[診斷理論]數字會騙人: 看新聞學診斷機率ー流感篩不篩?

medical-342446_960_720

新聞片段

吳○○被醫院診斷為「類流感」,(中略)。吳男當時到院時,快篩結果為陰性,但因快篩診斷率僅50-60%,醫生告知要注意,罹患流感可能性為一半一半


       媒體報導中假設流感快篩之工具敏感度(sensitivity)為五成,因此若你的病人快篩結果呈陰性時,他罹患疾病的機率為一半一半。很符合直觀的想法,作為一個醫療專業人員,你認同這樣的說法嗎?你如何在臨床情境中解釋病人流感率篩的結果?


考慮以下兩個情境:

(1) 一位發燒病患於11月5日至你的診間就診,他並無特殊慢性病病史,有些肌肉痠痛,若他的快篩結果為陰性,你認為他是否可排除罹患流感之診斷? 若他的快篩結果為陽性,你認為他是否的確罹患流感? 為什麼?

(2) 另一位發燒病患亦於同一日就診,除發燒外以及肌肉痠痛外,他尚有呼吸道症狀,對於此一位病患,你如何利用其快篩結果下決策?為甚麼?

大家可以先在心中盤算上述兩種情境(事實上是四種:一般罹病風險,快篩結果為陽性或是陰性;較高罹病風險,快篩結果為陽性或是陰性)。若你認為快篩是垃圾,不想/不屑做,直接治療就好,那你可以自行把這個情境改成你喜歡的狀況:胸痛病患,如何依據其EKG或TnI下決策?頭部外傷,要留觀/回家/作CT?或這你偏好經典的例子如疑似腦膜炎病患,如何依據lumbar puncture 結果做決策?疑似pulmonary embolism 病患,如何依據種種地名的score 作決策?作為臨床人員,每天總是面臨風險各異的病人,需依據理學或生化/免疫/影像/病理檢查進行攸關性命或爽度的決策,這與快篩的臨床思路(clinical reasoning) 並無不同。

      為免討論失焦思路打結並解簡化問題,在開始之前我們姑且對快篩工具作一些無傷大雅的假設:敏感度皆為60%,特異度皆為100%。

同樣的,我們也可以對於在流感季節一般病患風險做些無傷大雅的假設:流感流行期,到急診的發燒病患中流感盛行率約為20%,即每十個到急診的發燒病人即有二個是流感。雖然這個數字會隨季節[1]以及各醫院或科別所面對的病患特質而異,我們暫且用20%作為方便法門。若是病患發燒而且具有呼吸道症狀(如上面第(2)個例子)的話,則病患是流感可能性更高,我們暫時假設這樣的病人其盛行率為45%。覺得不滿意?若您看完後開始試著變換敏感度、特異度以及病人風險(盛行率)進行不同情境的嘗試,那你就中計了往發展醫學思路的方向前進了。

遇到發燒的病患有兩種作法,第一種是對每個病患都快篩試試,另一種是僅對特定病患進行快篩。

 

表一為應用快篩在一般風險族群(盛行率為20%)時會看到的情形。若我們決定大殺四方,對每個發燒的病患均進行流感的快篩,在100人次的快篩病患中,快篩呈現的結果為:

 

 

 

 病患實況→

快篩結果↓

真的是流感(20人)

不是流感(80人)

陽性

12

0

陰性

8

80

表中人數都是依據上面的情境推算得到的,只是簡單的比例計算,若大家在這裡卡住請匯錢給V6他就會跟你約時間一步一步算給你看。因此,對於一般風險民眾,病人快篩呈現陰性,但其仍為流感的機率為:8/(8+80)=9%。另一方面只要快篩是陽性的就必定是流感(12/(0+12)=100%)。

對於罹患流感的可能性較高的民眾又如何呢?表二為在盛行率45%(100發燒民眾中有20人流感,另80人中有30%是普通感冒),代表具有上呼吸道症狀並且至就診的發燒民眾,其快篩結果會看到的情形。

  病患實況→

快篩結果↓

真的是流感(20人)

不是流感但具上呼吸道症狀(24人)

陽性

12

0

陰性

8

24

則病人快篩呈現陰性,其仍為流感的機率為:8/(24+8)=25%。只要快篩是陽性的同樣就必定是流感(12/(0+12)=100%)。

      由上述兩例可以知道,在預設情形下,在流感季希望利用快篩作為排除罹病可能的工具顯然無法如願,但快篩倒是可以作為rule in 的工具:只要快篩是陽性就必定是流感。大家一定曾經在流行病學相關課程上熟背一個原則:Send Out, SpIn(specificity for rule in). 意思是說,想要達到rule out 的目的,該工具要有極高的敏感度(Send Out);想要達到 rule in 的目的,該工具則需有極高的特異度(SpIn)。

 

關於流感快篩的運用我們先做個總結:

在流感季利用快篩之目的僅能rule in (採納陽性結果)而無法 rule out;陰性可能是流感也可能不是流感,鑒於犯錯的機會過高,無法安心的rule out。對於快篩陰性病患亦不能因病人有類流感症狀就還是硬ㄠ說病人還是有9%或25%的機會是流感,其他可能造成發燒表現的潛在更危險的疾病也應該進入診斷過程中。由於臨床決策有許多不確定性以及其他許多附帶的考慮,所以臨床上遇到高危險群病人,如老人、糖尿病、肝硬化、洗腎及免疫功能不良病患發燒,但無明顯其他症狀,鑑別診斷為流感或其他潛藏感染時:

若流感快篩陽性,且無流感的高危險徵象,則可考慮回家。

若流感快篩陰性,不該當作流感,而應留觀或住院查其他發燒原因。

 

為甚麼用同樣的工具,對於一般風險族群若檢查結果為陰性其仍為流感的機率是9% (錯誤率);但對於較高罹病風險的族群就變成25%? 又為甚麼高敏感度才能rule out,高特異度才能rule in? 用高低風險以及Send Out, SpIn 的快思解釋固然也可以,但如此一來你就錯過發展臨床思路的有趣歷程了。

請按讚或交錢給V6 才要告訴你們。

 

     

 

Written by CC Peng MD & CY Hsu, MD, PhD


參考資料:

  1. 疾管局季節性流感防治工作指引 http://www.cdc.gov.tw/uploads/files/94e519d7-c6b2-40cd-8149-4bd8943ab026.pdf
  2. Diagnostic Test Calculator

 

1 則迴響於《[診斷理論]數字會騙人: 看新聞學診斷機率ー流感篩不篩?

  1. 這篇文章假設的specificity & sensivisity與事實雖有一些出入,但不影響作者之說理。當PGY或住院醫師在急診實習時,印出來給他看或是請他自己閱讀部落格,就可以簡單教會他對檢驗工具的specificity & sensivisity的臨床運用。

發表迴響