Ön test olasılığı

Açılış sahnesi

Bir salı sabahı aynı aile sağlığı merkezinde, aynı yaş grubundan iki kişiye aynı hızlı test yapılıyor ve ikisinin sonucu da pozitif çıkıyor. Birincisi yıllık kontrolüne gelmiş, hiçbir şikâyeti yok. İkincisi iki haftadır süren tipik belirtilerle gelmiş ve ailesinde aynı durum var. Laboratuvar kâğıtları birbirinin kopyası gibi duruyor: aynı test, aynı sonuç, aynı tek kelime.

Oysa bu dersin sonunda hesaplayacağın gibi, birincisinde durumun gerçekten var olma olasılığı dörtte bir civarında, ikincisinde beşte dört. Aradaki farkı test yaratmadı; iki kişi laboratuvara girmeden önce zaten farklı yerlerdeydi. Testten önceki o yerin adı ön test olasılığı ve bu ders onun nereden geldiğini anlatıyor.

Bu derste ne olacak

Önce ön test olasılığının yaygınlıktan nasıl ayrıldığını göreceğiz. Sonra açılıştaki iki kişinin olasılığını, yaygınlıktan başlayıp belirti ve risk etkenleriyle adım adım kurup aynı pozitif sonucu ikisine ayrı ayrı uygulayacağız. Ardından bu olasılığın üç kaynağını ve sezgisel tahminin nerede yanıldığını konuşacağız. Son bölümde klinik karar kurallarına ve kendi olasılığını tahmin etmenin neden özellikle zor olduğuna geleceğiz.

Sıfır noktası

Kavramla ilk kez tanısal test nedir dersinde karşılaştın; orada ön test olasılığının yaş, cinsiyet, belirtiler, muayene bulguları, risk etkenleri ve toplumdaki yaygınlıktan oluştuğu söylenmişti (L01-P05-M01-D02). Bu dersin konusu o listenin nasıl bir sayıya dönüştüğü. Tanımın ikinci yarısı işin özü: bir kişinin ön test olasılığı, toplumun yaygınlığıyla aynı değildir. Bir yaş grubunda yaygınlık ne olursa olsun, tipik belirtileri taşıyan bir kişide olasılık çok daha yüksek, hiçbir belirtisi olmayan bir kişide çok daha düşüktür.

Program boyunca bu sayı üç kez hesabın içine girdi: pozitif öngörü değerini belirleyen şey olarak, olabilirlik oranıyla çarpılan başlangıç olarak ve tedavi eşiğiyle karşılaştırılan düzey olarak. Her seferinde "bu sayı bir yerden gelmeli" deyip geçtik. Bu modül o yeri açıyor.

Mekanizma

Olasılığı adım adım kurmak

Açılıştaki iki kişi aynı yaş grubunda ve bu grupta durumun yaygınlığı yüzde 5 olsun. Başlangıç noktası ikisi için de aynı: 0,05. Hesabı odds üzerinden yapacağız, çünkü odds'ta her yeni bilgi tek bir çarpımla eklenir. Olasılığı odds'a çevirmek için olasılığı, olmama olasılığına bölersin: 0,05 ÷ 0,95 ≈ 0,053.

Belirtisiz kişi için yeni bilgi yok; ön test olasılığı yaygınlıkta, yüzde 5'te kalıyor. İkinci kişinin tipik belirtileri var ve bu belirtilerin olabilirlik oranı 3 olsun, yani bu belirtiler durumu olanlarda olmayanlara göre üç kat sık görülsün. Ailesindeki öykünün olabilirlik oranı da 4,2 olsun. İki bilgi birbirinden bağımsız sayılırsa odds 0,053 × 3 × 4,2 ≈ 0,66 olur. Olasılığa geri çevirmek için odds'u bir fazlasına bölersin: 0,66 ÷ 1,66 ≈ 0,40.

Aynı yaygınlıktan başlayan iki kişi, laboratuvara girmeden önce yüzde 5 ve yüzde 40'ta duruyor. Hesaptaki "bağımsız sayılırsa" çekincesi önemli. Belirtiler ve risk etkenleri çoğu zaman birbiriyle ilişkilidir ve ilişkili iki bulguyu ayrı ayrı çarpmak aynı bilgiyi iki kez saymak olur. Klinik karar kurallarının değeri kısmen buradan gelir: bulguları birlikte, bu ilişkiyi hesaba katarak puanlarlar.

Aynı test, iki kişi

Şimdi ikisine aynı testi uygula. Testin pozitif sonuç için olabilirlik oranı 6 olsun. Belirtisiz kişide odds 0,053 × 6 ≈ 0,32 olur ve olasılık 0,32 ÷ 1,32 ≈ 0,24. Pozitif sonuçtan sonra bile durumun olmama olasılığı yaklaşık dörtte üç.

Belirtili kişide başlangıç odds'u 0,40 ÷ 0,60 ≈ 0,67. Pozitif sonuçla 0,67 × 6 = 4 olur ve olasılık 4 ÷ 5 = 0,80. Aynı kâğıt, aynı tek kelime, ama biri dörtte bir, öteki beşte dört. Testin gücü iki kişide tamamen aynıydı; farkı yaratan, testin üzerine bindiği başlangıç. Olabilirlik oranının bu çarpımdaki rolünü olabilirlik oranları dersinde kurmuştun (L01-P05-M02-D06); burada eksik olan parça, çarpılan sayının nereden geldiğiydi.

Bu iki sayı kararı da ayırıyor. Belirtisiz kişide pozitif sonuç bir doğrulama adımını gerektirir ama tek başına bir tanı kurmaz. Belirtili kişide aynı sonuç tanıyı büyük ölçüde destekler. Testi yorumlayan kişi başlangıcı bilmiyorsa, iki kâğıda aynı anlamı verir ve ikisinden birinde yanılır.

Üç kaynak

Ön test olasılığı üç yerden gelebilir ve üçü farklı güvenilirliktedir. İlki nüfus yaygınlığı: yaş, cinsiyet ve coğrafyaya göre bilinen sıklık. En zayıf tahmindir, çünkü kişinin özelliklerini hiç kullanmaz; ama bir zemin verir ve yukarıdaki hesabın başlangıç noktası oydu. İkincisi klinik değerlendirme: öykü, muayene bulguları ve risk etkenleri yaygınlığı o kişiye doğru kaydırır. Klinik muhakemenin asıl işi bu kaydırmadır.

Üçüncüsü doğrulanmış karar kuralları: belirli tablolar için geliştirilmiş, puanlanan ve dış veride sınanmış araçlar. En güvenilir kaynak bunlardır. Sıralama da buradan çıkıyor: kural varsa kural, yoksa yapılandırılmış klinik değerlendirme, o da yoksa yaygınlık.

Sezgi nerede yanılıyor

Sezgisel tahmin işe yarar ama sistematik biçimde sapar ve üç eğilim iyi tanımlanmıştır. İlki kullanılabilirlik: yakın zamanda görülen, çarpıcı ya da unutulmaz bir tanı akla daha kolay gelir ve olasılığı abartılır. Yakında kaçırılmış bir tanı, sonraki hastalarda o tanının olasılığını şişirir. Aynı eğilimi ileride, erişilebilirlik sezgisi dersinde, genel karar verme için ayrıntısıyla göreceksin; burada ön test olasılığının üstüne biniyor.

İkinci eğilim temsil edicilik: tablo "tipik" görünüyorsa olasılık yükseltilir, ama tipiklik sıklığı hesaba katmaz. Nadir bir hastalığın tipik görünümü, yaygın bir hastalığın atipik görünümünden hâlâ daha az olası olabilir. Yukarıdaki hesapta belirtilerin olabilirlik oranı 3 idi ve başlangıç yüzde 5 olduğu için bu kadar tipik bir tablo bile olasılığı tek başına 0,053 × 3 ≈ 0,16 odds'a, yani yaklaşık yüzde 14'e taşıyordu, yarıya bile değil. Üçüncü eğilim çıpalama: ilk akla gelen olasılık bir çıpa olur ve sonraki bilgiler ona göre yetersiz ayarlanır. Çapa etkisi dersinde işlenen yetersiz düzeltmenin tanı masasındaki hâli budur.

Kural varsa kullanılmalı

Karar kurallarının değeri iki yerde toplanıyor. Birincisi tutarlılık: aynı hasta için farklı klinisyenler aynı tahmine varır. Bu tek başına önemlidir, çünkü tanısal kararların kişiden kişiye değişmesi bir kalite sorunudur. İkincisi kalibrasyon: kural geliştirildiği veride ve dış doğrulamada ölçülmüştür, dolayısıyla "düşük risk" dediği grupta gerçekten düşük sıklık görülür.

Kartın son cümlesindeki uyarı bu akademide tekrar eden bir kalıptır: bir aracın geçerliliği, doğrulandığı bağlamla sınırlıdır. Acil serviste geliştirilmiş bir kural, aile hekimliğine gelen daha hafif tablolarda farklı bir yaygınlıkla karşılaşır ve verdiği sayılar kayabilir.

Sayıya çevirmek zorunlu değil

Pratik bir rahatlama da var: ön test olasılığını tam bir yüzde olarak bilmek gerekmiyor. Çoğu klinik kararda üç kaba bant yeterlidir. Düşük bantta test sonucu pozitif çıksa bile olasılık tedavi eşiğine ulaşmayabilir; açılıştaki belirtisiz kişi pozitif sonuçla bile yüzde 24'te kaldı. Orta bantta test en çok işe yarar, çünkü sonuç kararı gerçekten değiştirir. Yüksek bantta ise negatif bir sonuç bile olasılığı yeterince düşürmeyebilir.

Eşik seçimi dersindeki tedavi eşiği çerçevesi tam olarak bu üç bandı tarif ediyordu ve testin değerli olduğu yer orta banttı (L01-P05-M02-D08). Belirtili kişinin yüzde 40'lık başlangıcı bu yüzden testin en çok bilgi verdiği yerdeydi.

Bir uyarı: kendi olasılığını tahmin etmek

Bu akademinin okuru için özel bir not gerekiyor. Kendi ön test olasılığını tahmin etmek, bir klinisyeninkini tahmin etmekten daha zordur. Kaygı, sayıları okuma becerisini daraltır ve kendi durumun söz konusu olduğunda kullanılabilirlik yanlılığı en güçlü hâlindedir: internette okunan tek bir çarpıcı öykü, yüzde 5'lik bir başlangıcı zihinde kolayca yüzde 50'ye taşır.

Bu ders sana kendi olasılığını hesaplama yetkisi vermiyor. Verdiği şey, hekiminin hesabını anlamak ve doğru soruyu sorabilmek. O soru şu: "Bende bu durumun olma ihtimalini ne kadar tahmin ediyorsunuz ve bu testin sonucu onu ne kadar değiştirecek?"

Kendini sına

1. Ön test olasılığı ile nüfus yaygınlığı arasındaki fark ne?
2. Yaygınlık yüzde 10, bir belirtinin olabilirlik oranı 2 ise ön test olasılığını odds üzerinden hesapla.
3. Açılıştaki iki kişide aynı pozitif sonuç neden yüzde 24 ve yüzde 80 olmak üzere iki ayrı yere vardı?
4. İki bulgunun olabilirlik oranlarını art arda çarpmak hangi varsayıma dayanıyor? Varsayım bozulursa ne olur?
5. Üç kaynağı güvenilirlik sırasına koy.
6. Üç sezgisel yanlılığı say ve her birine bir örnek ver.
7. Karar kurallarının iki değerini açıkla. Başka bir ortama taşındıklarında ne olur?
8. Kendi olasılığını tahmin etmek neden daha zor?

Bir sonraki derse köprü

Bu derste iki kişiyi aynı pozitif sonuçla güncelledin ve düşük başlangıcın pozitif sonuçtan sonra bile düşük kalabildiğini gördün. Hesabın öteki yüzü henüz açık: başlangıç yüksekken sonuç negatif çıkarsa ne olur? Sıradaki ders güncellemeyi üç başlangıç noktasında adım adım yapıyor, güçlü bir klinik şüphenin tek bir negatif sonuçla neden silinmediğini sayıyla gösteriyor ve tam hesap yerine akılda yapılabilecek bir kısayol veriyor.