Diagnóstico diferencial - Differential diagnosis

Diagnóstico diferencial
Malha	D003937
[ editar no Wikidata ]

Na área da saúde, um diagnóstico diferencial (abreviado DDx ) é um método de análise da história do paciente e exame físico para chegar ao diagnóstico correto. Envolve a distinção de uma doença ou condição específica de outras que apresentam características clínicas semelhantes. Os procedimentos de diagnóstico diferencial são usados ​​pelos médicos para diagnosticar a doença específica em um paciente ou, pelo menos, para considerar quaisquer condições com risco de vida iminente. Freqüentemente, cada opção individual de uma possível doença é chamada de diagnóstico diferencial (por exemplo, bronquite aguda pode ser um diagnóstico diferencial na avaliação de uma tosse, mesmo se o diagnóstico final for resfriado comum ).

Mais geralmente, um procedimento de diagnóstico diferencial é um método de diagnóstico sistemático usado para identificar a presença de uma entidade de doença onde várias alternativas são possíveis. Este método pode empregar algoritmos, semelhantes ao processo de eliminação , ou pelo menos um processo de obtenção de informações que reduz as "probabilidades" de condições candidatas a níveis insignificantes, usando evidências como sintomas, histórico do paciente e conhecimento médico para ajustar o epistêmico confidências na mente do diagnosticador (ou, para diagnóstico computadorizado ou assistido por computador, o software do sistema).

O diagnóstico diferencial pode ser considerado como implementando aspectos do método hipotético-dedutivo , no sentido de que a presença potencial de doenças ou condições candidatas pode ser vista como hipóteses que os médicos posteriormente determinam como verdadeiras ou falsas.

Um diagnóstico diferencial também é comumente usado no campo da psiquiatria / psicologia, onde dois diagnósticos diferentes podem ser atribuídos a um paciente que apresenta sintomas que poderiam se encaixar em qualquer um dos diagnósticos. Por exemplo, um paciente que foi diagnosticado com transtorno bipolar também pode receber um diagnóstico diferencial de transtorno de personalidade limítrofe, dada a semelhança nos sintomas de ambas as condições.

As estratégias usadas na preparação de uma lista de diagnóstico diferencial variam de acordo com a experiência do profissional de saúde. Embora os provedores novatos possam trabalhar sistematicamente para avaliar todas as explicações possíveis para as preocupações de um paciente, aqueles com mais experiência frequentemente baseiam-se na experiência clínica e no reconhecimento de padrões para proteger o paciente de atrasos, riscos e custos de estratégias ou testes ineficientes. Provedores eficazes utilizam uma abordagem baseada em evidências, complementando sua experiência clínica com o conhecimento da pesquisa clínica.

Componentes gerais

Um diagnóstico diferencial tem quatro etapas gerais. O clínico irá:

1. Reúna informações relevantes sobre o paciente e crie uma lista de sintomas.
2. Liste as possíveis causas ( condições candidatas ) para os sintomas. A lista não precisa ser por escrito.
3. Priorize a lista, equilibrando os riscos de um diagnóstico com a probabilidade. Esses são parâmetros subjetivos, não objetivos.
4. Realize testes para determinar o diagnóstico real. Isso é conhecido pela frase coloquial "excluir". Mesmo após o processo, o diagnóstico não é claro. O clínico novamente considera os riscos e pode tratá-los empiricamente, geralmente chamado de "Melhor Suposição Educada".

Um mnemônico para ajudar a considerar vários processos patológicos possíveis é VINDICATE'M :

• V ascular
• I nflammatory/ I nfectious
• N eoplástico
• D egenerative/ D Sficiência/ D tapetes
• I diopático/ I ntoxicação/ I atrogênico
• C ongenital
• Um utoimmune/ Um llergic/ Um natomic
• T raumático
• E ndocrine/ E AMBIENTAL
• M etabólico

Métodos específicos

Existem vários métodos para procedimentos de diagnóstico diferencial e várias variantes entre eles. Além disso, um procedimento de diagnóstico diferencial pode ser usado concomitantemente ou alternadamente com protocolos, diretrizes ou outros procedimentos de diagnóstico (como reconhecimento de padrões ou uso de algoritmos médicos ).

Por exemplo, em caso de emergência médica , pode não haver tempo suficiente para fazer cálculos detalhados ou estimativas de diferentes probabilidades, caso em que o protocolo ABC ( vias aéreas, respiração e circulação ) pode ser mais apropriado. Posteriormente, quando a situação for menos aguda, um procedimento diagnóstico diferencial mais abrangente pode ser adotado.

O procedimento de diagnóstico diferencial pode ser simplificado se um sinal ou sintoma " patognomônico " for encontrado (neste caso, é quase certo que a condição-alvo está presente) ou na ausência de um sinal ou sintoma sine qua non (neste caso é quase certo que a condição-alvo está ausente).

Um diagnosticador pode ser seletivo, considerando primeiro os distúrbios que são mais prováveis ​​(uma abordagem probabilística), mais graves se não diagnosticados e tratados (uma abordagem prognóstica) ou mais responsivos ao tratamento se oferecido (uma abordagem pragmática). Uma vez que a probabilidade subjetiva da presença de uma condição nunca é exatamente 100% ou 0%, o procedimento de diagnóstico diferencial pode ter como objetivo especificar essas várias probabilidades para formar indicações para uma ação posterior.

A seguir estão dois métodos de diagnóstico diferencial, baseados na epidemiologia e na razão de verossimilhança, respectivamente.

Método baseado em epidemiologia

Um método de realizar um diagnóstico diferencial por epidemiologia visa estimar a probabilidade de cada condição candidata, comparando suas probabilidades de ter ocorrido em primeiro lugar no indivíduo. Baseia-se em probabilidades relacionadas à apresentação (como dor) e probabilidades das várias condições candidatas (como doenças).

Teoria

A base estatística para o diagnóstico diferencial é o teorema de Bayes . Como uma analogia, quando um dado acertou, o resultado é 100% certo, mas a probabilidade de que tivesse ocorrido em primeiro lugar (doravante abreviado WHOIFP ) ainda é de 1/6. Da mesma forma, a probabilidade de que uma apresentação ou condição teria ocorrido em primeiro lugar em um indivíduo (WHOIFPI) não é igual a probabilidade de que a apresentação ou condição tenha ocorrido no indivíduo, porque a apresentação tenha ocorrido até 100% certeza no indivíduo. No entanto, as frações de probabilidade contributiva de cada condição são assumidas as mesmas, relativamente:

${\ displaystyle {\ begin {alinhados} & {\ frac {\ Pr ({\ text {A apresentação é causada pela condição no indivíduo}})} {\ Pr ({\ text {A apresentação ocorreu no indivíduo}})}} = {\ frac {\ Pr ({\ text {Apresentação WHOIFPI por condição}})} {\ Pr ({\ text {Apresentação WHOIFPI}})}} \ end {alinhado}}}$

Onde:

• Pr (a apresentação é causada por uma condição no indivíduo) é a probabilidade de que a apresentação seja causada por uma condição na condição individual , sem especificações adicionais, refere-se a qualquer condição candidata
• Pr (a apresentação ocorreu no indivíduo) é a probabilidade de que a apresentação tenha ocorrido no indivíduo, que pode ser percebida e, portanto, fixada em 100%
• Pr (Apresentação WHOIFPI por condição) é a probabilidade de que a apresentação Teria Ocorrido em Primeiro Lugar no Indivíduo por condição
• Pr (Apresentação WHOIFPI) é a probabilidade de a apresentação ter ocorrido em primeiro lugar no indivíduo

Quando um indivíduo apresenta um sintoma ou sinal, Pr (a apresentação ocorreu no indivíduo) é 100% e pode, portanto, ser substituído por 1 e pode ser ignorado, uma vez que a divisão por 1 não faz qualquer diferença:

${\ displaystyle \ Pr ({\ text {Apresentação é causada pela condição no indivíduo}}) = {\ frac {\ Pr ({\ text {Apresentação WHOIFPI por condição}})} {\ Pr ({\ text {Apresentação WHOIFPI }})}}}$

A probabilidade total de a apresentação ter ocorrido no indivíduo pode ser aproximada como a soma das condições candidatas individuais:

${\ displaystyle {\ begin {alinhado} \ Pr ({\ text {WHOIFPI de apresentação}}) & = \ Pr ({\ text {WHOIFPI de apresentação por condição 1}}) \\ & {} + \ Pr ({\ text {Apresentação WHOIFPI por condição 2}}) \\ & {} + \ Pr ({\ text {Apresentação WHOIFPI por condição 3}}) + {\ text {etc.}} \ End {alinhado}}}$

Além disso, a probabilidade de a apresentação ter sido causada por qualquer condição candidata é proporcional à probabilidade da condição, dependendo de qual taxa ela causa a apresentação:

${\ displaystyle \ Pr ({\ text {Apresentação WHOIFPI por condição}}) = \ Pr ({\ text {Condição WHOIFPI}}) \ cdot r _ {{\ text {condição}} \ rightarrow {\ text {apresentação}} },}$

Onde:

• Pr (Apresentação WHOIFPI por condição) é a probabilidade de que a apresentação Teria Ocorrido em Primeiro Lugar no Indivíduo por condição
• Pr (condição WHOIFPI) é a probabilidade de que a condição teria ocorrido em primeiro lugar no indivíduo
• r _{Condição → apresentação} é a taxa na qual uma condição causa a apresentação, ou seja, a fração de pessoas com condições que se manifesta com a apresentação.

A probabilidade de que uma condição teria ocorrido em primeiro lugar em um indivíduo é aproximadamente igual à de uma população que é tão semelhante ao indivíduo quanto possível, exceto para a apresentação atual, compensada sempre que possível por riscos relativos dados por fator de risco conhecido que distinguir o indivíduo da população:

${\ displaystyle \ Pr ({\ text {Condição WHOIFPI}}) \ approx RR _ {\ text {condição}} \ cdot \ Pr ({\ text {Condição na população}}),}$

Onde:

• Pr (condição WHOIFPI) é a probabilidade de que a condição teria ocorrido em primeiro lugar no indivíduo
• A _condição RR é o risco relativo para a condição conferida por fatores de risco conhecidos no indivíduo que não estão presentes na população
• Pr (condição na população) é a probabilidade de que a condição ocorre em uma população que é tão semelhante ao indivíduo quanto possível, exceto para a apresentação

A tabela a seguir demonstra como essas relações podem ser feitas para uma série de condições candidatas:

	Candidato condição 1	Candidato condição 2	Candidato condição 3
Pr (condição na população)	Pr (condição 1 na população)	Pr (condição 2 na população)	Pr (condição 3 na população)
Condição RR	RR 1	RR 2	RR 3
Pr (condição WHOIFPI)	Pr (condição 1 WHOIFPI)	Pr (condição 2 WHOIFPI)	P (condição 3 WHOIFPI)
r Condição → apresentação	r Condição 1 → apresentação	r Condição 2 → apresentação	r Condição 3 → apresentação
Pr (Apresentação WHOIFPI por condição)	Pr (Apresentação WHOIFPI pela condição 1)	Pr (Apresentação WHOIFPI pela condição 2)	Pr (Apresentação WHOIFPI pela condição 3)
Pr (Apresentação WHOIFPI) = a soma das probabilidades na linha logo acima
Pr (a apresentação é causada pela condição individual)	Pr (a apresentação é causada pela condição 1 no indivíduo)	Pr (a apresentação é causada pela condição 2 no indivíduo)	Pr (a apresentação é causada pela condição 3 no indivíduo)

Uma "condição candidata" adicional é o caso de não haver nenhuma anormalidade, e a apresentação é apenas uma aparência (geralmente relativamente improvável) de um estado basicamente normal. Sua probabilidade na população ( P (sem anormalidade na população) ) é complementar à soma das probabilidades de condições candidatas "anormais".

Exemplo

Este exemplo de caso demonstra como esse método é aplicado, mas não representa uma diretriz para lidar com casos semelhantes do mundo real. Além disso, o exemplo usa números relativamente especificados com, às vezes, vários decimais , enquanto na realidade, muitas vezes existem apenas estimativas grosseiras, como probabilidade de ser muito alta , alta , baixa ou muito baixa , mas ainda usando os princípios gerais do método.

Para um indivíduo (que se torna o "paciente" neste exemplo), um exame de sangue de, por exemplo, cálcio sérico mostra um resultado acima do intervalo de referência padrão , que, pela maioria das definições, é classificado como hipercalcemia , que se torna a "apresentação" nesse caso. Um clínico (que se torna o "diagnosticador" neste exemplo), que atualmente não vê o paciente, fica sabendo de sua descoberta.

Por razões práticas, o clínico considera que não é suficiente indicação de teste para ter um olhar para o paciente registros médicos . Para simplificar, digamos que a única informação fornecida no prontuário seja uma história familiar de hiperparatireoidismo primário (aqui abreviado como HP), o que pode explicar o achado de hipercalcemia. Para este paciente, digamos que o fator de risco hereditário resultante é estimado para conferir um risco relativo de 10 (RR _PH = 10).

O clínico considera que existe motivação suficiente para realizar um procedimento diagnóstico diferencial para o achado de hipercalcemia. As principais causas de hipercalcemia são hiperparatireoidismo primário (HP) e câncer ; portanto, para simplificar, a lista de condições candidatas que o médico poderia imaginar pode ser dada como:

• Hiperparatireoidismo primário (HP)
• Câncer
• Outras doenças nas quais o médico poderia pensar (que é simplesmente denominado "outras condições" no restante deste exemplo)
• Sem doença (ou sem anormalidade), e o achado é causado inteiramente pela variabilidade estatística

A probabilidade de que 'hiperparatireoidismo primário' (HP) teria ocorrido em primeiro lugar no indivíduo ( P (PH WHOIFPI) ) pode ser calculada da seguinte forma:

Digamos que o último exame de sangue feito pelo paciente foi há meio ano e foi normal e que a incidência de hiperparatireoidismo primário em uma população geral corresponde apropriadamente ao indivíduo (exceto pela apresentação e hereditariedade mencionada) é de 1 em 4.000 por ano. Ignorando análises retrospectivas mais detalhadas (como incluindo a velocidade do progresso da doença e o tempo de atraso do diagnóstico médico ), o tempo de risco de ter desenvolvido hiperparatireoidismo primário pode ser considerado como sendo o último semestre, porque uma hipercalcemia desenvolvida anteriormente provavelmente seria foram detectados pelo exame de sangue anterior. Isso corresponde a uma probabilidade de hiperparatireoidismo primário (HP) na população de:

${\ displaystyle \ Pr ({\ text {PH na população}}) = 0,5 {\ text {anos}} \ cdot {\ frac {1} {\ text {4000 por ano}}} = {\ frac {1} {8000}}}$

Com o risco relativo conferido pela história familiar, a probabilidade de que o hiperparatireoidismo primário (HP) teria ocorrido em primeiro lugar no indivíduo dado a partir das informações disponíveis atualmente torna-se:

${\ displaystyle \ Pr ({\ text {PH WHOIFPI}}) \ aprox RR_ {PH} \ cdot \ Pr ({\ text {PH na população}}) = 10 \ cdot {\ frac {1} {8000}} = {\ frac {1} {800}} = 0,00125}$

Pode-se presumir que o hiperparatireoidismo primário causa hipercalcemia essencialmente 100% do tempo (r _{PH → hipercalcemia} = 1), portanto, esta probabilidade calculada independentemente de hiperparatireoidismo primário (HP) pode ser considerada a mesma que a probabilidade de ser a causa do apresentação:

${\ displaystyle {\ begin {align} \ Pr ({\ text {Hypercalcemia WHOIFPI por PH}}) & = \ Pr ({\ text {PH WHOIFPI}}) \ cdot r _ {{\ text {PH}} \ rightarrow {\ text {hipercalcemia}}} \\ & = 0,00125 \ cdot 1 = 0,00125 \ end {alinhado}}}$

Para o câncer , o mesmo tempo de risco é assumido para simplificar, e digamos que a incidência de câncer na área seja estimada em 1 em 250 por ano, dando uma probabilidade populacional de câncer de:

${\ displaystyle \ Pr ({\ text {câncer na população}}) = 0,5 {\ text {anos}} \ cdot {\ frac {1} {\ text {250 por ano}}} = {\ frac {1} {500}}}$

Para simplificar, digamos que qualquer associação entre história familiar de hiperparatireoidismo primário e risco de câncer seja ignorada, então o risco relativo para o indivíduo ter contraído câncer em primeiro lugar é semelhante ao da população ( _câncer RR = 1) :

${\ displaystyle \ Pr ({\ text {câncer WHOIFPI}}) \ approx RR _ {\ text {câncer}} \ cdot \ Pr ({\ text {câncer na população}}) = 1 \ cdot {\ frac {1} {500}} = {\ frac {1} {500}} = 0,002.}$

No entanto, a hipercalcemia ocorre apenas em, aproximadamente, 10% dos cânceres, (r _{câncer → hipercalcemia} = 0,1), então:

${\ displaystyle {\ begin {align} & \ Pr ({\ text {Hypercalcemia WHOIFPI por câncer}}) \\ = & \ Pr ({\ text {cancer WHOIFPI}}) \ cdot r _ {{\ text {cancer} } \ rightarrow {\ text {hipercalcemia}}} \\ = & 0,002 \ cdot 0,1 = 0,0002. \ end {alinhado}}}$

As probabilidades de que a hipercalcemia tivesse ocorrido em primeiro lugar por outras condições candidatas podem ser calculadas de maneira semelhante. No entanto, para simplificar, digamos que a probabilidade de que qualquer uma dessas ocorrências tenha ocorrido em primeiro lugar é calculada em 0,0005 neste exemplo.

Para o caso de não haver doença , a probabilidade correspondente na população é complementar à soma das probabilidades para outras doenças:

${\ displaystyle {\ begin {align} \ Pr ({\ text {sem doença na população}}) & = 1- \ Pr ({\ text {PH na população}}) - \ Pr ({\ text {câncer na população}}) \\ & {} \ quad - \ Pr ({\ text {outras condições na população}}) \\ & {} = 0,997. \ end {alinhado}}}$

A probabilidade de que o indivíduo seja saudável em primeiro lugar pode ser considerada a mesma:

${\ displaystyle \ Pr ({\ text {sem doença WHOIFPI}}) = 0,997. \,}$

A taxa em que o caso de nenhuma condição anormal ainda termina na medição do cálcio sérico de estar acima do intervalo de referência padrão (classificando assim como hipercalcemia) é, pela definição do intervalo de referência padrão, inferior a 2,5%. No entanto, essa probabilidade pode ser mais especificada considerando o quanto a medição se desvia da média no intervalo de referência padrão. Digamos que a medida de cálcio sérico foi de 1,30 mmol / L, que, com um intervalo de referência padrão estabelecido em 1,05 a 1,25 mmol / L, corresponde a uma pontuação padrão de 3 e uma probabilidade correspondente de 0,14% que tal grau de hipercalcemia teria ocorreu em primeiro lugar no caso de nenhuma anormalidade:

${\ displaystyle r _ {{\ text {sem doença}} \ rightarrow {\ text {hipercalcemia}}} = 0,0014}$

Posteriormente, a probabilidade de que a hipercalcemia resultaria de nenhuma doença pode ser calculada como:

${\ displaystyle {\ begin {align} & \ Pr ({\ text {Hypercalcemia WHOIFPI por nenhuma doença}}) \\ = & \ Pr ({\ text {sem doença WHOIFPI}}) \ cdot r _ {{\ text { sem doença}} \ rightarrow {\ text {hipercalcemia}}} \\ = & 0,997 \ cdot 0,0014 \ aproximadamente 0,0014 \ end {alinhado}}}$

A probabilidade de que a hipercalcemia teria ocorrido em primeiro lugar no indivíduo pode, portanto, ser calculada como:

${\ displaystyle {\ begin {align} & \ Pr ({\ text {hypercalcemia WHOIFPI}}) \\ = & \ Pr ({\ text {hypercalcemia WHOIFPI por PH}}) + \ Pr ({\ text {hypercalcemia WHOIFPI por câncer}}) \\ & {} + \ Pr ({\ text {hipercalcemia WHOIFPI por outras condições}}) + \ Pr ({\ text {hipercalcemia WHOIFPI por nenhuma doença}}) \\ = & 0,00125 + 0,0002 + 0,0005 + 0,0014 = 0,00335 \ fim {alinhado}}}$

Posteriormente, a probabilidade de que a hipercalcemia seja causada por hiperparatireoidismo primário (HP) no indivíduo pode ser calculada como:

${\ displaystyle {\ begin {alinhado} & \ Pr ({\ text {hipercalcemia é causada por PH no indivíduo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por PH}})} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0,00125} {0,00335}} = 0,373 = 37,3 \% \ end {alinhado}}}$

Da mesma forma, a probabilidade de que a hipercalcemia seja causada por câncer no indivíduo pode ser calculada como:

${\ displaystyle {\ begin {alinhado} & \ Pr ({\ text {hipercalcemia é causada por câncer no indivíduo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por câncer}})} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0,0002} {0,00335}} = 0,060 = 6,0 \%, \ end {alinhado}}}$

e para outras condições candidatas:

${\ displaystyle {\ begin {alinhado} & \ Pr ({\ text {hipercalcemia é causada por outras condições no indivíduo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por outras condições}} )} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0,0005} {0,00335}} = 0,149 = 14,9 \%, \ end {alinhado}}}$

e a probabilidade de que realmente não haja doença:

${\ displaystyle {\ begin {align} & \ Pr ({\ text {hipercalcemia está presente apesar de não haver doença no indivíduo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por nenhuma doença}} )} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0,0014} {0,00335}} = 0,418 = 41,8 \% \ end {alinhado}}}$

Para esclarecimento, esses cálculos são fornecidos como a tabela na descrição do método:

	PH	Câncer	Outras condições	Sem doença
P (condição na população)	0,000125	0,002	-	0,997
RR x	10	1	-	-
P (condição WHOIFPI)	0,00125	0,002	-	-
r Condição → hipercalcemia	1	0,1	-	0,0014
P (hipercalcemia WHOIFPI por condição)	0,00125	0,0002	0,0005	0,0014
P (hipercalcemia WHOIFPI) = 0,00335
P (a hipercalcemia é causada por uma condição no indivíduo)	37,3%	6,0%	14,9%	41,8%

Assim, este método estima que a probabilidade de que a hipercalcemia seja causada por hiperparatireoidismo primário, câncer, outras condições ou nenhuma doença seja de 37,3%, 6,0%, 14,9% e 41,8%, respectivamente, o que pode ser usado na estimativa de outro teste indicações.

Este caso é continuado no exemplo do método descrito na próxima seção.

Método baseado na razão de verossimilhança

O procedimento de diagnóstico diferencial pode se tornar extremamente complexo quando se leva em consideração testes e tratamentos adicionais. Um método que é um tanto quanto uma compensação entre ser clinicamente perfeito e ser relativamente simples de calcular é aquele que usa razões de probabilidade para derivar as probabilidades pós-teste subsequentes.

Teoria

As probabilidades iniciais para cada condição candidata podem ser estimadas por vários métodos, tais como:

• Por epidemiologia, conforme descrito na seção anterior.
• Por reconhecimento de padrão específico da clínica , como saber estatisticamente que os pacientes que chegam a uma clínica particular com uma reclamação particular têm estatisticamente uma probabilidade particular de cada condição candidata.

Um método de estimar as probabilidades, mesmo após outros testes, usa razões de probabilidade (que são derivadas de sensibilidades e especificidades ) como um fator de multiplicação após cada teste ou procedimento. Em um mundo ideal, sensibilidades e especificidades seriam estabelecidas para todos os testes para todas as condições patológicas possíveis. Na realidade, entretanto, esses parâmetros só podem ser estabelecidos para uma das condições candidatas. Multiplicar por razões de probabilidade exige a conversão de probabilidades de probabilidades em chances a favor (doravante simplesmente denominadas "probabilidades") por:

${\ displaystyle {\ text {probabilidades}} = {\ frac {\ text {probabilidade}} {1 - {\ text {probabilidade}}}}}$

No entanto, apenas as condições candidatas com razão de verossimilhança conhecida precisam dessa conversão. Após a multiplicação, a conversão de volta em probabilidade é calculada por:

${\ displaystyle {\ text {probabilidade}} = {\ frac {\ text {probabilidades}} {{\ text {probabilidades}} + 1}}}$

O resto das condições candidatas (para as quais não há razão de verossimilhança estabelecida para o teste em questão) podem, por simplicidade, ser ajustadas multiplicando-se subsequentemente todas as condições candidatas com um fator comum para novamente render uma soma de 100%.

As probabilidades resultantes são usadas para estimar as indicações para exames médicos adicionais , tratamentos ou outras ações. Se houver uma indicação para um teste adicional e ele retornar com um resultado, o procedimento será repetido usando a razão de verossimilhança do teste adicional. Com as probabilidades atualizadas para cada uma das condições candidatas, as indicações para novos testes, tratamentos ou outras ações também mudam e, portanto, o procedimento pode ser repetido até um ponto final onde não há mais qualquer indicação para a execução de outras ações. Tal ponto de extremidade ocorre principalmente quando uma condição candidata torna-se tão certa que nenhum teste pode ser encontrado que seja poderoso o suficiente para alterar o perfil de probabilidade relativa o suficiente para motivar qualquer mudança em ações futuras. A tática para atingir tal ponto final com o mínimo de testes possível inclui fazer testes com alta especificidade para condições de probabilidade relativa de alto perfil já excepcional, porque a razão de alta probabilidade positiva para tais testes é muito alta, trazendo todas as condições menos prováveis ​​para relativamente probabilidades mais baixas. Alternativamente, os testes com alta sensibilidade para condições candidatas concorrentes têm uma alta razão de verossimilhança negativa , potencialmente trazendo as probabilidades para condições candidatas concorrentes para níveis insignificantes. Se tais probabilidades insignificantes forem alcançadas, o médico pode descartar essas condições e continuar o procedimento de diagnóstico diferencial apenas com as condições candidatas restantes.

Exemplo

Este exemplo continua para o mesmo paciente como no exemplo para o método baseado em epidemiologia. Tal como acontece com o exemplo anterior de método baseado em epidemiologia, este caso de exemplo é feito para demonstrar como este método é aplicado, mas não representa uma diretriz para lidar com casos semelhantes do mundo real. Além disso, o exemplo usa números relativamente especificados, embora, na realidade, haja apenas estimativas grosseiras. Neste exemplo, as probabilidades para cada condição candidata foram estabelecidas por um método baseado em epidemiologia como a seguir:

	PH	Câncer	Outras condições	Sem doença
Probabilidade	37,3%	6,0%	14,9%	41,8%

Essas porcentagens também podem ter sido estabelecidas pela experiência na clínica específica, sabendo-se que essas são as porcentagens para o diagnóstico final para pessoas que se apresentam à clínica com hipercalcemia e com história familiar de hiperparatireoidismo primário.

A condição de maior probabilidade relativa de perfil (exceto "sem doença") é o hiperparatireoidismo primário (HP), mas o câncer ainda é uma grande preocupação, porque se for a condição causadora real da hipercalcemia, então a escolha de tratar ou provavelmente não significa vida ou morte para o paciente, com efeito, potencialmente colocando a indicação em um nível semelhante para testes adicionais para ambas as condições.

Aqui, digamos que o clínico considere as probabilidades relativas ao perfil de ser suficientemente preocupantes para indicar o envio ao paciente de uma chamada para uma consulta médica , com uma visita adicional ao laboratório médico para um exame de sangue adicional complementado com análises adicionais, incluindo paratireoide hormônio para a suspeita de hiperparatireoidismo primário.

Para simplificar, digamos que o médico primeiro receba o resultado do teste de sangue (em fórmulas abreviadas como "BT") para a análise do hormônio da paratireoide e que mostre um nível de hormônio da paratireoide que está elevado em relação ao que seria esperado pelo nível de cálcio.

Pode-se estimar que tal constelação tenha uma sensibilidade de aproximadamente 70% e uma especificidade de aproximadamente 90% para hiperparatireoidismo primário. Isso confere uma razão de verossimilhança positiva de 7 para hiperparatireoidismo primário.

A probabilidade de hiperparatireoidismo primário é agora denominada _HP Pré-BT porque corresponde a antes do exame de sangue (preposição latina prae significa antes). Foi estimado em 37,3%, correspondendo a uma chance de 0,595. Com a razão de verossimilhança positiva de 7 para o teste de sangue, as chances pós- teste são calculadas como:

${\ displaystyle \ operatorname {Odds} ({\ text {PostBT}} _ {PH}) = \ operatorname {Odds} ({\ text {PreBT}} _ {PH}) \ cdot LH (BT) = 0,595 \ cdot 7 = 4,16,}$

Onde:

• Odds (PostBT _PH ) é a probabilidade de hiperparatireoidismo primário após o exame de sangue para hormônio da paratireóide
• Probabilidades (PreBT _PH é a probabilidade a favor do hiperparatireoidismo primário antes do exame de sangue para o hormônio da paratireóide
• LH (BT) é a razão de verossimilhança positiva para o teste de sangue para o hormônio da paratireóide

Um Odds (PostBT _PH ) de 4,16 é novamente convertido para a probabilidade correspondente por:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {PH}) = {\ frac {\ operatorname {Odds} ({\ text {PostBT}} _ {PH})} {\ operatorname {Odds} ({ \ text {PostBT}} _ {PH}) + 1}} = {\ frac {4,16} {4,16 + 1}} = 0,806 = 80,6 \%}$

A soma das probabilidades para o resto das condições candidatas deve ser:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {rest}) = 100 \% - 80,6 \% = 19,4 \%}$

Antes do exame de sangue para o hormônio da paratireóide, a soma de suas probabilidades era:

${\ displaystyle \ Pr ({\ text {PreBT}} _ {\ text {rest}}) = 6,0 \% + 14,9 \% + 41,8 \% = 62,7 \%}$

Portanto, para estar em conformidade com uma soma de 100% para todas as condições candidatas, cada um dos outros candidatos deve ser multiplicado por um fator de correção:

${\ displaystyle {\ text {Fator de correção}} = {\ frac {\ Pr ({\ text {PostBT}} _ {\ text {rest}})} {\ Pr ({\ text {PreBT}} _ {\ texto {resto}})}} = {\ frac {19,4} {62,7}} = 0,309}$

Por exemplo, a probabilidade de câncer após o teste é calculada como:

${\ displaystyle \ Pr ({\ text {PostBT}} _ {\ text {cancer}}) = \ Pr ({\ text {PreBT}} _ {\ text {cancer}}) \ cdot {\ text {Fator de correção }} = 6,0 \% \ cdot 0,309 = 1,9 \%}$

As probabilidades para cada condição candidata antes e depois do teste de sangue são fornecidas na tabela a seguir:

	PH	Câncer	Outras condições	Sem doença
P (PreBT)	37,3%	6,0%	14,9%	41,8%
P (PostBT)	80,6%	1,9%	4,6%	12,9%

Essas "novas" porcentagens, incluindo uma probabilidade relativa ao perfil de 80% para hiperparatireoidismo primário, fundamentam quaisquer indicações para exames adicionais, tratamentos ou outras ações. Nesse caso, digamos que o médico continue o plano para que o paciente compareça a uma consulta médica para um novo check-up, especialmente com foco no hiperparatireoidismo primário.

Uma visita ao médico pode, teoricamente, ser considerada como uma série de testes, incluindo tanto questões de um histórico médico , quanto componentes de um exame físico , onde a probabilidade pós-teste de um teste anterior pode ser usada como pré- probabilidade de teste do próximo. As indicações para a escolha do próximo teste são influenciadas dinamicamente pelos resultados dos testes anteriores.

Digamos que o paciente neste exemplo tenha revelado pelo menos alguns dos sintomas e sinais de depressão, dor óssea, dor nas articulações ou constipação de mais gravidade do que seria esperado pela própria hipercalcemia, apoiando a suspeita de hiperparatireoidismo primário, e digamos que as razões de probabilidade dos testes, quando multiplicadas juntas, resultem aproximadamente em um produto de 6 para hiperparatireoidismo primário.

A presença de sinais e sintomas patológicos inespecíficos na história e no exame também são frequentemente indicativos de câncer, e digamos que os testes forneçam uma razão de probabilidade geral estimada em 1,5 para câncer. Para outras afecções, além do caso de não ter doença alguma, digamos que não se sabe como são afetadas pelos exames em mãos, como costuma acontecer na realidade. Isso dá os seguintes resultados para a história e exame físico (abreviado como P&E):

	PH	Câncer	Outras condições	Sem doença
P (PreH & E)	80,6%	1,9%	4,6%	12,9%
Odds (PreH e E)	4,15	0,019	0,048	0,148
Razão de verossimilhança por H&E	6	1,5	-	-
Odds (PostH & E)	24,9	0,0285	-	-
P (PostH & E)	96,1%	2,8%	-	-
Soma dos P conhecidos (PostH & E)	98,9%
Soma do resto P (PostH & E)	1,1%
Soma do resto P (PreH & E)	4,6% + 12,9% = 17,5%
Fator de correção	1,1% / 17,5% = 0,063
Depois da correção	-	-	0,3%	0,8%
P (PostH & E)	96,1%	2,8%	0,3%	0,8%

Essas probabilidades após a história e o exame podem tornar o médico confiante o suficiente para planejar a cirurgia do paciente para uma paratireoidectomia para ressecar o tecido afetado.

Neste ponto, a probabilidade de "outras condições" é tão baixa que o médico não consegue pensar em nenhum teste para eles que pudesse fazer uma diferença que seria substancial o suficiente para formar uma indicação para tal teste , e o médico, portanto, praticamente considera " outras condições ", conforme excluído, neste caso não principalmente por qualquer teste específico para essas outras condições que foram negativos, mas sim pela ausência de testes positivos até o momento.

Para "câncer", o ponto de corte para considerá-lo descartado com confiança pode ser mais rigoroso devido às graves consequências de perdê-lo, de modo que o médico pode considerar que pelo menos um exame histopatológico do tecido ressecado é indicado.

Este caso é continuado no exemplo de Combinações na seção correspondente abaixo.

Cobertura das condições candidatas

A validade tanto da estimativa inicial de probabilidades por epidemiologia quanto da investigação adicional por razões de verossimilhança dependem da inclusão de condições candidatas que são responsáveis ​​pela maior parte possível da probabilidade de ter desenvolvido a condição, e é clinicamente importante incluir aqueles em que o início relativamente rápido da terapia tem maior probabilidade de resultar no maior benefício. Se uma condição candidata importante for perdida, nenhum método de diagnóstico diferencial fornecerá a conclusão correta. A necessidade de encontrar mais condições candidatas para inclusão aumenta com o aumento da gravidade da própria apresentação. Por exemplo, se a única apresentação for um parâmetro laboratorial desviante e todas as condições subjacentes prejudiciais comuns tiverem sido descartadas, então pode ser aceitável parar de encontrar mais condições candidatas, mas isso seria muito mais provavelmente inaceitável se a apresentação fosse grave dor.

Combinações

Se duas condições obtiverem altas probabilidades pós-teste, especialmente se a soma das probabilidades para condições com razões de verossimilhança conhecidas for maior que 100%, a condição real é uma combinação das duas. Nesses casos, essa condição combinada pode ser adicionada à lista de condições candidatas e os cálculos devem começar do início.

Para continuar o exemplo usado acima, digamos que a história e o exame físico também fossem indicativos de câncer, com uma razão de verossimilhança de 3, dando uma Odds (PostH & E) de 0,057, correspondendo a um P (PostH & E) de 5,4%. Isso corresponderia a uma "Soma de P conhecidos (PostH & E)" de 101,5%. Esta é uma indicação para considerar uma combinação de hiperparatireoidismo primário e câncer, como, neste caso, um carcinoma de paratireóide produtor de hormônio da paratireóide . Um recálculo pode portanto, será necessário, com as duas primeiras condições sendo separadas em "hiperparatireoidismo primário sem câncer", "câncer sem hiperparatireoidismo primário", bem como "hiperparatireoidismo primário combinado e câncer", e as taxas de probabilidade sendo aplicadas a cada condição separadamente. Neste caso, no entanto, o tecido já foi ressecado, em que um exame histopatológico pode ser realizado que inclui a possibilidade de carcinoma da paratireoide no exame (o que pode implicar uma coloração de amostra apropriada ). Digamos que o exame histopatológico confirme hiperparatireoidismo primário, mas também mostrou um padrão maligno . Por um método inicial por epidemiologia, a incidência de carcinoma da paratireóide é estimada em um cerca de 1 em 6 milhões de pessoas por ano, dando uma probabilidade muito baixa antes de levar qualquer teste em consideração. Em comparação, a probabilidade de que o hiperparatireoidismo primário não maligno tenha ocorrido ao mesmo tempo que um câncer não carcinoma não relacionado que se apresenta com células malignas na glândula paratireóide é calculada multiplicando as probabilidades dos dois. A probabilidade resultante é, no entanto, muito menor do que 1 em 6 milhões. Portanto, a probabilidade de carcinoma da paratireoide ainda pode ser próxima a 100% após o exame histopatológico, apesar da baixa probabilidade de ocorrer em primeiro lugar.

Diagnóstico diferencial da máquina

O diagnóstico diferencial da máquina é o uso de um software de computador para fazer, parcial ou totalmente, um diagnóstico diferencial. Pode ser considerado como uma aplicação da inteligência artificial .

Muitos estudos demonstram melhoria na qualidade do atendimento e redução de erros médicos com o uso de tais sistemas de apoio à decisão. Alguns desses sistemas são projetados para um problema médico específico, como esquizofrenia, doença de Lyme ou pneumonia associada ao ventilador. Outros como ESAGIL, Iliad, QMR, DiagnosisPro, VisualDx , docLogica , Isabel, ZeroMD, DxMate, Symptoma e Physician Cognition são projetados para cobrir todos os principais achados clínicos e diagnósticos para ajudar os médicos com um diagnóstico mais rápido e preciso.

No entanto, todas essas ferramentas ainda requerem habilidades médicas avançadas para classificar os sintomas e escolher testes adicionais para deduzir as probabilidades de diferentes diagnósticos. O diagnóstico diferencial de máquina também é atualmente incapaz de diagnosticar vários distúrbios simultâneos. Assim, os não profissionais ainda devem consultar um profissional de saúde para um diagnóstico adequado.

História

O método de diagnóstico diferencial foi sugerido pela primeira vez para uso no diagnóstico de transtornos mentais por Emil Kraepelin . É mais sistemático do que o método antiquado de diagnóstico por gestalt (impressão).

Significados médicos alternativos

'Diagnóstico diferencial' também é usado de forma mais livre, para se referir simplesmente a uma lista das causas mais comuns de um determinado sintoma, a uma lista de distúrbios semelhantes a um determinado distúrbio ou a essas listas quando são anotados com conselhos sobre como restringir a lista ( o Índice de Diagnóstico Diferencial de French é um exemplo). Assim, um diagnóstico diferencial neste sentido é uma informação médica especialmente organizada para auxiliar no diagnóstico.

Uso fora da medicina

Métodos semelhantes aos dos processos de diagnóstico diferencial em medicina também são usados ​​por taxonomistas biológicos para identificar e classificar organismos vivos e extintos. Por exemplo, depois de encontrar uma espécie desconhecida, pode haver primeiro uma lista de todas as espécies potenciais, seguida pela exclusão de uma por uma até que, de maneira ideal, apenas uma escolha potencial permaneça. Procedimentos semelhantes podem ser usados ​​por engenheiros de fábrica e de manutenção e mecânicos automotivos e usados ​​para diagnosticar circuitos eletrônicos defeituosos.

Em arte

O drama médico da televisão americana House, com Hugh Laurie como o protagonista principal, Dr. Gregory House, que lidera uma equipe de diagnosticadores no fictício Princeton – Plainsboro Teaching Hospital, em Nova Jersey, gira em torno do uso de procedimentos de diagnóstico diferencial em uma tentativa de chegar ao diagnóstico correto .

Ao longo da série, os médicos diagnosticaram doenças como lúpus , mastocitose , doença de Plummer , raiva , síndrome de Kawasaki , varíola , varíola de Rickettsia e dezenas de outras.

Veja também

• Comorbidade
• Diagnóstico de exclusão
• Diagnóstico duplo
• Viés de gênero no diagnóstico médico
• Lista de sintomas médicos

Referências