網路急診名人金山醫院劉主任 留言請教 D-Dimer 在 PE or Aortic dissection 的應用

(通常這種請求是沒聽過的，V6作部落格一秒鐘上上下下幾百萬，所以特別商請統計高手CY HSU, MD, PhD回答這一題，這樣統計諮詢要求至少要NT 50000起跳。)

雖然根據可靠消息大家都沒有確實匯款到V6的帳戶，不過有同伴願意提出問題就表示大家對這個議題有興趣；運用D-Dimer於Aortic dissection 的診斷自2004-2005 開始引起許多討論與注意 [1,2]，希望藉由D-Dimer 提供診斷Aortic dissection 的線索，這樣的情境與先前應用快篩於流感診斷的情境並無不同，只是情境改為懷疑Aortic dissection 病患就診時，D-Dimer 檢測陽性或是陰性結果如何解釋。如同先前情境一般，此一問題應分為3個部分：就診患者卻實罹患Aortic dissection 的可能有多高、D-Dimer 作為診斷工具的表現如何，以及綜合前兩者後，患者若D-Dimer 檢測結果為陽性或者陰性期罹患Aortic dissection 的可能性有多高。

第三步驟是由第一步驟與第二步驟產生的，我們先針對第二步驟：D-Dimer 的診斷表現討論。 2015年以經有前人對這個文題作了文獻回顧與統合分析 [3]，我們可以藉此之便暫時省去自己收集資料的工夫。Asha 等人的統合分析結果如下：敏感度(sensitivity): 98.0%¸(95% 信賴區間 (confidence interval, CI): 96.3-99.1%；特異度 41.9% (95% CI: 39.0-44.9%)。由先前對於工具診斷特性的介紹可知，D-Dimer 屬於高敏感度的工具，運用上較偏向用來rule out 疾病 (Send Out)，其特異度太低，無法用於 rule in (SpIn)。

統計小武館

Negative results from highly sensitive tests can rule a diagnosis out (sensitive, negative, out = SnNOut),指高敏感性(>95%)的測試陰性結果可以排除診斷。

Positive results from highly specific tests can rule a diagnosis in (specific, positive, in = SpPIn)，指高特異性(>95%)的測試陽性結果可以確立診斷。

文末利用此一實證結果建議D-Dimer 可以用於 rule out 低風險族群病患 (Aortic dissection 盛行率為6%以下)對於此一族群若D-Dimer結果為陰性，則其罹患Aortic dissection 的可能性可以降到0.3%，因此幾乎可以 rule out。我們可以用口語一些的方式理解這一連串的數字，作為快思的基礎：如果你認為你面前的病患，在綜合其病史(年齡、高血壓等等)、臨床表現(疼痛發生狀況、疼痛程度與性質等等)以及基本理學檢查(四肢血壓差、心雜音、休克徵象)後，罹患Aortic dissection 的可能低於每20個就有一個的水準，那麼你可以考慮用D-Dimer 檢查結果達到相對安全的rule out 這個麻煩的診斷；若你面前的病人罹病可能高於此一水準，那D-Dimer 恐怕就無法提供有用的資訊。那怎麼辦？就CT用力把它切下去切到CT熱當阿由流感到Aortic dissection另一個快思的材料是：若面對的病患其在進行檢驗前罹病越高，若想要達到rule out 的目的，則檢測工具需要有更高的敏感度才能達到此一目的。以Aortic dissection 為例，若面對的病患在檢驗前其罹病的可能性已達15%，在同樣的特異度下(41.9%)，需要用敏感度高達99.3% 的工具才能達到病患檢測結果為陰性的話，其罹病風險降到0.3%左右的目的。98%到99.3%看起來差不多，不過如同考試一般，98級分到99級分的差別常常是好幾個月的無眠。在醫療情境中，使用敏感度越高的工具通常表示需要進行越精密的檢查，花更多錢耗用更多醫療資源。當然識者必然會認為，既然該病患的罹病風險以如此的高，何必要在檢查東檢查西，我們應該立提供病患最高品質的醫療，立刻進行確定性的診斷。的確是如此，這裡做為說明之用，但也別忘了醫療的變化多端。另一個在臨床常見的例子是急性冠心症。當面對病患的罹病風險較低(或者用比較流行的說法：看起來還好、看起來不像)或許可以考慮如EKG配合時序性的變化(觀察)達到rule out 的目的；若病患的罹病風險高，則需要較高敏感度之檢測或進行確診。 

        走筆至此還有一些問題需要解決，大家才能順利的發展臨床思路。較重要的是：我如何知道我面對的病患其罹病風險高低？雖然許多臨床風險分數(就是有人名或地名的種種分數)可以提供不同特質的病患其罹病風險，但要運用歪果人的基礎風險來說我們自己病患總是有點扞格不入，比較理想的是藉由台灣甚或是各區域的臨床資料建立病患機處風險，比較時髦的說法是 the risk profile of target population。例如台大江文莒醫師便利用台大病患資料建立菌血症風險預測模型[4]。至於工具診斷特性(敏感度與特異度)由於在同一工具其診斷表現的一致與穩定是臨床運用的基本要求，因此運用文獻資料則較可接受。另一個問題是技術問題，例如，上面風險由6%增到15%，對於工具敏感度的要求即由98%到99.3%是如何算的？這些說法有沒有完整的理論基礎支持？有沒有可能考慮多個工具同時檢查的結果或接續檢查的結果將病患的罹病風險逐次更新？如果檢查不是陽性陰性兩類而是連續數值怎麼辦？相信V6帳戶有入帳時在適當的時機V6還會在另闢心法傳授。

(如果你看完覺得有道理，按個讚分享，使觀念傳遞出去。)

Written by CY HSU, MD, PHD.

圖來自周星馳"破壞之王"

[1] Wen et al.: Biomarkers in aortic dissection. Clinica Chemica Acta. 2011; 412(9-10): 688-695.

[2] ACEP: http://www.acep.org/Clinical—Practice-Management/Focus-On–Acute-Aortic-Dissection/ Assessed at 2015/12/03.

[3] Asha et al.: A systematic review and meta-analysis of D-dimer as a rule-out test for suspected acute aortic dissection. Annals of Emergency Medicine. 2015; 66(4): 368-378.

[4] Chiang et al.: Predictive model of antimicrobial-resistant gram-negative bacteremia at the ED. American Journal of Emergency Medicine. 2007; 25(6): 597-607