داده‌های پارکلینیک

تکه‌هایی از تاریخ

گرچه مدت زیادی از طراحی بسیاری از تست‌های آزمایشگاهی و روش‌های تصویر برداری پزشکی نمی‌گذرد اما بعضی از آن‌ها قدمتی دیرینه دارند. شواهدی وجود دارد مبنی بر این که سومری‌ها و بابلی‌ها در چهار هزار سال قبل از میلاد برای تشخیص بیماری‌ها از ادرار استفاده می‌کرده‌اند. در مصر باستان نیز برای تشخیص حاملگی ادرار زنان را مورد بررسی قرار می‌دادند. هم‌چنین در نوشته‌های کهن هندی توضیحاتی درباره‌ی‌ طعم شیرین ادرار و تجمع مورچه‌ها پیرامون ادراری که بر زمین ریخته بود ثبت شده است. جالینوس اشاره کرده است که ادرار یکی از تراوشات خون است و می‌توان با آن نوع و محل بیماری فرد را نشان داد. جالب است بدانید که پزشکان قرون وسطی برای رسیدن به تشخیص بیماری می‌توانستند بیست نوع رنگ ادرار را به کمک سایر ویژگی‌های آن مانند شفافیت، رسوبات، طعم و بوی آن افتراق دهند و برای این کار از چرخ ادراری یا Urine Wheel بهره می‌برده اند. به عنوان مثال معتقد بودند که دیدن حباب بر سطح ادرار نشان دهنده‌ی بیماری کلیوی‌ست، پدیده‌ای که ممکن است طی دفع آلبومین از طریق ادرار مشاهده گردد. بله، ارزیابی ادرار یا Urinoscopy در طب قرن هاست که به پزشکان در جهت رسیدن به تشخیص بیماری یاری رسانده است.

هدف از فرستادن تست

بیایید بحث‌مان را با یک سوال پیش ببریم:

هدف ما از ارزیابی تست‌های آزمایشگاهی چیست؟

احتمالا اگر این سوال را پانصد یا هزار سال پیش هم می‌پرسیدیم، پاسخ کلی آن تفاوت چندانی نداشت! هدف ما از درخواست تست‌های آزمایشگاهی این است که بار ابهامی را که درباره‌ی شرایط بیمار و تشخیص‌های احتمالی به دوش می‌کشیم کم کنیم تا در نهایت بتوانیم مدیریت مناسب وضعیت بیمار را تسهیل نماییم. پزشکی که امروزه در مطب درخواستCBC می‌کند یا حکیمی که پانصد سال پیش رنگ و طعم ادرار بیماری را ارزیابی می‌کرد، در این مورد تفاوت چندانی ندارند: هر دو می‌خواهند ابهام را بکاهند.

اما چه زمانی تست‌ها را درخواست می‌کنیم؟ آیا برای هر بیماری که به ما مراجعه می‌کند، باید فهرستی از تست‌های آزمایشگاهی و تصویربرداری را نسخه کنیم؟

تست‌ها زمانی برای ما بیش‌ترین سود را دارند که بتوانند استراتژی تشخیصی و درمانی‌مان را تغییر دهند. در این جا مفهومی مطرح می‌شود به نام آستانه یا Threshold. این مفهوم به ما می‌گوید که انجام یک تست آیا تغییری در احتمال تشخیص مدنظرمان ایجاد می‌کند؟ هم چنین اشاره می‌کند که آیا خطرات، هزینه‌ها و مضرات یک تست تشخیصی آیا به فوایدش(Risk:Benefit Ratio) می‌ارزد؟ بدین ترتیب که پس از گردآوری و ارزیابی داده‌های شرح حال و معاینه‌ی فیزیکی در صورتی که هنوز با ابهام روبرو باشیم، این دو مولفه را بررسی می‌کنیم تا ببینیم که آیا انجام آن تست تغییری در احتمال تشخیص احتمالی ایجاد می‌کند و هم چنین آیا خطرات، مضرات و هزینه‌های آن به فوایدش می‌ارزد؟ اگر پاسخ‌مان مثبت باشد، می‌گوییم به آستانه‌ی تست یا Test Threshold رسیده‌ایم و بایست تست مذکور را درخواست نماییم.(چنین مفهومی برای بحث درمان نیز مطرح است که در جایی دیگر درباره‌اش صحبت خواهیم کرد)

دقت هر تست تشخیصی

دقت هر تست تشخیصی نسبت به Gold Standard سنجیده می‌شود. چه زمانی به یک تست می‌گوییم Gold Standard؟

زمانی که نتیجه‌ی مثبت تست تائید کننده‌ی بیماری و نتیجه‌ی منفی آن رد کننده‌ی بیماری باشد. البته توجه داشته باشید که این حد از دقت نیازمند ارزیابی تست در بستر جامعه‌ای‌ست که فرد در آن زندگی می‌کند تا تخمین‌هایی که زده می‌شود سوگیرانه(Biased) نباشد.

اگر چه در طبابت بالینی نتایج تست‌ها را با عباراتی چون مثبت یا منفی یا طبیعی و غیر طبیعی و یا اعداد مختلف بیان می‌کنیم با این حال بایست توجه داشته باشیم که داده‌های حاصل از هر تست به مانند داده‌های کسب شده از شرح حال و معاینه ویژگی‌هایی دارند که به هنگام تحلیل باید مورد توجه قرار گیرند.

ویژگی‌ها و عوامل موثر بر نتایج هر تست تشخیصی

تفسیر هر تست تحت تاثیر چه عواملی قرار می‌گیرد؟

برخی از مهمترین این عوامل عبارت اند از:

مقادیر طبیعی تست

برای تفسیر نتیجه‌ی هر تست نیازمند دانستن مقادیر طبیعی آن هستیم. گرچه لازم است در هر مورد یک cut off point وجود داشته باشد اما بسیاری از تست‌ها دارای یک محدوده یا Range طبیعی هستند. بنابراین می‌توان گفت یک هم‌پوشانی بین افرادی که بیماری مدنظر را دارند و آن‌ها که ندارند دیده می‌شود. به عبارتی وجود cut off point با هدف حداقل سازی تعداد نتایج منفی و مثبت کاذب است.

هم چنین باید این نکته را متذکر شویم که هر نتیجه‌ای که در محدوده‌ی طبیعی قرار گیرد، الزاما طبیعی نیست. به عنوان مثال معمولا ما انتظار داریم که Pco2 طبیعی هر بیمار در محدوده‌ی 35 تا 45 میلی‌متر جیوه باشد اما در بیماری که با حمله آسم شدید به اورژانس آمده یکی از بزرگترین ترس‌های ما این است که مبادا Pco2 بیمار نرمال باشد زیرا در این صورت احتمالا تنفس موثری نداشته و زندگی او تهدید می‌شود. به علاوه غیر طبیعی بودن یک تست نیز حتما غیر طبیعی نیست. مثلا پایین بودن سطح فریتین سرم در دختر خانمی هجده ساله را می‌توان طبیعی در نظر گرفت. یا این که MCV مساوی با 105 در نوزادی پنج روزه جای نگرانی ندارد.

بنا بر این حتی طبیعی یا غیر طبیعی بودن مقادیر یک تست بایست توسط پزشک تفسیر گردد.

عواملی به غیر خود بیماری

پزشک باید علاوه بر خود بیماری عواملی چون سن، جنس، نژاد، وضعیت حاملگی، پوزیشن بدن، خطاهای آزمایشگاهی، نتایج in vitro و تفاوت آن‌ها با محیط واقعی بدن و حتی شانس را در تفاسیر خود دخیل کند.

شیوه‌ی انجام تست

قبل از درخواست یک تست، پزشک بایست از مراحل و شیوه‌ی خاص انجام آن تست آگاه باشد. گاه بی‌خبری از چگونگی انجام تست ما را در تفسیر نتایج گمراه می‌سازد. به عنوان مثال در بیماری که تشنج کرده است، انجام با EEG آن هم زمانی که تشنج به پایان رسیده نمی‌توان انتظار داشت که نتیجه‌ای خاص دستگیرمان شود. یا نتایج بسیاری از تست‌ها وابسته با اپراتوری(فرد انجام دهنده) هستند که آن‌ها را انجام می‌دهد. مثلا نتیجه‌ی سونوگرافی کاملا وابسته به کسی‌ست که آن را انجام می‌دهد و توجه به تفاوت اپراتور‌ها الزامی‌ست.

حساسیت(Sensitivity) و اختصاصیت(Specificity)

در مواجهه با یک تست با چهار دسته نتیجه روبرو هستیم:

یعنی نتیجه‌ی مثبت یک تست به این معنا نیست که شخص حتما بیمار است زیرا می‌تواند به اشتباه مثبت کاذب در آمده باشد یا منفی بودن یک تست را نمی‌توان با قاطعیت دلیلی برای سلامت فرد دانست چرا که ممکن است به صورت کاذب نتیجه منفی شده باشد.

حساسیت عبارت است از توانایی یک تست در تشخیص True Positiveها در حالی که اختصاصیت توانایی تست را در تشخیص True Negativeها بیان می‌کند. به عبارتی حساسیت به ما می‌گوید که تست مذکور چقدر در تشخیص بیماران مبتلا به یک بیماری خاص خوب عمل می‌کند و اختصاصیت از توانایی تست در تشخیص بیماران غیر مبتلا به آن بیماری خاص حرف می‌زند.

بدین ترتیب می‌توان گفت که تست ایده‌ال تستی‌ست که حساسیت و اختصاصیت صد در صد داشته باشد اما متاسفانه چنین تستی تا کنون ارائه نشده است.

از آن جا که تست‌ها از نظر حساسیت و اختصاصیت با هم متفاوت اند و در نتیجه در تشخیص یک بیماری خاص فرق دارند، یک پزشک برای تفسیر دقیق‌تر و کاهش ابهام تشخیصی خود بایست دست کم درباره‌ی این دو ویژگی هر تست در تشخیص هر بیماری خاص ایده‌ای داشته باشد.

اما آیا ماجرا همین جا تمام می‌شود؟ پزشک لزوما با اتکا بر حساسیت و اختصاصیت نمی‌تواند به نتیجه‌ای دقیق دست یابد بلکه باید در نظر داشته باشد که احتمال این که بیمار یک بیماری خاص را داشته باشد علاوه بر این عوامل تحت تاثیر Pretest Probability نیز هست.

Pretest Probability چست؟ می‌توان Pretest Probability را حدودا معادل آن اطلاعاتی دانست که بیمار طی شرح حال و معاینه به ما داده به علاوه‌ی دانشی که ما از اپیدمیولوژی و به طور کلی از پزشکی داریم.(یعنی همان داده‌هایی که ما را متقاعد می‌کنند تست بفرستیم)

Posttest Probability اما آن احتمالی‌ست که ما پس از انجام تست برای تشخیص مد نظرمان تخمین می‌زنیم. به طور کلی تقریبا در تمام اوقات پزشکان Posttest Probability را تخمین می‌زنند. البته می‌توان با قوانین بیز این احتمالات را کمی کرد اما محاسبات احتمالات طبق قوانین بیز در محیط بالینی چندان امکان پذیر نیست.

باید بگوییم حتی اگر پزشک تمام این موارد را در تفاسیر نتایج آزمایشگاهی در نظر داشته باشد، هنوز نمی‌تواند ادعا کند که در فرایند تشخیص بیماری ابهامی باقی نمانده است.

بیایید بحثمان را این گونه جمع بندی کنیم که

در طول تاریخ پزشکان با استفاده از داده‌های آزمایشگاهی در کنار شرح حال و معاینه‌ی فیزیکی سعی داشته اند که از ابهام موجود در فرایند تشخیص بیماری‌ها بکاهند و بتوانند هر چه سریع‌تر با در نظر گرفتن احتمالات به توضیحی برای علت رنج بیمار دست یابند.

چالش مهم پزشکی امروز اما رویکرد‌های تدافعی(Defensive) ما در درخواست تست‌های آزمایشگاهی و تصویر برداری ست. همه‌ی ما احتمالا در فضای بالینی دیده‌ایم که بسیاری از تست‌ها را نه به این جهت که لازم‌اند بلکه برای خالی نماندن عریضه یا ترس از مسائل قانونی احتمالی درخواست می‌نمایند و باری سنگین بر دوش بیمار و سیستم درمانی تحمیل می‌کنند. با داشتن دانش کافی از بیماری و ویژگی‌های موثر بر تفسیر نتایج هر تست می‌توان از تعداد درخواست‌های بی جا کاست.

منابع:

کتاب Harrison’s Principles of Internal Medicine, Twenty-First Edition

کتاب ABC of Clinical Reasoning

کتاب Diagnosis: Interpreting The Shadows

کتاب Patients As Art

کتاب Learning Clinical Reasoning