Формальные приемы объединения диагностических методов Опции

[nokh]

Пытаемся с хирургом оптимизировать схему диагностики рака предстательной железы с учетом внедрения нового метода. Проблема в том, что в традиционных схемах выявления заболевания все начинается с дешевого, но слабого метода. Мне непонятно каким образом авторам таких схем удается добиться (заявить?), например 90% чувствительности и 70% специфичности всей схемы, если треть истинно больных пациентов на первом же этапе отправляется на динамическое наблюдение и далее в результатах исследования не фигурируют. Простое произведение вероятностей показывает, что диагностическая эффективность на последующих этапах диагностики будет только снижаться. И существенно! Чувствительность 0,7 х 0,7 = 0,49, что равнозначно подбрасыванию монетки. Просмотренные схемы не опираются явным образом на результаты статистического анализа и представляются исключительно умозрительными. Подскажите, пожалуйста, существуют ли формальные приемы объединения диагностических методов, позволяющие разрабатывать жизнеспособные схемы с высокой диагностической эффективностью. Пробовал деревья решений, но алгоритм - не врач и естественно помещает в вершину не самый дешевый, а самый эффективный в диагностическом отношении дорогой метод .

Сообщение отредактировал nokh - 6.12.2008 - 20:12

[плав]

Не совсем понятно. Речь идет о методах с известной диагностической точностью? (Se и Sp), или нет? Если известна, то тогда надо строить деревья (только не CART, а обычные decision tree - ручками) и размещать в узлах разные методы. Затем по теореме Байеса оценивается эффективность всей схемы. Далее можно играть сколько угодно, меняя стартовые вероятности наличия заболевания или методы в узлах. Можно также присвоить "цену" всем исходам. Подход стандартный в экономическом анализе.
(описание в формате iSilo тут (http://pubhealth.spb.ru/CDA.pdb) - старая методичка, переделанная версия с использованием SAS в книже по SAS)
Кстати, дешевый метод с высокой специфичностью (и низкой чувствительностью) в начале скринига будет очень даже кстати.
Если же Se и Sp не известны... Тогда надо их изучать вначале по отдельности.
Кстати, при Se=0.9 и Sp=0.7 треть истинно больных не обязательно отправится в наблюдение. Например, если р=0,8, то тогда
на наблюдение отправится 8 из 72 истинно больных, а вся схема будет правильно лечить 92% пациентов (т.е. среди направленных на лечение ложно положительных будет 8%), правда в динамическом наблюдении будет 36% больных - повод для диагностики при отрицательном значении.
Если же р=0,1
9 27
1 63
10 90
то в динамическое наблюдение отправится 1 человек (1,6% ложноотрицательных значений будет), а среди оставшихся только 25% будут иметь заболевание - повод для новой диагностики.