Studija istražuje načine za poboljšanje komunikacije između lekara i pacijenata

Studija istražuje načine za poboljšanje komunikacije između lekara i pacijenata

Medicinske rezultate nije uvek lako razumeti — a izjave o riziku koje dolaze sa njima možda još manje. Prenošenje statističkih informacija pacijentima nije lak zadatak.

Tim naučnika iz oblasti medicine, medicinskog obrazovanja i matematičkog obrazovanja na LMU-u objavio je studiju u časopisu PLOS ONE u kojoj istražuje kako komunikacija između lekara i pacijenata o stvarnim rizicima može biti efikasnija.

Na kraju krajeva, nije uvek lako shvatiti šta određeni brojevi zaista znače. „Čak i doktori ponekad imaju poteškoća da odrede pravu prediktivnu vrednost. A ako je lekaru teško da protumači podatke, još je teže tačno preneti informacije pacijentima na način na koji će oni razumeti“, kaže profesorka matematike Karin Binder, jedna od autori studije.

Sledeći slučaj će poslužiti kao primer: Pacijent je upravo dobio upadljiv ultrazvučni nalaz štitne žlezde. Da li to znači da ima rak štitne žlezde? Ne nužno, jer postoji izvesna verovatnoća da će rezultat pregleda biti pozitivan iako pacijent nema rak štitaste žlezde.

Da bismo pacijentima objasnili kako izgleda statistička slika nakon ovako pozitivnog rezultata testa, postoje dva pristupa. Jedan od njih zahteva malo bočnog razmišljanja, dok je drugi mnogo lakše tumačiti iz perspektive pacijenta, kao što su istraživači uspeli da pokažu.

Uobičajeni Bajesov pristup polazi od broja pacijenata koji zaista imaju bolest. Pre svega, doktor objašnjava koliko često se bolest javlja uopšte — na primer: „od 1.000 pacijenata, 50 ima rak štitne žlezde“. Zatim lekar izlaže: a) za koliko ovih pacijenata sa rakom štitne žlezde, rezultat testa je pozitivan (20 od 50) i b) koliko ljudi koji nemaju rak štitaste žlezde ipak imaju pozitivan rezultat (110 od preostalih 950).

Ovo su generalno informacije koje lekar ili zna ili može lako da istraži. Pozitivni testovi kao procenat ljudi sa bolešću takođe su poznati kao osetljivost – termin koji nam je možda poznat iz pandemije COVID-19, kada je korišćen, na primer, kao kriterijum kvaliteta za brze testove. Nažalost, međutim, pozitivni testovi kao procenat ljudi sa bolešću se često mešaju sa osobama sa bolešću kao proporcija pozitivnih testova! A ova dva procenta se mogu jako razlikovati u zavisnosti od situacije.

Dakle, šta gore navedeni brojevi znače u odnosu na osobu sa pozitivnim rezultatom testa? Koliko ljudi koji su pozitivni na testu zaista ima bolest? Ako za vas odgovor nije odmah očigledan, niste sami: bez dodatnih informacija, samo 10% učesnika je moglo da izračuna koliko je ljudi sa pozitivnim rezultatima zaista imalo bolest.

„Dijagnostička” komunikacija informacija se odvija veoma različito: pre svega, lekar objašnjava koliko pacijenata ima pozitivne rezultate testa, bez obzira da li zaista imaju bolest ili ne. U našem primeru, ovo bi bilo 130 osoba sa upadljivim ultrazvukom štitaste žlezde (od 1.000 pregledanih ljudi). Zatim, doktor objašnjava koliko od ovih ljudi sa pozitivnim testovima zaista ima bolest (20 od 130) i koliko ljudi sa negativnim rezultatima testa ima bolest (30 od 870).

Relevantne informacije su sadržane ovde direktno i bez potrebe za mentalnom aritmetikom: Ako je moj rezultat pozitivan, onda je verovatnoća 20 od 130 da zaista imam rak štitne žlezde. Kada se komunicira u ovom obliku, 72% učesnika studije je bilo sposobno da dođe do ovog zaključka, u poređenju sa 10% kod Bajesovog pristupa.

„Štaviše, uz Bajesovu komunikaciju, učesnici su bili znatno sporiji u postizanju tačnog rezultata, ako su uopšte i stigli“, kaže Karin Binder. „A u užurbanim lekarskim ordinacijama i bolnicama, ovo vreme često nije dostupno. Tim autora stoga poziva lekare da ubuduće spremnije koriste dijagnostičku informacijsku komunikaciju. Ovo bi donekle doprinelo izbegavanju zabune, pogrešnog tumačenja i pogrešnih odluka.

Bilo bi još bolje, međutim, odvojiti vreme da se pacijentima pruži potpuna slika situacije, koja sadrži i dijagnostičke i Bajesove informacije. Samo ovo može objasniti iznenađujući fenomen da čak i medicinski test sa izuzetnim kriterijumima kvaliteta može imati vrlo ograničenu prediktivnu moć pod određenim okolnostima (npr. rutinski pregledi).