常见的医疗统计经常错误或误导:研究提供了一个纠正的方法

一个简单,但革命性的新统计技术可以更好的评估和实施许多测试和预测模型,从而导致更大的患者受益。

错误的假设在一些广泛使用的统计数据会导致缺陷预测模型实现的影响病人护理。这可以纠正的小说,实用为基础的方法(“u-metrics”),根据一项研究IEEE生物医学和卫生信息学杂志》上,由乔纳森博士处理程序,创新高级研究员OSF医疗保健。

经典的统计数据有什么问题吗?

预测将来会或不会发生的东西是否被用来促进护理。经典的统计信息来评估这些预测并指导实施包括敏感性、特异性、正面和负面预测值。这些都是仅基于计数频率的预测是对还是错。文章指出,这些经典的统计假设,并不适用于许多(最)真实的场景。

统计数据建立在错误的假设可能表明,预测将会造福患者即使实际性能将被证明是令人失望的,甚至有害。结果呢?常常忙卫生保健工作者必须遭受频繁的错误或无用的警报,他们很快学会忽视(“警惕疲劳”)。

例如,一个预测系统可能不正确地触发一个报警,声称一个病人是健康有危险的感染。它也可以正确触发警报的危险感染患者即使团队已经解决这个问题。在每种情况下,警报和分散了护理团队没有增加价值与其他重要的工作。

更糟糕的是,在正确的情况下,但无助于事,令人分心的警报,经典统计不当“信用”的正确预测即使报警创建的弊大于利。这是因为经典统计假设正确的预测总是有用的,每一个正确的预测也同样有用,即便如此,正如作者所说,这些假设通常不是这样的。

一个新的更好的方法

为应对这些挑战,作者创造了u-metrics,直观和全面的解决方案,不依赖于假设很少适用于现实世界。与经典的统计,它不采取一刀切的方法。相反,它只分配到每个预测应有的信贷,并分类预测基于创建的利益或损害而不是它的正确性。

“卫生保健提供者常常抱怨说,研究表明,预测将表现良好,但当实现在现实世界中,令人失望的,有时是有害的影响,“处理程序博士说,该研究的第一作者。

“确实有一些有限的承认的假设基于经典点的统计数据通常不适用和几部分修复。然而,据我们所知,这是第一个综合评价所需要的假设这些经典的统计数据,更重要的是,第一个全面解决问题的办法。我们相信使用u-metrics指导开发,选择,和实现这些类型的预测有利于病人,提供者和卫生系统。"

除了临床预测因素,u-metrics可以用来评估任何系统提供yes或no的反应,从股票市场预测天气警报。

u-metrics如何帮助解决警惕疲劳吗?

通过更好的通知预测因子的选择和实现,u-metrics可能会减少卫生系统的可能性会选择和实施一个预测火灾太多无用的警报。本文还描述了“打盹”,实现技术极大地减少了错误和麻烦在许多情况下,警报。打盹是当警报自动或手动沉默一段时间后,火灾。

虽然手动打盹传感器警报在icu中是很常见的,它的使用还没有被很好地研究了预测警报。本文指出这可能是由于经典指标无法正确评估打盹的影响。u-metrics解决方案正确评估打盹的影响,因为它将奖励和惩罚制度抑制警报是正确的,但会造成干扰或伤害如果解雇。本文还描述了一种方法来确定最佳的小睡时间。正确应用,小睡可能减少警报疲劳和提高临床医生将应对真正的警报的可能性。