Analisi delle decisioni cliniche
Ottobre 2004
Decisioni
Il clinico, a fronte del malato, deve prendere
delle decisioni:
 Di quale malattia si tratta?
 Sono necessari ulteriori test diagnostici?
 E’ necessario un trattamento?
 Quale trattamento?
Le decisioni sono comunque prese, solitamente
con un processo informale. E’ possibile
formalizzare e rendere esplicito tale
processo?
EBM e decisione clinica
Medicina basata sulle prove di efficacia
“Sintesi delle migliori prove scientifiche volte al
trasferimento della ricerca nella pratica
clinica” [Sackett, BMJ 1996]
L’analisi della decisione è parte del
trasferimento nella pratica clinica. Le
decisioni di tipo formale si applicano bene in
condizioni complesse, soprattutto per la
costruzione di linee guida e protocolli.
Un caso clinico
 Un ragazzo di 15 anni riferisce dolore in fossa
iliaca destra persistente da due giorni,
anoressia, non nausea né vomito, peristalsi
intestinale ridotta.
 E.O: temperatura rettale 38°C, contrattura
reattiva alla palpazione addominale,
Blumberg -.
Esempio modificato da Giorgio Duca
Elementi della decisione
Bisogna stabilire ulteriori esami da effettuare, la
diagnosi ed il trattamento.
1) Elencare tutti gli stati di realtà (diagnosi
differenziale), mutuamente esclusivi,
associati alla situazione clinica, e assegnare
le probabilità a ciascuno di essi
2) Elencare tutte le decisioni possibili
(attendere, trattare, ulteriori accertamenti)
3) Determinare l’utilità di ciascun esito di
ciascuna decisione applicata a ciascuno
stato di realtà
1. Possibili diagnosi





Appendicite acuta
Gastroenterite acuta
Calcolosi renale
Colelitiasi
Altro
SEMPLIFICANDO
 Appendicite acuta
 Non appendicite
Probabilità
?
?
?
Incertezza!
?
?
p1
(1- p1)
1. Come assegnare le
probabilità?
 Il giudizio del clinico in base alla propria
esperienza
 Informazioni di carattere epidemiologico e
letteratura (EBM)
Si possono effettuare ulteriori test per
modificare le probabilità:
 Probabilità pre-test
 Probabilità post-test
1. E’ un procedimento
Bayesiano
La probabilità a priori della malattia (es:
prevalenza della malattia nella popolazione in
base a studi epidemiologici) è modificata in
base alle informazioni disponibili.
Probabilità pre-test  probabilità post-test
Nel nostro caso:
età, tipo di dolore, sintomi, temperatura…
2. Scelte possibili
 Trattamento chirurgico
 Non trattare e attendere
 Accertamenti diagnostici
Ognuna di queste scelte avrà delle
conseguenze (rischi e benefici). Le
conseguenze dipendono dallo stato di realtà
(cioè dalla malattia) e dalla decisione presa
2. Scelte e conseguenze nel
ragazzo di 15 anni
Consideriamo come scelte “trattare” e “non
trattare”. Si potrà:
 Operare un persona con appendicite
 Non operare una persona con appendicite
 Operare una persona senza appendicite
 Non operare una persona senza appendicite
Poniamo come conseguenze lo stato in vita:
vivo  morte
Albero decisionale
0.001
p Malato
Trattare
(1-p)
Non Malato
0.999 Vivo
0.001 Morto
0.999
Non
Trattare
0.040
Malato
p
0.960
0
(1-p)
Non Malato 1.0
Nodo decisionale
Nodo causale
Morto
Vivo
Morto
Vivo
Morto
Vivo
Albero decisionale
0.001
p Malato
Trattare
(1-p)
Non Malato
0.999 Vivo
0.001 Morto
0.999
Non
Trattare
0.040
Malato
p
0.960
0
(1-p)
Non Malato 1.0
Prob di morte | T p*(0.001)+(1-p)*0.001
Prob di morte | t p*(0.040)+(1-p)*0
Morto
Vivo
Morto
Vivo
Morto
Vivo
p
Prob M |T
Prob M | t
1
0.001
0.04
3. Conseguenze: l’utilità
 L’utilità misura la desiderabilità dell’esito. E’
compresa tra 0 e 1.
 Può essere oggettiva (es mortalità)
 Può essere soggettiva.
Esempio. decisione clinica in caso di gravidanza
gemellare:
1) anticipare il parto con aumento di mortalità neonatale
2) ritardare il parto con aumento di mortalità in utero?
Utilità soggettiva
Gemelli Attitudine dei genitori
vivi
2
-1
0
Utilità
Risultato
1
a)Un bambino vivo è desiderabile
come entrambi i bambini vivi
1
b) Ogni bambino vivo aggiunge la
medesima desiderabilità
0.5
c)La perdita di uno solo dei due
bambini è vissuto come catastrofica
0
--
0
Da: Georgeson S et al, Med Dec Making 1992;10:139-49
a. 28
settimana
b. 31
settimana
c. 33
settimana
3. Utilità nell’ esempio
dell’appendicite
1. Malato di appendicite non trattato
2. Malato di appendicite trattato
UMt=0.960
UMT=0.999
3. Non malato di appendicite trattato
UmT=0.999
4. Non malato di appendicite non trattato Umt=1.000
Utilità
U
p Malato
Trattare
Non
Trattare
(1-p)
Non Malato
p Malato
(1-p)
Non Malato
UMT=0.999
UmT=0.999
UMt=0.960
Umt=1.000
Utilità attesa
del trattamento
 E(UT) = p* UMT + (1-p)* UmT
Del non trattamento  E(Ut) = p* UMt + (1-p)* Umt
Da: Lilford et al. BMJ 1998;317:405-9 | Kellet J et al. Med Decis Making 1995;15:297-310
Soglia di p
Utilità attesa
del trattamento
 E(UT) = p* UMT + (1-p)* UmT
Del non trattamento  E(Ut) = p* UMt + (1-p)* Umt
SI TRATTA SE  E(UT) > E(Ut)
Psoglia = p* (UMT - UMt + Umt – UmT) = Umt – UmT = 2.5 %
Benefici
psoglia = C/(B+C)
Costi
oppure
oddp =C/B
Non trattare
Soglia di p
Trattare
1
0.999
0.999
Utilità
attesa
0.960
0
Probabilità di malattia
1
Come aumentare la
conoscenza su p?
Si può effettuare un test diagnostico:
Verità
-
SPECIFICITA’: VN /(VN+FP)
+ VP
FP
VPP: VP/(VP+FP)
-
VN
+
Test
SENSIBILITA’: VP/(VP+FN)
FN
VPN: VN/(VN+FN)
Il VPP è la probabilità di avere la malattia se il test è
positivo. Dipende dalla probabilità pre-test
Conoscenza di p
Test: +
VPP
Test: -
VPN
Prob pretest
Si possono usare i rapporti di verosomiglianza:

RV+ = SE / (1-SP)
probabilità di un risultato positivo in un soggetto malato
rispetto alla stessa probabilità in un soggetto non malato

RV- = (1-SE)/ (SP)
probabilità di un risultato negativo in un soggetto malato
rispetto alla stessa probabilità in un soggetto non malato
Conoscenza di p
Se il test è positivo sarà:
OddsM post-test = RV+ * OddsM pre-test
Se il test è negativo sarà:
OddsM post-test = RV- * OddsM pre-test
OddsM = p / (1-p)   p=odds / (odds +1)
Per conoscere RV+ ed RV- bisogna sapere la
specificità e la sensibilità del test: EBM
Caratteristiche del RV
 RV varia tra 0 ed infinito
 Se RV>1 il risultato del test aumenta la
probabilità di presenza di malattia (un buon
test ha RV+ ≥ 10)
 Se RV < 1 il risultato del test aumenta la
probabilità di assenza di malattia (buon test
RV≤0.1)
 Se RV = 1, il test non è informativo
Test diagnostico
Probabilità a posteriori
1.2
1
0.8
RV+
RVRV0
0.6
0.4
0.2
0
0
0.2
0.4
0.6
Probabilità a priori
0.8
1
Nell’esempio (1)
 Ammettiamo che la probabilità a priori di appendicite
del ragazzo di 15-anni fosse del 20%.
 Si esegue una formula leucocitaria: SENS = 90%,
SPEC = 80%
 Se il test è positivo, la probabilità a post-test è:
ODDS ( POST ) 
0.20
0.90
*
 1.125
(1  0.20) (1  0.80)
Quindi  p(post) = [1.125/(1+1.125)] = 53%
 Se il test è negativo, la probabilità post-test è:
ODDS  POST 
0.20
(1  0.90)
*
 0.03
(1  0.20)
0.80
Quindi  p(post) = [0.03/(1+0.03)] = 2.9%
Nell’esempio (2)
La soglia di probabilità per cui bisognava
trattare era del 2.5%:
 In mancanza di test bisogna trattare (p=20%)
 Se il test è positivo bisogna trattare (p=53%)
 Se il test è negativo bisogna trattare (p=2.9%)
Se la probabilità a priori del 15-enne fosse stata
del 10% un test negativo avrebbe dato una
probabilità a posteriori del 1.4%: Non trattare
Non trattare
Soglia di p
Trattare
Test diagnostico
1
Utilità
attesa
Non
trattare
test
trattare
0
0
Probabilità di malattia
1
Sull’EBM
Riassumendo, l’EBM fornisce informazioni su:
 Probabilità della malattia
 Benefici e rischi della terapia
 Qualità dell’informazione dei test
Un esempio su tubercolosi e
sarcoidosi
Un paziente di 44 anni riferisce affaticamento,
febbre persistente da circa 3 settimane, calo
ponderale (2.5 kg in 6 mesi).
Una breve anamnesi, l’esame obiettivo, Rx
torace con indicazione di piccoli nodi miliari
indicano come diagnosi:
Tubercolosi miliare
Sarcoidosi


Fonte: Kopelman RI, et al New Engl J Med 1999;341:435-39
70%
30%
Un esempio su tubercolosi e
sarcoidosi
Una TBC miliare non trattata ha una mortalità
del 50%
Una TBC miliare trattata con rifampicina,
isoniazide, pirazinamide, etambutolo ha una
mortalità del 20%
Intorno al 2% delle persone di origine asiatica
trattate con isoniazide sviluppa un’epatite,
con mortalità del 7.5%  mortalità totale del
0.15%
Fonte: Kopelman RI, et al New Engl J Med 1999;341:435-39
Albero decisionale
70% TBC
Trattare
Non
Trattare
30%
Sarcoidosi
70%TBC
30%
Sarcoidosi
U
UMT=0.800
UmT=0.985
UMt=0.500
Umt=1.000
Utilità attesa
trattamento
 E(UT) = 0.70*0.800 +0.30*0.985 = 0.85
non trattamento  E(Ut) = 0.70*0.500 +0.30*1.0 = 0.65
Test diagnostici
Risultato
Test della tubercolina
Biopsia trans-bronchiale
Livelli sierici di ACE
granulomi
non caseosi
normali
Probabilità a posteriori (1)
Ricordando:
OddsM post-test = RV+ * OddsM pre-test
OddsM post-test = RV- * OddsM pre-test
Sappiamo che:
RV per il test della tubercolina  0.26
Quindi
Odds(TBC)= 0.26 * (0.70/0.30) = 0.61
P(TBC) = [0.61/(0.61+1)] = 38%
Albero decisionale (1)
38% TBC
Trattare
Non
Trattare
62%
Sarcoidosi
38%TBC
62%
Sarcoidosi
U
UMT=0.800
UmT=0.985
UMt=0.500
Umt=1.000
Utilità attesa
trattamento
 E(UT) = 0.38*0.800 +0.62*0.985 = 0.91
non trattamento  E(Ut) = 0.38*0.500 +0.62*1.0 = 0.81
Probabilità a posteriori (2)
RV per i granulomi non caseosi  0.20
Quindi
Odds(TBC)= 0.20 * (0.38/0.62) = 0.12
P(TBC) = [0.12/(0.12+1)] = 11%
RV per ACE  4.75
Quindi
Odds(TBC)= 4.75 * (0.11/0.89) = 0.59
P(TBC) = [0.59/(0.59+1)] = 37%
Albero decisionale (2)
37% TBC
Trattare
Non
Trattare
63%
Sarcoidosi
37%TBC
63%
Sarcoidosi
U
UMT=0.800
UmT=0.985
UMt=0.500
Umt=1.000
Utilità attesa
trattamento
 E(UT) = 0.37*0.800 +0.63*0.985 = 0.92
non trattamento  E(Ut) = 0.37*0.500 +0.63*1.0 = 0.82
Finale: TBC e sarcoidosi
Il paziente è stato trattato per TBC miliare in attesa del
risultato della coltura per il micobatterio della TBC.
Dopo due settimane la coltura è negativa ed il paziente
ha ancora febbre e dispnea ingravescente. Viene
trattato con prednisone per diagnosi di sarcoidosi.
Dopo sei settimane la coltura è ancora negativa, il pz
è migliorato ed il trattamento per TBC viene sospeso