Wiskundig model voor vertrouwen van arts in diagnose

[PhilipVoets]

Dag allen,

Een ideetje: de belangrijkste determinant van of -en, zo ja, welke- diagnose gesteld wordt, blijft nog altijd in hoeverre de arts die de knoop doorhakt in deze diagnose "gelooft". Dit bepaalt vervolgens de behandeling en het vervolgplan. De verandering in overtuiging van een arts in een bepaalde diagnose ("confidence" in bijlage) per verandering in evidence pro/contra (zoals nieuw binnengekomen bloeduitslagen, uitslagen van radiologisch of pathologisch onderzoek, een positief of negatief geworden microbiologische kweek, etc.) wordt gevoed door een aantal factoren (zoals samengevat in korte afleiding in bijlage): het is recht-evenredig met het reeds bestaande, breder gedragen vertrouwen in deze diagnose bij arts zelf/onder peers/supervisors (als bijvoorbeeld in multidisciplinair overleg een bepaalde diagnose wordt geconcludeerd, weegt dit zwaar in de praktijk; was er al weinig vertrouwen in een diagnose, dan zal er met een enkel extra argument pro niet veel veranderen; was er al veel baseline-vertrouwen, dan wordt aan een extra argument pro of contra vaak nog zwaarder getild); ook is het evenredig met de reeds opgedane klinische ervaring/karaktertrekken van de arts in kwestie (evenredigheidsfactor; hoe sneller iemand over het algemeen overtuigd raakt van zaken of hoe meer ervaring iemand heeft, hoe groter deze factor). Tot slot is er een soort plafond aan het vertrouwen in een bepaalde diagnose ("niets is in de geneeskunde ooit 100% zeker"); dit maximale vertrouwen wordt vooral bepaald door hoe hard een diagnose überhaupt te maken is (e.g., een colorectaal carcinoom kan "hard" onder de microscoop PA-bewezen worden, terwijl fibromyalgie hooguit als relatief "softe" diagnose o.b.v. anamnese per exclusionem zal worden gesteld). Samenvattend heb ik e.e.a. geprobeerd te modelleren en kwam uit op een logistische Verhulst-vergelijking. Graag hoor ik jullie mening en aan- of opmerkingen. Belangrijke afsluitende noot is dat model beschrijft hoe de overtuiging van een arts verandert, niet zozeer hoe zeker de diagnose in objectieve zin is. Dank alvast!

Philip Voets, M.D. Ph.D.

[wnvl1]

Dat is uiteindelijk een logistische regressie met de bijzonderheid dat je als predictor werkt met \(E^+ /E^-\) ipv \(b_1E^+ +b_2E^-\). Het lijkt mij nuttig om de fit van beide modellen eens te vergelijken.

[PhilipVoets]

Dank! Begrijp ik uit je reactie dat je zou suggereren om delta-evidence (evidence pro - evidence contra) te gebruiken i.p.v. de ratio? Verder wel akkoord met de afleiding en oplossing in de bijlage?

[wnvl1]

Ik stel voor om eens te werken met als predictoren E+ en E- (2 predictoren) ipv de ratio (1 predictor). Niet noodzakelijk E+ - E-. De regressie coëfficiënten kunnen je dan mogelijk wat inzicht bij brengen in de data.

Met je afleiding lijkt mij niks mis. Dat is eigenlijk bijna hetzelfde als de afleiding voor een gewone logistische regressie.

Een algemene bedenking. Wat je beschrijft in je model is wel iets heel algemeen dat je ook met je ogen dicht kan bedenken.

Hoe groter de verhouding indicaties dat een bepaald land wereldkampioen voetbal wordt tov dat dit land geen wereldkampioen voetbal wordt, hoe groter het vertrouwen dat het land wereldkampioen voetbal wordt. Uiteraard is er hier ook een maximum aan dat vertrouwen. Hoe beter het trackrecord (cfr. klinische ervaring van de arts) van het land des te sneller het vertrouwen toeneemt.

Als je voldoende data verzamelt, ga je bij zoiets steeds significante resultaten bekomen, lijkt mij.