием, которые проявляются во время презентации.

Вероятность того, что заболевание возникло бы в первую очередь у человека, приблизительно равна вероятности популяции, которая максимально похожа на человека, за исключением текущего представления, с компенсацией, где это возможно, за счет относительные риски дано известными фактор риска которые отличают человека от популяции:

${\displaystyle \Pr({\text{Condition WHOIFPI}})\approx RR_{\text{condition}}\cdot \Pr({\text{Condition in population}}),}$

куда:

• Pr (Condition WHOIFPI) - это вероятность того, что заболевание возникло на первом месте у человека.
• RR_{условие} это относительный риск для условий, предоставленных известными факторы риска у особей, которых нет в популяции
• Pr (Состояние в популяции) - это вероятность того, что данное состояние встречается в популяции, которая максимально похожа на индивидуума, за исключением представления.

В следующей таблице показано, как эти отношения могут быть построены для ряда условий-кандидатов:

	Состояние кандидата 1	Условие кандидата 2	Условие кандидата 3
Pr (Состояние популяции)	Pr (Условие 1 в популяции)	Pr (Условие 2 в популяции)	Pr (Условие 3 в популяции)
RRусловие	RR 1	RR 2	RR 3
Pr (Условие WHOIFPI)	Pr (Условие 1 WHOIFPI)	Pr (Условие 2 WHOIFPI)	P (Условие 3 WHOIFPI)
рСостояние → презентация	рУсловие 1 → презентация	рУсловие 2 → презентация	рУсловие 3 → презентация
Pr (Презентация WHOIFPI по условию)	Pr (Презентация WHOIFPI по условию 1)	Pr (Презентация WHOIFPI по условию 2)	Pr (Презентация WHOIFPI по условию 3)
Pr (Представление WHOIFPI) = сумма вероятностей в строке чуть выше
Pr (презентация вызвана состоянием человека)	Pr (Презентация вызвана состоянием 1 у человека)	Pr (Презентация вызвана условием 2 у человека)	Pr (Презентация вызвана условием 3 у человека)

Еще одно «возможное состояние» - это отсутствие отклонения от нормы, и представление представляет собой только (обычно относительно маловероятное) появление в основном нормального состояния. Его вероятность в популяции (P (нет отклонений от нормы в популяции)) является дополнением к сумме вероятностей «ненормальных» условий-кандидатов.

Пример

Этот примерный случай демонстрирует, как применяется этот метод, но не представляет собой руководство для обработки аналогичных реальных случаев. Кроме того, в примере используются относительно определенные числа, иногда с несколькими десятичные дроби, хотя на самом деле это часто просто приблизительные оценки, например, вероятности того, что очень высоко, высоко, низкий или же очень низкий, но все еще используя общие принципы метода.

Для человека (который в данном примере становится «пациентом») анализ крови из, например, сывороточный кальций показывает результат над стандартный эталонный диапазон, который по большинству определений классифицируется как гиперкальциемия, которая в данном случае становится «презентацией». Врач (который в данном примере становится «диагностом»), который в данный момент не видит пациента, узнает о своем открытии.

По практическим соображениям врач считает, что достаточно индикация теста посмотреть на пациента медицинские записи. Для простоты предположим, что единственная информация, содержащаяся в медицинских записях, - это история семьи из первичный гиперпаратиреоз (здесь сокращенно PH), что может объяснить обнаружение гиперкальциемии. Для этого пациента предположим, что результирующая наследственная фактор риска оценивается как относительный риск из 10 (руб._PH = 10).

Врач считает, что мотивации для проведения дифференциальной диагностики для выявления гиперкальциемии достаточно. Основные причины гиперкальциемии: первичный гиперпаратиреоз (PH) и рак, поэтому для простоты список возможных состояний, которые может придумать врач, можно представить в виде:

• Первичный гиперпаратиреоз (PH)
• Рак
• Другие болезни, о которых может подумать врач (которые в остальной части этого примера называются просто «другими состояниями»)
• Нет болезни (или нет отклонений), и обнаружение полностью вызвано статистическая изменчивость

Вероятность того, что «первичный гиперпаратиреоз» (ПГ) произошел в первую очередь у человека (P (PH WHOIFPI)) можно рассчитать следующим образом:

Предположим, что последний анализ крови, сделанный пациентом, был проведен полгода назад и был нормальным, и что частота первичного гиперпаратиреоза в общей популяции, которая соответствует индивидууму (за исключением клинических проявлений и упомянутой наследственности), составляет 1 из 4000 на человека. год. Игнорирование более подробного ретроспективного анализа (например, включая скорость прогрессирования болезни и запаздывание медицинского диагноза ), подверженный риску для развития первичного гиперпаратиреоза можно примерно рассматривать как последние полгода, потому что ранее развившаяся гиперкальциемия, вероятно, была бы обнаружена предыдущим анализом крови. Это соответствует вероятности первичного гиперпаратиреоза (ЛГ) в популяции:

${\displaystyle \Pr({\text{PH in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{4000 per year}}}={\frac {1}{8000}}}$

С учетом относительного риска, связанного с семейным анамнезом, вероятность того, что первичный гиперпаратиреоз (ЛГ) мог возникнуть в первую очередь у человека, исходя из имеющейся в настоящее время информации, становится:

${\displaystyle \Pr({\text{PH WHOIFPI}})\approx RR_{PH}\cdot \Pr({\text{PH in population}})=10\cdot {\frac {1}{8000}}={\frac {1}{800}}=0.00125}$

Можно предположить, что первичный гиперпаратиреоз вызывает гиперкальциемию практически в 100% случаев (r_{ЛГ → гиперкальциемия} = 1), поэтому эту независимо рассчитанную вероятность первичного гиперпаратиреоза (ЛГ) можно предположить равной вероятности быть причиной проявления:

${\displaystyle {\begin{aligned}\Pr({\text{Hypercalcemia WHOIFPI by PH}})&=\Pr({\text{PH WHOIFPI}})\cdot r_{{\text{PH}}\rightarrow {\text{hypercalcemia}}}\\&=0.00125\cdot 1=0.00125\end{aligned}}}$

За рак, для простоты предполагается то же время риска, и предположим, что заболеваемость раком в этом районе оценивается в 1 случай из 250 в год, что дает вероятность рака у населения:

${\displaystyle \Pr({\text{cancer in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{250 per year}}}={\frac {1}{500}}}$

Для простоты предположим, что любая связь между семейным анамнезом первичного гиперпаратиреоза и риском рака игнорируется, поэтому относительный риск для человека заболеть раком в первую очередь аналогичен таковому для населения (RR_рак = 1):

${\displaystyle \Pr({\text{cancer WHOIFPI}})\approx RR_{\text{cancer}}\cdot \Pr({\text{cancer in population}})=1\cdot {\frac {1}{500}}={\frac {1}{500}}=0.002.}$

Тем не менее, гиперкальциемия встречается примерно в 10% случаев рака.^[7] (р_{рак → гиперкальциемия} = 0,1), поэтому:

${\displaystyle {\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by cancer}})\\=&\Pr({\text{cancer WHOIFPI}})\cdot r_{{\text{cancer}}\rightarrow {\text{hypercalcemia}}}\\=&0.002\cdot 0.1=0.0002.\end{aligned}}}$

Вероятность того, что гиперкальциемия возникла бы в первую очередь из-за других возможных состояний, может быть рассчитана аналогичным образом. Однако для простоты предположим, что вероятность того, что что-либо из этого произошло, в этом примере вычисляется как 0,0005.

В случае наличия нет болезни, соответствующая вероятность в популяции является дополнительной к сумме вероятностей для других условий:

${\displaystyle {\begin{aligned}\Pr({\text{no disease in population}})&=1-\Pr({\text{PH in population}})-\Pr({\text{cancer in population}})\\&{}\quad -\Pr({\text{other conditions in population}})\\&{}=0.997.\end{aligned}}}$

Вероятность того, что человек будет здоров, в первую очередь, можно считать одинаковой:

${\displaystyle \Pr({\text{no disease WHOIFPI}})=0.997.\,}$

Скорость, с которой в случае отсутствия аномального состояния все же заканчивается измерением содержания кальция в сыворотке выше нормы стандартный эталонный диапазон (классифицируемая как гиперкальциемия), по определению стандартного референтного диапазона, составляет менее 2,5%. Однако эта вероятность может быть дополнительно уточнена путем рассмотрения того, насколько измерение отклоняется от среднего значения в стандартном эталонном диапазоне. Предположим, что измерение сывороточного кальция составило 1,30 ммоль / л, что при стандартном референтном диапазоне, установленном на уровне от 1,05 до 1,25 ммоль / л, соответствует стандартной оценке 3 и соответствующей вероятности 0,14% того, что такая степень гиперкальциемии будет иметь место. произошли в первую очередь при отсутствии отклонений от нормы:

${\displaystyle r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}=0.0014}$

Впоследствии вероятность того, что гиперкальциемия не возникла в результате какого-либо заболевания, может быть рассчитана как:

${\displaystyle {\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by no disease}})\\=&\Pr({\text{no disease WHOIFPI}})\cdot r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}\\=&0.997\cdot 0.0014\approx 0.0014\end{aligned}}}$

Вероятность того, что гиперкальциемия возникла в первую очередь у человека, может быть рассчитана следующим образом:

${\displaystyle {\begin{aligned}&\Pr({\text{hypercalcemia WHOIFPI}})\\=&\Pr({\text{hypercalcemia WHOIFPI by PH}})+\Pr({\text{hypercalcemia WHOIFPI by cancer}})\\&{}+\Pr({\text{hypercalcemia WHOIFPI by other conditions}})+\Pr({\text{hypercalcemia WHOIFPI by no disease}})\\=&0.00125+0.0002+0.0005+0.0014=0.00335\end{aligned}}}$

Впоследствии вероятность того, что гиперкальциемия вызвана первичным гиперпаратиреозом (ЛГ) у человека, может быть рассчитана как:

${\displaystyle {\begin{aligned}&\Pr({\text{hypercalcemia is caused by PH in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by PH}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.00125}{0.00335}}=0.373=37.3\%\end{aligned}}}$

Точно так же вероятность того, что гиперкальциемия вызвана раком у человека, может быть рассчитана как:

${\displaystyle {\begin{aligned}&\Pr({\text{hypercalcemia is caused by cancer in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by cancer}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0002}{0.00335}}=0.060=6.0\%,\end{aligned}}}$

и для других условий кандидата:

${\displaystyle {\begin{aligned}&\Pr({\text{hypercalcemia is caused by other conditions in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by other conditions}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0005}{0.00335}}=0.149=14.9\%,\end{aligned}}}$

и вероятность того, что болезни на самом деле нет:

${\displaystyle {\begin{aligned}&\Pr({\text{hypercalcemia is present despite no disease in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by no disease}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0014}{0.00335}}=0.418=41.8\%\end{aligned}}}$

Для пояснения эти расчеты приведены в виде таблицы в описании метода:

	PH	Рак	Другие условия	Нет болезней
P (Состояние популяции)	0.000125	0.002	-	0.997
RRИкс	10	1	-	-
P (состояние WHOIFPI)	0.00125	0.002	-	-
рСостояние → гиперкальциемия	1	0.1	-	0.0014
P (гиперкальциемия WHOIFPI по состоянию)	0.00125	0.0002	0.0005	0.0014
P (гиперкальциемия WHOIFPI) = 0.00335
P (гиперкальциемия вызвана индивидуальным заболеванием)	37.3%	6.0%	14.9%	41.8%

Таким образом, этот метод оценивает, что вероятность того, что гиперкальциемия вызвана первичным гиперпаратиреозом, раком, другими состояниями или отсутствием болезни вообще, составляет 37,3%, 6,0%, 14,9% и 41,8% соответственно, что может быть использовано при оценке дальнейших показаний к тестам. .

Этот случай продолжается на примере метода, описанного в следующем разделе.

Метод на основе отношения правдоподобия

Процедура дифференциальной диагностики может стать чрезвычайно сложной, если полностью учитывать дополнительные анализы и лечение. Один из методов, который представляет собой своего рода компромисс между клинической идеальностью и относительно простой в расчетах, - это метод, который использует отношения правдоподобия для получения последующих вероятностей после тестирования.

Теория

Первоначальная вероятность для каждого потенциального состояния может быть оценена различными методами, такими как:

• По эпидемиологии, как описано в предыдущем разделе.
• По клинике распознавание образов, например, получение статистической информации о том, что пациенты, поступающие в конкретную клинику с конкретной жалобой, статистически имеют определенную вероятность каждого из возможных состояний.

Один из методов оценки правдоподобия даже после дальнейших тестов использует отношения правдоподобия (который получен из чувствительность и особенности ) в качестве коэффициента умножения после каждого теста или процедуры. В идеальном мире чувствительность и специфичность должны быть установлены для всех тестов для всех возможных патологических состояний. Однако в действительности эти параметры могут быть установлены только для одного из возможных условий. Умножение на отношения правдоподобия требует преобразования правдоподобия из вероятности к шансы в пользу (далее просто «шансы»):

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

Однако это преобразование требуется только для условий-кандидатов с известным отношением правдоподобия. После умножения обратное преобразование в вероятность рассчитывается следующим образом:

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

Остальные условия-кандидаты (для которых нет установленного отношения правдоподобия для данного теста) можно для простоты скорректировать путем последующего умножения всех условий-кандидатов на общий коэффициент, чтобы снова получить сумму 100%.

Полученные вероятности используются для оценки показания для дальнейшего медицинские анализы, лечения или другие действия. Если есть указание на дополнительный тест, и он возвращается с результатом, процедура повторяется с использованием отношения правдоподобия дополнительного теста. При обновлении вероятностей для каждого из возможных состояний показания для дальнейших тестов, лечения или других действий также меняются, и поэтому процедуру можно повторять до тех пор, пока конечная точка где больше нет никаких указаний на выполнение дальнейших действий. Такая конечная точка в основном возникает, когда одно условие-кандидат становится настолько определенным, что не может быть найдено ни одного теста, который был бы достаточно мощным, чтобы изменить профиль относительной вероятности, достаточно, чтобы мотивировать любое изменение в дальнейших действиях. Тактика достижения такой конечной точки с минимальным количеством тестов включает в себя выполнение тестов с высоким специфичность для условий уже чрезвычайно высокой относительной вероятности, потому что высокая отношение правдоподобия положительное для таких тестов очень высока, сводя все менее вероятные условия к относительно более низким вероятностям. Как вариант, тесты с высоким чувствительность для конкурирующих кандидатов условия имеют высокие отношение правдоподобия отрицательное, потенциально доводя вероятность конкурирующих кандидатских условий до незначительного уровня. Если такие незначительные вероятности достигаются, врач может исключить эти состояния и продолжить процедуру дифференциальной диагностики только с оставшимися кандидатными состояниями.

Пример

Этот пример продолжается для того же пациента, что и в примере для метода на основе эпидемиологии. Как и в предыдущем примере метода, основанного на эпидемиологии, этот пример демонстрирует, как применяется этот метод, но не представляет собой руководство по работе с аналогичными случаями из реальной жизни. Кроме того, в примере используются относительно определенные числа, тогда как на самом деле это часто просто приблизительные оценки. В этом примере вероятности для каждого состояния-кандидата были установлены с помощью метода на основе эпидемиологии следующим образом:

	PH	Рак	Другие условия	Нет болезней
Вероятность	37.3%	6.0%	14.9%	41.8%

Эти проценты также можно было установить на основе опыта работы в конкретной клинике, зная, что это проценты для окончательного диагноза для людей, поступающих в клинику с гиперкальциемией и имеющих семейный анамнез первичного гиперпаратиреоза.

Условие наивысшей относительной вероятности профиля (за исключением «отсутствия болезни»): первичный гиперпаратиреоз (PH), но рак по-прежнему вызывает серьезную озабоченность, потому что, если он является фактическим причинным состоянием гиперкальциемии, то выбор между лечением или маловероятным означает для пациента жизнь или смерть, что, по сути, потенциально может поставить индикация на аналогичном уровне для дальнейших тестов для обоих этих условий.

Предположим, что врач рассматривает относительные к профилю вероятности того, что они вызывают достаточно беспокойства, чтобы указать, что пациенту посылают запрос на визит к врачу, с дополнительным посещением медицинская лаборатория для дополнительного анализа крови, дополненного дальнейшими анализами, включая паратироидный гормон при подозрении на первичный гиперпаратиреоз.

Для простоты предположим, что врач сначала получает результат анализа крови (в формулах сокращенно «BT») для анализа паратиреоидного гормона, и что он показал уровень паратироидного гормона, который повышен относительно того, что можно было бы ожидать от уровня кальция. .

Такое созвездие можно оценить как имеющее чувствительность примерно 70% и специфичность примерно 90% для первичного гиперпаратиреоза.^[8] Это дает отношение правдоподобия положительное из 7 для первичного гиперпаратиреоза.

Вероятность первичного гиперпаратиреоза теперь называется Pre-BT_PH потому что соответствует перед анализом крови (латинский предлог Prae значит раньше). Он был оценен в 37,3%, что соответствует коэффициенту 0,595. С положительным отношением правдоподобия 7 для анализа крови, почтовый- Тестовые шансы рассчитываются как:

${\displaystyle \operatorname {Odds} ({\text{PostBT}}_{PH})=\operatorname {Odds} ({\text{PreBT}}_{PH})\cdot LH(BT)=0.595\cdot 7=4.16,}$

куда:

• Коэффициенты (PostBT_PH) вероятность первичного гиперпаратиреоза после анализа крови на паратироидный гормон
• Коэффициенты (PreBT_PH шансы в пользу первичного гиперпаратиреоза до анализа крови на паратиреоидный гормон
• Левый (BT) это отношение правдоподобия положительное на анализ крови на паратиреоидный гормон

Шансы (PostBT_PH) 4.16 снова преобразуется в соответствующую вероятность следующим образом:

${\displaystyle \Pr({\text{PostBT}}_{PH})={\frac {\operatorname {Odds} ({\text{PostBT}}_{PH})}{\operatorname {Odds} ({\text{PostBT}}_{PH})+1}}={\frac {4.16}{4.16+1}}=0.806=80.6\%}$

Таким образом, сумма вероятностей для остальных условий-кандидатов должна быть:

${\displaystyle \Pr({\text{PostBT}}_{rest})=100\%-80.6\%=19.4\%}$

До анализа крови на паратироидный гормон сумма их вероятностей была:

${\displaystyle \Pr({\text{PreBT}}_{\text{rest}})=6.0\%+14.9\%+41.8\%=62.7\%}$

Следовательно, чтобы соответствовать сумме 100% для всех условий кандидата, каждого из других кандидатов необходимо умножить на поправочный коэффициент:

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

Например, вероятность рака после теста рассчитывается как:

${\displaystyle \Pr({\text{PostBT}}_{\text{cancer}})=\Pr({\text{PreBT}}_{\text{cancer}})\cdot {\text{Correcting factor}}=6.0\%\cdot 0.309=1.9\%}$

Вероятности для каждого состояния-кандидата до и после анализа крови приведены в следующей таблице:

	PH	Рак	Другие условия	Нет болезней
P (PreBT)	37.3%	6.0%	14.9%	41.8%
P (PostBT)	80.6%	1.9%	4.6%	12.9%

Эти «новые» проценты, включая относительную вероятность первичного гиперпаратиреоза 80%, лежат в основе любых показаний для дальнейших тестов, лечения или других действий. В этом случае предположим, что врач продолжает план посещения пациентом визит к врачу для дальнейшего обследования, особенно при первичном гиперпаратиреозе.

Визит к врачу теоретически можно рассматривать как серию тестов, включающих оба вопроса в история болезни а также компоненты физический осмотр, где посттестовая вероятность предыдущего теста можно использовать как дотестовая вероятность следующего. Показания для выбора следующего теста динамически зависят от результатов предыдущих тестов.

Предположим, что у пациента в этом примере выявлены, по крайней мере, некоторые симптомы и признаки депрессии, боли в костях, боли в суставах или запора большей степени тяжести, чем то, что можно было бы ожидать от самой гиперкальциемии, что подтверждает подозрение на первичный гиперпаратиреоз.^[9] и предположим, что отношения правдоподобия для тестов при умножении примерно дают результат 6 для первичного гиперпаратиреоза.

Наличие неспецифических патологических симптомов и признаков в анамнезе и обследовании часто одновременно указывает на рак, и, скажем, тесты дали общее отношение правдоподобия, которое оценивается в 1,5 для рака. Что касается других состояний, а также случая полного отсутствия болезни, допустим, что неизвестно, как на них влияют имеющиеся тесты, как это часто бывает в действительности. Это дает следующие результаты анамнеза и физического осмотра (сокращенно P&E):

	PH	Рак	Другие условия	Нет болезней
P (PreH & E)	80.6%	1.9%	4.6%	12.9%
Коэффициенты (PreH & E)	4.15	0.019	0.048	0.148
Отношение правдоподобия H&E	6	1.5	-	-
Коэффициенты (PostH & E)	24.9	0.0285	-	-
P (PostH & E)	96.1%	2.8%	-	-
Сумма известных P (PostH & E)	98.9%
Сумма остатка P (PostH & E)	1.1%
Сумма остатка P (PreH & E)	4.6% + 12.9% = 17.5%
Поправочный коэффициент	1.1% / 17.5% = 0.063
После исправления	-	-	0.3%	0.8%
P (PostH & E)	96.1%	2.8%	0.3%	0.8%

Эти вероятности после анамнеза и обследования могут придать врачу достаточную уверенность, чтобы спланировать операцию пациента по поводу паратиреоидэктомия произвести резекцию пораженной ткани.

На данный момент вероятность «других состояний» настолько мала, что врач не может придумать для них какой-либо тест, который мог бы иметь значение, которое было бы достаточно существенным, чтобы сформировать показания для такого теста, и, таким образом, врач практически считает «другие состояния» исключенными, в данном случае не в первую очередь из-за какого-либо конкретного теста для таких других состояний, которые были отрицательными, а скорее из-за отсутствия положительных тестов.

For "cancer", the cutoff at which to confidently regard it as ruled out may be more stringent because of severe consequences of missing it, so the physician may consider that at least a histopathologic examination of the resected tissue is indicated.

This case is continued in the example of Комбинации in corresponding section below.

Coverage of candidate conditions

The validity of both the initial estimation of probabilities by epidemiology and further workup by likelihood ratios are dependent of inclusion of candidate conditions that are responsible for as large part as possible of the probability of having developed the condition, and it is clinically important to include those where relatively fast initiation of therapy is most likely to result in greatest benefit. If an important candidate condition is missed, no method of differential diagnosis will supply the correct conclusion. The need to find more candidate conditions for inclusion increases with increasing severity of the presentation itself. For example, if the only presentation is a deviating laboratory parameter and all common harmful underlying conditions have been ruled out, then it may be acceptable to stop finding more candidate conditions, but this would much more likely be unacceptable if the presentation would have been severe pain.

Комбинации

If two conditions get high post-test probabilities, especially if the sum of the probabilities for conditions with known likelihood ratios become higher than 100%, then the actual condition is a combination of the two. In such cases, that combined condition can be added to the list of candidate conditions, and the calculations should start over from the beginning.

To continue the example used above, let's say that the history and physical examination was indicative of cancer as well, with a likelihood ratio of 3, giving an Odds(PostH&E) of 0.057, corresponding to a P(PostH&E) of 5.4%. This would correspond to a "Sum of known P(PostH&E)” of 101.5%. This is an indication for considering a combination of primary hyperparathyroidism and cancer, such as, in this case, a parathyroid hormone-producing карцинома паращитовидной железы. A recalculation may therefore be needed, with the first two conditions being separated into "primary hyperparathyroidism without cancer", "cancer without primary hyperparathyroidism" as well as "combined primary hyperparathyroidism and cancer", and likelihood ratios being applied to each condition separately. In this case, however, tissue has already been resected, wherein a histopathologic examination can be performed that includes the possibility of parathyroid carcinoma in the examination (which may entail appropriate sample окрашивание ). Let's say that the histopathologic examination confirms primary hyperparathyroidism, but also showed a malignant pattern. By an initial method by epidemiology, the incidence of parathyroid carcinoma is estimated at about 1 in 6 million people per year,^[10] giving a very low probability before taking any tests into consideration. In comparison, the probability that a non-malignant primary hyperparathyroidism would have occurred at the same time as an unrelated non-carcinoma cancer that presents with malignant cells in the parathyroid gland is calculated by multiplying the probabilities of the two. The resultant probability is, however, much smaller than the 1 in 6 million. Therefore, the probability of parathyroid carcinoma may still be close to 100% after histopathologic examination despite the low probability of occurring in the first place.

Machine differential diagnosis

Дальнейшая информация: Clinical decision support system

Machine differential diagnosis is the use of компьютерное программное обеспечение to partly or fully make a differential diagnosis. It may be regarded as an application of artificial intelligence.

Many studies demonstrate improvement of quality of care and reduction of medical errors by using such decision support systems. Some of these systems are designed for a specific medical problem such as schizophrenia,^[11] Болезнь Лайма^[12] or ventilator-associated pneumonia.^[13] Others such as ESAGIL,^[14] Iliad, QMR, DiagnosisPro,^[15] VisualDx,^[16] Изабель,^[17] ZeroMD,^[18] DxMate,^[19] Symptoma, and Physician Cognition^[20] are designed to cover all major clinical and diagnostic findings to assist physicians with faster and more accurate diagnosis.

However, these tools all still require advanced medical skills to rate symptoms and choose additional tests to deduce the probabilities of different diagnoses. Machine differential diagnosis is also currently unable to diagnose multiple concurrent disorders.^[21] Thus, non-professionals should still see a медицинская организация for a proper diagnosis.

История

The method of differential diagnosis was first suggested for use in the diagnosis of mental disorders by Эмиль Крепелин. It is more systematic than the old-fashioned method of diagnosis by гештальт (impression).^{[нужна цитата ]}

Alternative medical meanings

'Differential diagnosis' is also used more loosely, to refer simply to a list of the most common causes of a given symptom, to a list of disorders similar to a given disorder, or to such lists when they are annotated with advice on how to narrow the list down (French's Index of Differential Diagnosis is an example). Thus, a differential diagnosis in this sense is medical information specially organized to aid in diagnosis.

Usage apart from in medicine

Methods similar to those of differential diagnostic processes in medicine are also used by biological систематики to identify and classify organisms, living and extinct. For example, after finding an unknown species, there can first be a listing of all potential species, followed by ruling out of one by one until, optimally, only one potential choice remains.Similar procedures may be used by plant and maintenance engineers and automotive mechanics, and used to be used in diagnosing faulty electronic circuitry.

В искусстве

Американское телевидение медицинская драма жилой дом с участием Хью Лори as the main protagonist Доктор Грегори Хаус who leads a team of diagnosticians at the fictional Princeton–Plainsboro Teaching Hospital in Нью-Джерси revolves around using differential diagnostics procedures in a bid to come up with the right diagnosis.

Throughout the series, the doctors have diagnosed such diseases as мастоцитоз, Plummer's disease, бешенство, Kawasaki's syndrome, smallpox, Риккетсиоз, and dozens of others.

Смотрите также

• Коморбидность
• Диагностика исключения
• Dual diagnosis
• Гендерная предвзятость в медицинском диагнозе
• Список медицинских симптомов

Рекомендации

1. "differential diagnosis". Merriam-Webster (Medical dictionary). Получено 30 декабря 2014.
2. Wilson, MC (2012). The Patient History: Evidence-Based Approach To Differential Diagnosis. Нью-Йорк, штат Нью-Йорк: Макгроу Хилл. ISBN  9780071804202.
3. Siegenthaler, Walter (2011). Differential diagnosis in internal medicine : from symptom to diagnosis. Тиме. п. 6. ISBN  978-1604062199.
4. Lim, Eric KS; Oster, Andrew JK; Rafferty, Andrew T (2014). Churchill's pocketbook of differential diagnosis (Четвертое изд.). Elsevier Health Sciences. ISBN  978-0702054044.
5. Ср. VINDICATE – Mnemonic for differential diagnosis at PG Blazer.com.
6. Richardson, WS. (Март 1999 г.). "Users' Guides to the Medical Literature: XV. How to use an article about disease probability for differential diagnosis". JAMA. 281 (13): 1214–1219. Дои:10.1001/jama.281.13.1214. PMID  10199432. S2CID  2389981. [1]
7. Seccareccia, D. (March 2010). "Cancer-related hypercalcemia". Кан Фам Врач. 56 (3): 244–6, e90–2. ЧВК  2837688. PMID  20228307. [2] [3]
8. [4] Lepage, R.; d'Amour, P.; Boucher, A.; Hamel, L.; Demontigny, C.; Labelle, F. (1988). "Clinical performance of a parathyrin immunoassay with dynamically determined reference values". Клиническая химия. 34 (12): 2439–2443. Дои:10.1093/clinchem/34.12.2439. PMID  3058363.
9. Bargren, A. E.; Repplinger, D.; Chen, H .; Sippel, R. S. (2011). "Can Biochemical Abnormalities Predict Symptomatology in Patients with Primary Hyperparathyroidism?". Журнал Американского колледжа хирургов. 213 (3): 410–414. Дои:10.1016/j.jamcollsurg.2011.06.401. PMID  21723154.
10. Parathyroid Cancer Treatment at National Cancer Institute. Last Modified: 03/11/2009
11. Razzouk, D.; Mari, J. J.; Shirakawa, I.; Wainer, J.; Sigulem, D. (January 2006). "Decision support system for the diagnosis of schizophrenia disorders". Бразильский журнал медико-биологических исследований. 39 (1): 119–28. Дои:10.1590/s0100-879x2006000100014. PMID  16400472.
12. Hejlesen OK, Olesen KG, Dessau R, Beltoft I, Trangeled M (2005). "Decision support for diagnosis of lyme disease". Исследования в области технологий здравоохранения и информатики. 116: 205–10. PMID  16160260.
13. "Evaluation of a Computer Assisted Decision Support System (DSS) for Diagnosis and Treatment of Ventilator Associated Pneumonia (VAP) in Intensive Care Unit (ICU)". nih.gov. Архивировано из оригинал 10 февраля 2009 г.. Получено 3 октября 2008.
14. esagil.org
15. "DiagnosisPro differential diagnosis reminder tool". diagnosispro.com. Архивировано из оригинал 2 октября 2008 г.. Получено 3 октября 2008.
16. visualdx.com
17. isabelhealthcare.com
18. "ZeroMD Diagnosis Tool and Community". ZeroMD.com. Получено 12 июля 2013.
19. dxmate.com
20. physiciancognition.com
21. Wadhwa, R.R.; Park, D.Y.; Natowicz, M.R. (2018). "The accuracy of computer‐based diagnostic tools for the identification of concurrent genetic disorders". Американский журнал медицинской генетики, часть A. 176 (12): 2704–2709. Дои:10.1002/ajmg.a.40651. PMID  30475443. S2CID  53758271.