Q1
为什么疾病的测试前患病概率是理解诊断技术评估的一个重要概念？
测试前患病概率是计算测试后患病概率的必要条件，因此也是解释诊断测试的必要条件，它也是决定我们是否需要对患者什么都不做，进行测试或者进行治疗的基石。
患者的测试前患病概率了个人自己的临床发现，是为患者量身定做决定的方式之一。知道如何估计测试前患病概率是一项基本的临床技能，并在下面的章节中描述。
Q2
什么时候测试特别有用？
当测试前患病概率非常高或非常低时，患者特别不可能从测试中获益。如果测试前患病概率非常高，医生可能会对患者进行治疗，除非阴性结果使人对诊断产生怀疑。
就算如此，测试结果为阴性后的患病的概率依旧非常高，以至于仍然需要治疗。
例如，对于一个典型的心绞痛患者，运动心电图测试为阴性后，其患病概率为76%。但是，即使患病概率大大低于76%，大多数医生也会开始对冠状动脉疾病进行医疗治疗，对于这些医生来说，治疗的决定不会受到运动心电图测试结果的影响。
如果测试前患病概率非常低，就像在筛查无症状者时发生的那样，临床医生很可能什么都不做，除非测试结果为阳性引起关注。
例如，如果测试前患病概率小于0.1%，测试后患病概率可能小于1%，在这种情况下，不表示要改变对患者的治疗方案。
图2.1显示，当测试前患病概率处于中间水平时，测试的最大益处可能会出现，这相当于对患者的真实状态存在不确定性的临床情况，当测试前患病概率接近治疗阈值概率时，患者也可能从测试中获益。
在这一点上，只需要疾病概率的一个小变化就可以跨越阈值并改变管理。
医生通常使用他们的直觉来估计疾病的概率，对概率估计的两个主要影响因素是个人经验和已经发表的文献。
1、 使用个人经验来估计疾病概率
为了估计概率，医生应该回忆与有关患者特征相似的患者，然后试着回忆这些患者中有多少比例患有疾病。这项认知任务是非常困难的。在实践中，对临床情况的概率分配主要是猜测。
有几个估计概率的认知原则被称为启发式方法。
当一个临床医生根据“如果患者看起来像一个典型的病例，他很可能患有这种疾病”这一原则进行操作时，他或她正在使用代表性启发法。
因此，如果一个患者具有库欣氏病的所有特征，那么他就被认为很可能患有这种疾病本身。
代表性启发式可能会产生误导，因为它使医生忽视了一种疾病的总体流行率。
如果患者的研究结果对疾病的预测很差，或者当有许多多余的预测因素时，医生高估了概率，它也会导致错误。
此外，临床医生对疾病的内部表述可能是不正确的，因为它是基于一个小的、不典型的个人经验。
当临床医生根据类似事件被记住的难易程度来判断事件的概率时，他们正在使用可用性启发式，这种启发式通常具有误导性。
个人经常从最初的概率估计（这也被成为估计锚定）进行调整，以考虑到患者的不寻常特征。
锚定和调整启发式是一个重要的原则，它相当于某人计划乘坐公共交通出行，第一步是确定离目的地最近的地铁站，然后，这个人通过该站附近走到最终目的地。
贝叶斯定理是从最初的锚点进行调整的最佳方法。
2、使用已经发表的文献来估计疾病概率
据报道，一种疾病在临床人群中的流行率是估计该疾病概率的一个有用的起点。然后医生可以根据患者的临床表现来修改这个初始估计。大多数发表的研究有两个重要的缺点。
第一个缺点是，这些研究通常缺乏估计概率所需的数据。
典型的描述会报告某种疾病患者的临床发现的流行率，而不是有临床症状的患者中各种疾病的流行率，估计概率的锚点是某种疾病在有特定临床发现或诊断问题的患者中的流行率。
因此，一项典型的研究会报告库欣氏病患者中的虚弱患病率，而实际上需要的是库欣氏病在抱怨虚弱的人中的患病率。
第二个缺点是，这些研究缺乏发现的假阳性率。
他们报告的是某一疾病患者中某一发现的流行率，即该发现的灵敏度，但没有报告该发现在未患该疾病的患者中的流行率，即该发现的假阳性率。最有用的研究类型应该还包括报告了某一发现在最初被怀疑患有该疾病但被证实没有患病的患者中的流行率。
造成这些缺陷的原因之一是，研究往往是由专家完成的，他们报告的是转诊的疾病患者。但这项研究应该由初级保健医生来做，他们会跟踪他们诊所里每个有特定临床主诉的人，最终确定所有患者是否患有某种疾病。
为了解决上述问题，我们需要采用临床预测规则。
临床预测规则这是从对有诊断问题的患者的系统研究中得出的，它们定义了如何用临床结果的组合来估计概率。
一个著名的规则是为了帮助术前顾问估计一个预定手术的人在手术中出现心脏并发症的概率。
该规则指定了最能预测并发症的临床研究结果，并为每项研究分配了一个数字权重。
临床医生通过对每个发现的数字权重的总和来衡量“术前得分”。然后，他或她通过注意先前对具有类似分数的患者的研究中出现并发症的频率来估计并发症的概率。
作者：认真的刘博
责编：安悦
信息来源：诊断科学
声明：本来源的稿件均为转载，仅用于分享，如涉及版权等问题，请尽快联系我们，我们第一时间更正或删除，谢谢！
