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? formalizzare e rendere esplicito 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] trasferimento 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 Probabilità  Appendicite acuta?  Gastroenterite acuta?  Calcolosi renale?  Colelitiasi?  Altro? SEMPLIFICANDO  Appendicite acutap 1  Non appendicite (1- p 1 ) Incertezza!

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 conseguenze (rischi e benefici) 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 Trattare Non Trattare Nodo decisionale Nodo causale p (1-p) p (1-p) Morto Malato Non Malato Malato Vivo Morto Vivo

Albero decisionale Trattare Non Trattare p (1-p) p (1-p) Morto Malato Non Malato Malato Vivo Morto Vivo Prob di morte | T  p*(0.001)+(1-p)*0.001 Prob di morte | t  p*(0.040)+(1-p)*0

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 vivi Attitudine dei genitoriUtilità 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 Da: Georgeson S et al, Med Dec Making 1992;10: Risultato a. 28 settimana b. 31 settimana c. 33 settimana

3. Utilità nell’ esempio dell’appendicite 1. Malato di appendicite non trattato U Mt = Malato di appendicite trattato U MT = Non malato di appendicite trattato U mT = Non malato di appendicite non trattato U mt =1.000

Utilità Trattare Non Trattare p (1-p) p (1-p) Malato Non Malato Malato U U MT =0.999 U mT =0.999 U Mt =0.960 U mt =1.000 Utilità attesa del trattamento  E(U T ) = p* U MT + (1-p)* U mT Del non trattamento  E(U t ) = p* U Mt + (1-p)* U mt

Da: Lilford et al. BMJ 1998;317:405-9 | Kellet J et al. Med Decis Making 1995;15:

Soglia di p Utilità attesa del trattamento  E(U T ) = p* U MT + (1-p)* U mT Del non trattamento  E(U t ) = p* U Mt + (1-p)* U mt SI TRATTA SE  E(U T ) > E(U t ) 2.5 % P soglia = p* (U MT - U Mt + U mt – U mT ) = U mt – U mT = 2.5 % Benefici Costi Benefici Costi p soglia = C/(B+C) oppure odd p =C/B

Soglia di p Utilità attesa Probabilità di malattia Non trattare Trattare

Come aumentare la conoscenza su p? Si può effettuare un test diagnostico: Verità + - Test+ VP FP - FN VN SENSIBILITA’: VP/(VP+FN) SPECIFICITA’: VN /(VN+FP) VPP VPP: VP/(VP+FP) VPN 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 Prob pre- test VPP VPN Test: - Test: + 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: RV+ Odds M post-test = RV+ * Odds M pre-test Se il test è negativo sarà: RV- Odds M post-test = RV- * Odds M pre-test Odds M = 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

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: Quindi  p(post) = [1.125/( )] = 53%  Se il test è negativo, la probabilità post-test è: 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

Soglia di p Utilità attesa Probabilità di malattia Non trattare Trattare Test diagnostico Non trattare test trattare

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  70% Sarcoidosi  30% Fonte: Kopelman RI, et al New Engl J Med 1999;341:435-39

Un esempio su tubercolosi e sarcoidosi 50% Una TBC miliare non trattata ha una mortalità del 50% 20% Una TBC miliare trattata con rifampicina, isoniazide, pirazinamide, etambutolo ha una mortalità del 20% 0.15% 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 Trattare Non Trattare 70% 30% 70% 30% TBC Sarcoidosi TBC U U MT =0.800 U mT =0.985 U Mt =0.500 U mt =1.000 Utilità attesa trattamento  E(U T ) = 0.70* *0.985 = 0.85 non trattamento  E(U t ) = 0.70* *1.0 = 0.65

Test diagnostici Risultato Test della tubercolina - Biopsia trans-bronchiale granulomi non caseosi Livelli sierici di ACE normali

Probabilità a posteriori (1) Ricordando: RV+ Odds M post-test = RV+ * Odds M pre-test RV- Odds M post-test = RV- * Odds M pre-test Sappiamo che: RV per il test della tubercolina  0.26Quindi Odds (TBC) = 0.26 * (0.70/0.30) = 0.61 P(TBC) = [0.61/(0.61+1)] = 38%

Albero decisionale (1) Trattare Non Trattare 38% 62% 38% 62% TBC Sarcoidosi TBC U U MT =0.800 U mT =0.985 U Mt =0.500 U mt =1.000 Utilità attesa trattamento  E(U T ) = 0.38* *0.985 = 0.91 non trattamento  E(U t ) = 0.38* *1.0 = 0.81

Probabilità a posteriori (2) RV per i granulomi non caseosi  0.20Quindi Odds (TBC) = 0.20 * (0.38/0.62) = 0.12 P(TBC) = [0.12/(0.12+1)] = 11% RV per ACE  4.75Quindi Odds (TBC) = 4.75 * (0.11/0.89) = 0.59 P(TBC) = [0.59/(0.59+1)] = 37%

Albero decisionale (2) Trattare Non Trattare 37% 63% 37% 63% TBC Sarcoidosi TBC U U MT =0.800 U mT =0.985 U Mt =0.500 U mt =1.000 Utilità attesa trattamento  E(U T ) = 0.37* *0.985 = 0.92 non trattamento  E(U t ) = 0.37* *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