![\"\"](\"https:\/\/association-osteo-swiss.ch\/wp-content\/uploads\/2024\/12\/Capture-decran-2024-12-01-151520.jpg\")
<\/a><\/figure>\n\nPurtroppo sappiamo che non \u00e8 cos\u00ec semplice. Gli errori sono possibili perch\u00e9 i test non sono affidabili al 100% e i valori diagnostici degli esami variano enormemente. <\/p>\n\n
Lo studio dei test ci permette di sapere quanto sono affidabili (la soglia di affidabilit\u00e0 accettabile \u00e8 arbitraria e pu\u00f2 variare a seconda del contesto).<\/p>\n\n
<\/p>\n\n
A cosa serve conoscere queste soglie di affidabilit\u00e0? <\/mark><\/p>\n\n <\/p>\n\n Fare una diagnosi e conoscere il nostro margine di errore?<\/p>\n\n La diagnosi \u00e8 importante soprattutto<\/strong> per la comunicazione con il paziente. <\/p>\n\n “Allora, hai scoperto cosa mi fa male? “<\/p>\n\n NB: A questo proposito, pu\u00f2 valere la pena di leggere il libro di Le Breton<\/em> (Antropologia del dolore). <\/em> <\/p>\n\n Fino al 30% delle diagnosi iniziali cambia nel corso del trattamento… e nella maggior parte dei casi non \u00e8 molto grave. Ma le diagnosi sospette devono essere incluse nel nostro ragionamento clinico in modo da poter riorientare il paziente se necessario (necessit\u00e0 di ulteriori esami, parere medico, trattamento fisioterapico, ecc.)<\/p>\n\n Introdurremo i concetti di sensibilit\u00e0, specificit\u00e0 e rapporto di verosimiglianza (LR). <\/p>\n\n Questo test \u00e8 sensibile, questo test \u00e8 specifico.<\/mark><\/p>\n\n <\/p>\n\n Questi due concetti sono metriche utilizzate per calcolare il margine di errore <\/strong>dei test.<\/p>\n\n SENSIBILIT\u00c0<\/strong><\/p>\n\n\n\n In 100 pazienti con la patologia<\/em><\/p>\n\n\n\n Questo test dovrebbe essere positivo in questi 100 pazienti<\/em><\/p>\n\n\n\n Tuttavia, questo test \u00e8 risultato negativo in 10 pazienti. <\/em><\/p>\n\n\n\n Il test \u00e8 quindi sensibile al 90%<\/em><\/p>\n\n\n\n Ho solo un rischio di errore del 10% (cio\u00e8 che il test sia negativo in un paziente infetto).<\/em><\/p>\n\n\n\n Posso ragionevolmente escludere questa patologia in un paziente che risponde negativamente a questo test.<\/em><\/p>\n<\/div>\n\n\n\n SPECIFICA<\/strong><\/p>\n\n\n\n In 100 pazienti sani<\/em><\/p>\n\n\n\n Questo test dovrebbe essere negativo in tutti i pazienti<\/em><\/p>\n\n\n\n Tuttavia, il test \u00e8 risultato positivo in 10 pazienti. <\/em><\/p>\n\n\n\n Il test \u00e8 quindi specifico al 90%<\/em><\/p>\n\n\n\n Ho il 10% di probabilit\u00e0 che il test sia sbagliato (cio\u00e8 positivo anche se il paziente \u00e8 sano).<\/em><\/p>\n\n\n\n Posso ragionevolmente includere questa patologia nella mia diagnosi nei pazienti che rispondono positivamente a questo test.<\/em><\/p>\n<\/div>\n<\/div>\n\n Si capisce subito che se un test ha una sensibilit\u00e0\/specificit\u00e0 di circa il 50%, tanto vale lanciare una moneta e vedere se esce testa o croce (test del palmo della mano?). <\/strong><\/p>\n\n Tuttavia, come puoi vedere, queste metriche prendono in considerazione solo met\u00e0 della popolazione.<\/p>\n\n Ecco perch\u00e9 anche se un test \u00e8 molto sensibile, circa il 90%, se la sua specificit\u00e0 \u00e8 del 4% -> non si pu\u00f2 essere troppo orgogliosi.<\/p>\n\n E viceversa.<\/p>\n\n Il rapporto di verosimiglianza fornisce un valore che tiene conto dell’intera popolazione: viene calcolato utilizzando i valori di specificit\u00e0 e sensibilit\u00e0.<\/mark><\/p>\n\n Ma la VR ci aiuter\u00e0 ancora di pi\u00f9 se teniamo conto della prevalenza della patologia…. <\/p>\n\n Il dottor Fagan si occup\u00f2 della questione dell’affidabilit\u00e0 dei test. Ha utilizzato uno strumento grafico apparso all’inizio del XX secolo per stimare i valori basati su diversi parametri o misure: il nomogramma. Evita una complessa equazione matematica. Il dottor Fagan lo utilizz\u00f2 per prevedere la probabilit\u00e0 di veridicit\u00e0 di una diagnosi. Nel 1975 lo chiam\u00f2 umilmente Nomogramma di Fagan. <\/p>\n\n Come funziona?<\/p>\n\n La probabilit\u00e0 di avere la patologia prima di effettuare qualsiasi test \u00e8 pari a zero, a parte la prevalenza della patologia. La RV viene calcolata utilizzando la specificit\u00e0 e la sensibilit\u00e0 del test. <\/p>\n\n Basta collegare questi due valori per ottenere il valore predittivo positivo o negativo.<\/p>\n\n Prima ho detto che RV+ dovrebbe essere > 2, mentre alcuni autori suggeriscono che RV+ dovrebbe essere superiore a 5.<\/p>\n\n Il test di Spurling ha un RV+ di 4,8 e dovrebbe includere la patologia. La sua probabilit\u00e0 post-test \u00e8 del 52%, non molto lontana dalla moneta….<\/p>\n\n Con cognizione di causa: sospetto un BCN, faccio un test di spurling, \u00e8 positivo e nel 48% dei casi il test \u00e8 sbagliato.<\/p>\n\n COMUNQUE SIA \ud83d\ude42<\/p>\n\n Se l’ULNT non riproduce la sintomatologia, c’\u00e8 solo un 3% di rischio che il paziente sia ancora un CKD… In ogni caso, \u00e8 molto pi\u00f9 rassicurante poter dire: QUESTA NON \u00c8 UNA BCN. <\/p>\n\n Purtroppo pochi test sono affidabili e i valori metrici variano da studio a studio. Per questo motivo \u00e8 necessario utilizzare diversi test. I cluster e le regole di predizione clinica migliorano i VR e quindi i valori predittivi post-test. <\/p>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n