کاهش Diagnostic Uncertainty

در ابتدای فرایند تشخیص، زمانی که تعداد سر نخ های موجود بسیار کم است، تعداد بیماری های احتمالی که می توانند یافته های بیمار را توضیح دهند، بسیار زیاد می باشد. بنابراین در این سطح با بیشترین Diagnostic Uncertainty روبرو هستیم و باید چاره ای برای کاهش Diagnostic Uncertainty بیابیم.

در این مرحله تعداد سوالاتی که باید برای کم کردن فرضیه های موجود مطرح کنیم بسیار زیاد و در Peak خود است.

باید توجه داشت که معمولا در این سطح، فرایند جمع آوری اطلاعات توسط پزشک از قبل کاملا طراحی نشده و الگوی خاصی برای آن در نظر نگرفته است.

به همین خاطر به این سطح آن Unstructured Problem Solving می گویند. همان چیزی که در بحث ساخت فرضیه به آن اشاره کردیم.

در بسیاری از مواقع روش های Algorithmic و Lock step و Pathway ها نیز نمی توانند به کار آیند زیراProblem space یا فضای مسئله مان به واسطه ی فرضیه های بسیار زیاد و در نتیجه Context های مرتبط با هرکدام بسیار بزرگ است.

البته نباید از تاثیر محدودیت های سیستم بهداشتی و مرکزی که در آن مشغولیم غافل شویم.

ممکن است بسیاری از امکانات ارائه شده در گایدلاین ها و تکست بوک ها در مراکز بهداشتی در دسترس نباشند.

بدین ترتیب ناچار شویم بدون روشن شدن بعضی از جنبه های فرضیه مان (حتی جنبه های بسیار مهم آن) پیش برویم.

پرسش ها ی ما با زمینه ای که فرضیه مان ساخته، پیش می رود.

کارایی تشخیص مان وابسته به سوال هایی ست که Diagnostic Uncertainty را بیشتر از بقیه کاهش می دهند.

چه پاسخ این سوال ها مثبت باشد چه پاسخشان منفی، مهمترین معیار برای ما

بیشترین تغییر در احتمال هر بیماری ست.

راهکار ما برای کاهش Uncertainty

برای این کار از استراتژی های مختلفی استفاده می کنیم:

Confirmation Strategy:

که طی آن سوالاتمان منجر به جمع آوری اطلاعاتی می شوند که احتمال تائید فرضیه ای خاص را تقویت می کنند.

Elimination Strategy:

که اطلاعات بدست آمده احتمال تائید فرضیه یا فرضیه هایی خاص را کاهش می دهد.

با استفاده از این استراتژی ها احتمال درستی هر فرضیه تغییر می کند؛ بعضی ها تقویت و بعضی ها تضعیف می شوند.

زمانی که تنها تعداد کمی از احتمالات باقی بمانند یک استراتژی افتراق دهنده یا Discrimination Strategy به کار گرفته می شود تا میان فرضیه های موجود افتراق بگذاریم. (Differential Diagnosis)

غالبا فرضیه های موجود از نظر بسیاری از تظاهرات با هم مشابهت دارند.

فاکتور هایی مثل تفاوت شیوع و بعضی تظاهرات خاص هر فرضیه و هم چنین نتایج آزمایشات مخصوص می توانند در

افتراق آن ها به ما کمک کنند.

گاه نیز پاسخ به درمان است که افتراق دهنده ی انتهایی ست و تشخیص نهایی در مراحل قبل از درمان هنوز ممکن نیست.

منبع:

کتاب Learning Clinical Reasoning


دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *