刘博谈验证｜在什么都不做、测试或开始治疗中的选择之一

医学的艺术是在数据不足的情况下做出正确的决定，医生经常必须在还不确定患者是否患有治疗目的的疾病时开始治疗。

如果开始治疗，有可能对没有患病的人造成伤害，也有可能使患病的人受益，如果不进行治疗，患病的人将被剥夺快速、有效治愈的机会。

这种情况往往是不可避免的，因此，医生往往有三种选择。

• 什么都不做：患病的机会很低，治疗要么是有害的，要么是无效的（或两者都是），而且可能出现严重的医疗事故，即对没有患病的人进行有害的治疗。

• 通过测试获得更多信息：做一个测试或观察患者的病程，希望正确的选择会变得明显。

• 现在开始治疗：患病的机会相对较高，治疗是安全和有效的，假阴性结果可能导至对有病的人不进行有用的治疗。

分析解决这个问题的方法被称为预期价值决策的阈值模型。阈值模型是预期价值决策的一个例子，它被应用于一个特殊类型的决策。

其关键思想是治疗阈值概率，即人们并不在意治疗和不治疗的疾病概率。

阈值模型的基本原则是：只有当疾病概率的变化足以跨越治疗阈值概率时，才做测试。要将这一想法转化为行动，需要三个步骤。

第一步：估计测试前患病概率。

第二步：设定治疗阈值概率。

这一步很困难，因为它要求临床医生用一个数字来表达治疗的风险和收益的平衡。人们可以利用临床直觉来设定治疗阈值概率。下面的关系使这项任务变得容易。

其中C是治疗非疾病患者的成本，B是治疗疾病患者的收益。成本和收益必须用相同的单位表示，可以是资金、预期寿命或衡量患者对治疗和疾病的态度。

请注意，当治疗非疾病患者的成本等于治疗疾病患者的收益时，治疗阈值为50%。因此，对于许多治疗，治疗阈值概率将小于50%。

对于安全、有益的治疗，如治疗肺炎的抗生素，治疗阈值概率可能低于10%。

如果有充分的理由怀疑疾病，那么测试前患病概率将高于治疗阈值。

在决定是否进行测试时，临床医生必须询问测试结果为阴性后的测试概率是否会低于治疗阈值的概率。这个问题可以通过采取下文所述的步骤三来回答。

我们也可以使用分析方法来设定治疗阈值概率。考虑图2.6中的决策树，它显示了一个假设的问题，即尽管不确定患者是否患有治疗的疾病，但必须选择治疗。

要使用决策树来估计治疗阈值，请记住，这个阈值是人们并不在意治疗和不治疗的疾病概率。

为了使用决策树，我们必须给每个机会节点分配一个概率，并且给每个结果状态分配一个数值。后者的数值可以是预期寿命。或者，如图2.6所示，我们可以给每个结果状态分配一个效用，这是一个相对偏好的量化措施。

1.0的效用分配给最好的结果，而0.0的效用分配给最差的结果。然后在这个0.0到1.0的范围内评估每个中间结果状态的效用。

当效用被用作结果的衡量标准时，具有最高预期效用的备选方案应该是首选方案。

图2.6 当临床医生不知道患者是否患有需要治疗的疾病时，在治疗和不治疗之间做出选择的决策树。