Олег Щипков

Предтестовая вероятность болезни и метод парного диагностического каскада Щипкова.

Автор: Щипков Олег Александрович, Выпускник ММА им. И. М. Сеченова. Медико-профилактический факультет. ФПНПК. Лечебный факультет. Аспирант Медицинского института РУДН. Кафедра Лазерной медицины. Научный руководитель: д. м. н., Профессор, зав. Кафедрой, зам. Пред. РЭНДО - Дуванский Владимир Анатольевич

В клинической практике мы применяем диагностические тест-системы с целью исключить болезнь у потенциально здорового, либо подтвердить ее у потенциально больного.

Для этих целей мы можем использовать либо чувствительные тест-системы, которые хорошо исключают болезнь - отсеивают здоровых, либо специфичные тесты, которые хорошо подтверждают болезнь, позволяя поставить окончательный диагноз.

Если пациент условно здоров и мы проводим диспансеризацию, главная задача - исключить болезнь.

Группа потенциально здоровых пациентов - группа пациентов с низкой предтестовой вероятностью.

Если пациент пришёл с выраженными симптомами, главная задача — подтвердить предполагаемый диагноз и начать необходимое лечение.

Группа потенциально больных пациентов с выраженными симптомами - группа пациентов с высокой предтестовой вероятностью.

Метод парного диагностического каскада Щипкова позволяет под каждую из этих задач подобрать правильную диагностическую стратегию и довести достоверность диагноза до заранее заданного целевого норматива.

Целевой норматив достоверности и повышение предтестовой вероятности.

Суть подхода Щипкова — не пытаться найти «идеальный тест», а построить диагностический каскад такой длины, чтобы совокупная достоверность результата достигла целевого показателя. На практике такой норматив достоверности часто задают на уровне 99,9 % — это соответствует очень низкому риску ошибки (0,1 %).

При этом у чувствительного каскада есть не только тактическая задача: исключить болезнь у здоровых - но и стратегическая: чувствительный каскад дает возможность сформировать группу пациентов с высокой предтестовой вероятностью, для последующего успешного применения специфичного диагностического каскада.

Логика следующая:

  • Чувствительный каскад (низкая предтестовая вероятность → исключение): цель — надёжно отсеять здоровых, а из оставшихся (у кого не удалось уверенно исключить болезнь) сформировать группу с повышенной предтестовой вероятностью для последующего применения специфического диагностического каскада
  • Специфичный каскад (высокая предтестовая вероятность → подтверждение): цель — эффективно и надёжно подтвердить диагноз в этой «концентрированной» группе подозрительных пациентов.

Диагностический каскад работает как последовательный процесс, объединяя одномодальные результаты по принципу «И»: мы проводим тестирования, получаем результаты, накапливаем совокупную достоверность отрицательных, либо положительных результатов, и продолжаем тестирования, пока совокупная достоверность отрицательного, либо положительного результата не достигнет целевого норматива. Как только норматив достоверности достигнут, тестирования прекращаются, болезнь считается исключенной или подтвержденной с нормативной вероятностью.

Этап первичной диагностики: низкая предтестовая вероятность — каскад чувствительных тестов

Когда используем: массовые осмотры, диспансеризация, первичный приём без выраженных симптомов.

Главный риск: отрицательная ошибка - пропуск больного.

Тактическая цель: надёжно исключить болезнь у большинства, достигнув целевого норматива достоверности совокупного отрицательного результата (например, 99,9 %)

Стратегическая задача: сформировать группу пациентов с высокой предтестовой вероятностью — из тех, у кого болезнь не удалось надёжно исключить.

Основа стратегии: использовать каскадное усиление достоверности отрицательного результата. Работать с пациентами, у которых предтестовая вероятность низкая, исключать здоровых из исследовательской группы с помощью совокупного отрицательного результата и концентрировать в группе предтестовую вероятность болезни (за счёт работы чувствительного каскада).

Формула совокупной чувствительности: вычислительная основа каскада первичной диагностики.

Se_total = 1 - (1 - Se1)*(1 - Se2)*..(1-Se_n)

В расчет принимаются индивидуальные показатели достоверности отрицательных результатов - показатели чувствительности Se тест-систем, показавших исключительно отрицательный результат.

Пример

Два теста:

Se1 = 0,95

Se2= 0,90

Оба дали отрицательный результат.

  • Риск двойной ошибки: (1−0,95)*(1−0,90)=0,05⋅0,10 =0.005
  • Совокупная чувствительность: Se_total = 1 − 0,005 = 0,995 (то есть 99,5 %)

Целевой норматив достоверности совокупного результата (99,9 %) не достигнут. Добавляем ещё один чувствительный тест, например

Se3=0,98 и получаем отрицательный результат:

  • Новый риск ошибки: 0,005⋅(1−0,98)=0,005⋅0,02 = 0,0001
  • Новая Se_total = 1 − 0,0001 =0,9999 (99,99 %) → целевой норматив достигнут.

Практический вывод: если есть несколько отрицательных результатов и Se_total достиг целевого норматива, пациента можно считать здоровым в рамках принятой стратегии. Если целевой норматив не достигнут — продолжаем добавлять тесты, получая новые отрицательные результаты. Если отрицательный результат не удаётся получить (или он один, и норматив не достигается), такой пациент остаётся в группе повышенного риска — именно для него далее применяется специфичный каскад. Таким образом, чувствительный каскад выполняет роль фильтра, формируя группу с высокой предтестовой вероятностью для этапа верификации.

Этап верификации: каскад специфичных тестов в группе с высокой предтестовой вероятностью.

Когда используем: пациенты, прошедшие чувствительный каскад и оставшиеся в группе риска - в группе с высокой предтестовой вероятностью; подтверждение предварительного диагноза, пациенты с симптомами, Инфекционные очаги, пациенты исходно высокого риска. Главный риск: ложноположительный результат (приписка болезни - ложный диагноз).

Цель: надёжно подтвердить болезнь, достигнув целевого норматива достоверности совокупного положительного результата (например, 99,9 %).

Основа стратегии: использовать каскадное усиление достоверности диагноза. Работать с пациентами, у кого предтестовая вероятность уже повышена (в том числе за счёт предварительной работы чувствительного каскада).

Формула совокупной специфичности - вычислительная основа каскада верификации.

Sp_total = 1 -(1 - Sp1)*(1 - Sp2)*…(1 - Sp_n)

Пример

Два теста:

Sp1=0,95

Sp2=0,90

Оба дали положительный результат.

  • Риск двойной ошибки (оба ложноположительные): (1−0,95)*(1−0,90)=0,05⋅0,10= 0,005
  • Совокупная специфичность: Sp_total=1−0,005=0,995 (99,5 %)

Целевой норматив 99,9 % не достигнут. Добавляем третий специфичный тест

Sp3 =0,98 и получаем положительный результат:

  • Новый риск ошибки:0,005⋅(1−0,98)=0,005⋅0,02= 0,0001
  • Новая Sp_total=1−0,0001=0,9999(99,99 %) → целевой норматив достигнут.

Практический вывод: несколько положительных результатов с Sp_total ≥99,9% — это серьёзное основание для постановки диагноза. При этом важно, что мы применяем этот каскад именно к группе пациентов с высокой предтестовой вероятностью: либо из-за симптомов, либо потому, что чувствительный каскад надёжно исключил здоровых из первоначальной исследовательской группы и сформировал группу повышенной предтестовой вероятности.

Почему каскад лучше одиночного теста и как работает двухэтапная логика

Ни один тест не бывает одновременно идеально чувствительным и идеально специфичным. Каскад позволяет обойти этот компромисс за счёт разделения задач:

  • На этапе чувствительного каскада мы делаем упор на исключение, чтобы отсеять большинство здоровых и сформировать целевую группу с высокой предтестовой вероятностью. Каждый отрицательный результат снижает совокупный риск отрицательной ошибки и повышает совокупную достоверность отрицательных результатов - Se_total - совокупную чувствительность.
  • На этапе специфичного каскада мы работаем именно с группой высокой предтестовой вероятности и добиваемся, чтобы риск ложного положительного диагноза стал ничтожным: каждый дополнительный положительный результат снижает совокупный риск приписки и повышает совокупную достоверность положительных результатов - Sp_total - совокупную специфичность.

Таким образом, чувствительный каскад — это не только про «исключить», но и про концентрацию предтестовой вероятности: он целенаправленно выделяет тех, кто нуждается в более строгой верификации.

Практический алгоритм выбора тест-систем с учётом целевого норматива достоверности и концентрации вероятности:

  1. Оцените исходную предтестовую вероятность (анамнез, симптомы, распространённость в популяции).
  2. Выберите стратегию первого этапа:
  3. Если вероятность низкая → каскад чувствительных тестов. Цель: исключить болезнь с целевым нормативом (например, 99,9 %), отсеять достоверно здоровых и перевести оставшихся пациентов в группу высокой предтестовой вероятности.
  4. Постройте начальный каскад. Используйте 2–3 чувствительных теста.
  5. Рассчитайте Se_total - совокупную чувствительность, используя индивидуальные показатели достоверности отрицательных результатов - индивидуальные показатели Se чувствительности тест-систем, показавших отрицательные результаты.
  • Проверьте, достигнут ли целевой норматив достоверности отрицательных результатов. Тех, у кого норматив достоверности отрицательных результатов достигнут можно считать здоровыми.Тех, у кого норматив не достигнут или нет совсем отрицательных результатов, оставьте в группе риска - в группе высокой предтестовой вероятности для последующего этапа подтверждения диагноза с помощью специфичного каскада.

Для группы с высокой предтестовой вероятностью примените каскад специфичных тестов:

  • Цель: подтвердить диагноз, достигнув целевого норматива достоверности совокупного положительного результата.Добавляйте тесты и получайте положительные результаты, пересчитывая Sp_total пока не достигнете норматива.

Примите решение:

  • Целевой норматив достоверности положительного результата достигнут → высокая достоверность диагноза (подтверждение болезни).Целевой норматив не достигнут даже после добавления новых тестов → каскадное усиление не сработало; опирайтесь на недостаточный показатель достоверности положительного результата или переходите к альтернативной тактике.

Чек‑лист перед применением каскадов с целевым нормативом

  • Задан ли целевой норматив достоверности совокупного результата (например, 99,9 %)?
  • Есть ли несколько совпадающих по модальности результатов (несколько «−» или несколько «+»)?
  • Тесты независимы ли (разные механизмы/биомаркеры, не дублируют друг друга)?
  • Показатели чувствительности/специфичности соответствуют ли паспортным данным в данной популяции?
  • Если целевой норматив не достигнут — есть ли ресурсы для дальнейшего тестирования с целью получения новых результатов нужной модальности?
  • Понимает ли команда, что чувствительный каскад формирует группу для специфичного каскада (концентрация предтестовой вероятности)
  • Если одномодальных результатов нет — каскад не применять, использовать другую тактику.

Важные оговорки

  • Формулы Щипкова предполагают независимость тестов. Если тесты сильно коррелируют или измеряют один и тот же маркер, перемножение рисков будет некорректным.
  • Целевой норматив достоверности совокупного результата задаётся клиническими требованиями: в одних ситуациях достаточно 95 %, в других (например, при решении о сильнодействующем токсичном лечении) требуется 99,9 % и выше.
  • Каскадная логика требует группы совпадающих по модальности результатов. Одиночный результат не даёт каскадного усиления достоверности.
  • Метод даёт высокую математическую достоверность, но не отменяет врачебного суждения.
  • Калибровка показателей чувствительности и специфичности должна быть выполнена на достоверных группах больных и здоровых пациентов.

Заключение

Метод парного диагностического каскада Щипкова превращает абстрактные характеристики тестов в понятную клиническую стратегию с измеримым результатом. Ключевая идея: каскадные формулы работают по принципу «И», накапливают совокупную достоверность одномодальных результатов, используя индивидуальные показатели достоверности тест-систем, - до заданного целевого норматива (например, 99,9 %). При этом чувствительный каскад решает не только задачу исключения болезни, но и стратегическую задачу: он формирует группу пациентов с высокой предтестовой вероятностью, для которой далее применяется специфичный каскад подтверждения диагноза. Именно такая двухэтапная логика и делает каскадный подход особенно эффективным в клинической практике.