Professional Documents
Culture Documents
- repetitorijum -
Sadržaj
Osnovni statistički pojmovi………………………………………………………………….2
Sređivanje podataka………………………………………………………………………...5
Relativni brojevi……………………………………………………………………………...7
Mere centralne tendencije………………………………………………………………….9
Mere varijabiliteta…………………………………………………………………………..13
Verovatnoća i raspodele verovatnoća…………………………………………………...18
Uzorak i uzoračke raspodele……………………………………………………………..23
Statističko zaključivanje – ocenjivanje populacionih parametara na osnovu uzorka.28
Testiranje hipoteza….……………………………………………………………………..30
t-test…………………………………………………………………………………………36
Hi-kvadrat test………………………………………………………………………………38
McNemarov test……………………………………………………………………………41
Fisherov test tačne verovatnoće…………………………………………………………42
Test sume rangova………………………………………………………………………...43
Test ekvivalentnih parova…………………………………………………………………44
Korelacija……………………………………………………………………………………45
Regresija……………………………………………………………………………………47
Pretraživanje bibliografskih baza podataka……………………………………………..49
Neformalno i formalno odlučivanje u medicine…………………………………………52
Medicinsko odlučivanje I – dijagnoza……………………………………………………54
Medicinsko odlučivanje II – izbor terapije……………………………………………….58
1
Osnovni statistički pojmovi
2
Kategorijalni (kvalitativni) podaci postoje kada se svaka jedinica
posmatranja može svrstati u samo jednu od više kategorija varijable. Mogu biti:
a) Nominalni podaci – kategorije su označene imenima i nemaju poredak.
Pol (ženski, muški)
Krvna grupa (A, B, AB, O)
Ishod lečenja (izlečen, neizlečen)
Navika pušenja (nepušač, pušač)
Lokalizacija patoloških promena na koži (glava, trup, ekstremiteti)
b) Ordinalni podaci – kategorije su uređene ili rangirane na neki način (od
manjeg ka većem ili obrnuto).
Zadovoljstvo pacijenata zdravstvenom zaštitom (vrlo nezadovoljan,
nezadovoljan, neutralan, zadovoljan, vrlo zadovoljan)
Stadijum bolesti (bez bolesti, početni stadijum, uznapredovali stadijum)
Navika pušenja (nepušač, umereni pušač, prekomerni pušač)
Uhranjenost (pothranjenost, normalna uhranjenost, gojaznost)
Kategorijalni podaci koji imaju samo dve međusobno isključive kategorije,
jesu binarni odnosno dihotomni. Primeri su pol (ženski, muški) i ishod lečenja
(izlečen, neizlečen).
Numerički (kvantitativni) podaci nastaju merenjem ili prebrojavanjem. Mogu
biti:
a) Diskretni (diskontinuirani, prekidni) numerički podaci - kada varijabla
može imati samo određene celobrojne vrednosti.
Broj dece u porodici
Broj porođaja ili broj obolelih
Broj poseta lekaru
Frekvencija srca
Broj trombocita
b) Kontinuirani (neprekidni) numerički podaci - varijabla može imati bilo koju
vrednost iz intervala variranja.
Telesna masa i visina
Starost
Telesna temperatura
Pritisak
Kod merenja neprekidnih varijabli, preciznost merenja zavisi od preciznosti
mernog instrumenta i potreba samog istraživanja. Krvni pritisak predstavlja
numeričku kontinuiranu varijablu, najčešće se zapisuje u obliku celih brojeva,
međutim ukoliko se koristi precizniji merni instrument mogli bismo zabeležiti i
decimalne vrednosti. Broj decimala zavisi ponovo od preciznosti mernog
instrumenta.
Numerički podaci se mogu transformisati u kategorijalne podatke
(nominalne ili ordinalne). Tada dolazi do gubitka jednog dela informacija. Podaci o
3
uhranjenosti mogu biti izraženi kao indeks telesne mase (kg/m 2) u vidu kontinuiranih
numeričkih podataka. Ovi podaci se mogu transformisati u kategorijalne podatke sa
mogućim kategorijama: pothranjenost, normalna uhranjenost i gojaznost. Ovde
dolazi do gubitka jednog dela informacija, jer više nije poznato u kojoj meri se
jedinice posmatranja unutar kategorija razlikuju prema indeksu telesne mase.
Adekvatnost merenja
U svakom merenju postoji izvestan stepen neizvesnosti koji može biti iskazan
kao greška u merenju. Greške u merenju mogu se klasifikovati u dve kategorije:
sistematske i slučajne greške. Sistematske greške daju predvidive precenjene ili
potcenjene vrednosti (loše kalibrisani instrument koji daje uvek precenjene ili uvek
potcenjene). Za razliku od sistematskih grešaka, slučajne greške nisu predvidive i u
datom mernom procesu mogu dati i precenjene i potcenjene vrednosti. Greške u
merenju nastaju delovanjem različitih faktora kao što je to loša kalibracija
instrumenta, neodgovarajuće vreme odziva instrumenta u odnosu na promene
merene varijable, uticaj samog instrumenta namerenu veličinu, delovanje okoline,
humani faktori – međuposmatrački i unutarposmatrački varijabilitet (kako lekar
ocenjuje depresivnost pacijenta na nekoj skali). Slučajne greške nastaju i usled
“šuma” - malih i brzih promena u okolini ili u samom instrumentu koje mogu uticati na
izmerenu vrednost. Identifikacijom i smanjenjem grešaka merenje se može učiniti
adekvatnijim. Adekvatnost merenja podrazumeva koncepte kao što su:
1) Tačnost – odnosi se na bliskost izmerene vrednosti i tačne/korektne
vrednosti (označena kao referentna, kriterijumska ili vrednost zlatnog
standarda)
2) Slaganje – odnosi se na bliskost izmerenih vrednosti različitim metodama pri
čemu se niti jedan od njih ne može proglasiti zlatnim standardom, pa se i ne
može primeniti ocena tačnosti
3) Preciznost – odnosi se na bliskost više ponovljenih merenja iste veličine pod
istim uslovima
Mnoga merenja u medicini zasnivaju se na primeni “papirnih instrumenata” -
upitnika i skala. Izmerena vrednost (skor) dobija se putem odgovaranja na pitanja
(stavke, ajteme) na upitniku ili skali. Adekvatnost takvog mernog procesa opisana je
konceptima valjanosti/validnosti (srodan je konceptu tačnosti) i pouzdanosti (srodan
je konceptu preciznosti). Dva su osnovna razloga da se kontinuirane varijable beleže
po tipu kategorijalnih podataka:
1) sa kategorijalnim podacima je lakše opisivanje osnovnog skupa (npr. koliki je
procenat gojaznih u populaciji)
2) donošenje odluka o nekoj intervenciji je olakšano kada su podaci grupisani na
neki način (da se gojazni podvrgnu preventivnom delovanju).
Do primarnih podataka dolazi se kroz istraživanja, dok se termin sekundarni
medicinski podaci odnosi na podatke u medicinskoj/zdravstvenoj dokumentaciji i
medicinskim bazama podataka.
4
Sređivanje podataka
5
6) Klasni intervali su najčešće jednake širine, a granice moraju biti tako
odabrane da obezbede da svaka jedinica opservacije pripadne samo jednom
intervalu.
6
Relativni brojevi
Indeksi dinamike
Pokazuju relativnu promenu obeležja u vremenu. Razlikuju se po tome šta
služi kao osnova za poređenje. Bazni indeksi dinamike su članovi vremenske serije
koji se porede sa istom osnovom. Osnova za poređenje može biti prva, poslednja,
najmanja, najveća ili neka druga pogodna vrednost. Lančani indeksi dinamike gde
se svaki član vremenske serije poredi sa prethodnim članom.
Bazni indeks dinamike se izračunava kada se kao računska vrednost upiše
stanje pojave u tekućem periodu (npr. vrednost Hgb u junu mesecu), a kao bazna
vrednost stanje pojave u baznom periodu (npr. vrednost Hgb u maju mesecu).
Dobijena vrednost se pomnoži sa 100.
Lančani indeks dinamike se izračunava kada se kao računska vrednost
upiše stanje pojave u tekućem vremenskom periodu (npr. vrednost Hgb u avgustu
mesecu), a kao bazna vrednost stanje pojave u prethodnom vremenskom periodu
(vrednost Hgb u julu mesecu). Dobijena vrednost se pomnoži sa 100. Lančani indeks
pokazuje promenu jedne pojave od prethodnog do narednog vremenskog perioda.
7
Ukoliko je lančani indeks veći od 100 znači da je posmatrana pojava u porastu (u
odnosu na prethodni vremenski period). Ukoliko je manji od 100 znači da je u
opadanju.
Statistički koeficijenti
Relativni brojevi kojima se upoređuju dve raznoimene pojave od kojih je
bar jedna masovna. U statističke koeficijente spadaju mnogi zdravstveni i
demografski pokazatelji. Demografski pokazatelji su natalitet i mortalitet, a
zdravstveni pokazatelji se odnose na oboljevanje (morbiditet) – incidencija i
prevalencija.
Natalitet
R
N= ∙ 1000
St
8
Mere centralne tendencije
Aritmetička sredina
Aritmetička sredina je količnik zbira svih podataka i ukupnog broja podataka.
Poznata je i kao prosečna vrednost, prosek. Obeležava se sa x (iks bar). Izračunava
se prema formuli:
x=
∑ Xi
n
Xi - pojedinačan podatak
n - broj podataka
.
Algebarski zbir odstupanja pojedinačnih vrednosti od njihove aritmetičke
sredine jednak je nuli, a zbir kvadrata odstupanja pojedinačnih vrednosti od njihove
aritmetičke sredine manji je od zbira kvadrata odstupanja od bilo koje druge
vrednosti. Prednost aritmetičke sredine je jednostavno izračunavanje i reflektovanje
svih vrednosti u skupu podataka. Nedostaci aritmetičke sredine su da se ne može
koristiti sa nominalnim i ordinalnim podacima i da je pod značajnim uticajem
ekstremnih vrednosti (na malom broju podataka samo jedna ekstremna vrednost
može učiniti aritmetičku sredinu nereprezentativnom).
9
x=
∑ fx
∑f
f – frekvencija
x –diskretna vrednost obeležja/sredina klasnog intervala
U nekim slučajevima potrebno je izračunati objedinjenu aritmetičku sredinu
zasnovanu na već izračunatim aritmetičkim sredinama u ispitivanim grupama.
x=
∑nx
∑n
Medijana
n+ 1
mmed =
2
10
3) Pročitati ili izračunati vrednost koja odogovara mestu medijane. Kod neparnog
broja podataka medijana je vrednost srednjeg, centralnog podatka, a kod
parnog broja podataka vrednost medijane se izračunava kao aritmetička
sredina dva centralna podatka.
Mod
11
Kod desno (pozitivno) iskošene raspodele, aritmetička sredina je veća od
medijane i moda (x̄ > Med > Mod), a kod kod levo (negativno) iskošene raspodele,
aritmetička sredina je manja od medijane i moda (x̄ < Med < Mod).
12
Mere varijabiliteta
Interval varijacije
Interval varijacije je razlika najveće i najmanje vrednosti u skupu podataka.
I =Xmax −Xmin
Xmax – najveća vrednost u skupu podataka
Xmin – najmanja vrednost u skupu podataka
Interval varijacije je najjednostavnija i najmanje informativna mera disperzije.
Pruža opšte i elementarne informacije koje služe za orjentacionu procenu
homogenosti obeležja. Nedostaci intervala varijacije su da zavisi od postojanja
ekstremnih vrednosti, da ne daje informaciju o grupisanju unutar intervala i da
njegova vrednost raste sa povećanjem uzorka.
13
Interkvartilni opseg (IQ) jednak je razlici 75. i 25. percentila, odnosno jednak
je Q3-Q1 i u njemu se nalazi 50% observacija. Kvantile (percentile, decile i kvartile)
određujemo uz pomoć relativnih kumulativnih distribucija frekvencija.
14
15
Varijansa i standardna devijacija
16
Koeficijent varijacije
Zed vrednost
17
6. Verovatnoća i raspodele verovatnoća
Verovatnoća i raspodele verovatnoća
1) Objektivna verovatnoća
2) Subjektivna verovatnoća
Empirijska verovatnoća
18
opservirati više puta i na taj način odrediti relativne frekvencije kod veoma retkih ili
događaja koji se do sada nisu desili. Subjektivna verovatnoća se može razlikovati od
jedne do druge osobe, zavisno od usvojenog teorijskog modela posmatrane pojave i
raspoloživih informacija.
Osobine verovatnoće
Zakoni verovatnoće
P(A∪B)=P(A)+P(B)
P(A∪B)=P(A)+P(B)−P(A∩B)
P(A∩B)=P(A)×P(B)
P(A∩B)=P(A)×P(B/A)=P(B)×P(A/B)
19
Relativna verovatnoća P(A/B) naziva se još i uslovna ili kondicionalna
verovatnoća i predstavlja verovatnoću uslovljenog događaja. Uslovna verovatnoća
je verovatnoća očekivanog događaja koji je uslovljen prethodnom pojavom nekog
drugog događaja. Uslovna verovatnoća je osnovni tip verovatnoće u prirodnim
naukama.
Binomna raspodela
U ovoj formuli je
20
binomni koeficijent koji daje broj kombinacija sa x uspeha iz n događaja.
Izračunavanje faktorijela:
0! = 1
1! = 1
2! = 1 x 2 = 2
3! = 1 x 2 x 3 = 6
Normalna raspodela
21
Mnoge varijable u medicini imaju tendenciju da prate normalnu raspodelu sa
vrednostima grupisanim oko aritmetičke sredine i sa smanjivanjem njihove
učestalosti ka krajevima raspodele.
22
6. Verovatnoća i raspodele verovatnoća
Uzorak i uzoračke raspodele
Kada ovi uslovi nisu ispunjeni radi se o pristrasnom uzorku koji je izabran na
takav način da su neke jedinice iz uzoračke populacije imale veću verovatnoću da
uđu u uzorak.
Tehnike uzorkovanja
23
sa verovatnoćom (slučajni) - sve jedinice posmatranja u populaciji imaju
šansu da budu uključene u uzorak, a verovatnoća da bilo koja od njih bude u
uzorku može biti tačno izračunata
bez verovatnoće (neslučajni) - jedinice posmatranja iz populacije se biraju
po principu njihove dostupnosti ili istraživač smatra da one dobro predstavljaju
populaciju. U ovom slučaju nepoznati deo populacije je isključen, a uzorak
može biti pristrasan.
Slučajni uzorci
Sistematski uzorak
N
K=
n
24
n veličina uzorka
Stratifikovani uzorak
Klaster uzorak
Neslučajni uzorci
25
Prigodni uzorak
Kvota uzorak
Namerni uzorak
Uzoračke raspodele
26
Raspodela uzoračkih statistika naziva se uzoračkom raspodelom. Uzoračka
raspodela je raspodela verovatnoća svih mogućih vrednosti uzoračke statistike.
Svaki uzorak sadrži različite elemente te se vrednost uzoračke statistike razlikuje
između različitih uzoraka. Ove statistike prikazuju različite procene populacionih
parametara. Uzoračka raspodela prikazuje kako se ove različite vrednosti
raspodeljuju.
Označava se takođe sa
27
Statističko zaključivanje – ocenjivanje populacionih parametara
na osnovu uzorka
Tumačenje IP
28
jer su oni precizniji (uži interval) u odnosu na 99% interval poverenja. Na širinu
intervala poverenja utiču veličina uzorka i varijabilitet. Širina intervala poverenja
opada sa povećanjem veličine uzorka i sa smanjenjem varijabiliteta.
gde je:
Proizvod
predstavlja preciznost procene (E) koji odgovara polovini širine intervala poverenja.
U formuli
Proizvod
29
Testiranje hipoteza
30
Nulta hipoteza ili hipoteza koja se ovim procesom testira (H0) ‐ hipoteza o
nepostojanju razlike, na primer da su dve populacione aritmetičke sredine jednake:
Ho : μ1 = μ2
Alternativna ili radna hipoteza (H1) iskaz o onome što istraživač veruje da je
tačno u slučaju da su uzorački podaci doveli do odbacivanja nulte hipoteze da se
dve populacione aritmetičke sredine razlikuju:
H1 : μ1 ≠ μ2
31
smislu beskonačna, već samo jedan njen deo, a to je uzorak. Formiranje uzorka
zavisi od slučajnosti. U ponovljenim biranjima uzorka mala je verovatnoća da ćemo
dobiti uzorak istog sastava, pa samim tim je moguće u ponovljenom istraživanju sa
novim uzorkom doneti i drugačiji zaključak. Zbog probabilističke prirode statističkog
zaključivanja moguće je osim ispravne odluke doneti i dve pogrešne odluke koje
nazivamo greškama prvog i drugog tipa:
1) Greška prvog tipa nastaje kada se odbaci tačna nulta hipoteza. Verovatnoća
greške ovog tipa obeležava se sa α
2) Greška drugog tipa nastaje kada se prihvati netačna nulta hipoteza.
Verovatnoća greške ovog tipa obeležava se sa β.
Verovatnoće oba tipa grešaka moguće je u izvesnoj meri kontrolisati, pri čemu
treba uzeti u obzir da su one međusobno povezane: smanjivanje verovatnoće greške
prvog tipa dovodi do povećanja verovatnoće greške drugog tipa i obrnuto.
32
manja je kod jednosmerne u odnosu na dvosmernu radnu hipotezu i stvarne razlike
ispitivane pojave. Na razliku ispitivanih parametara u populaciji istraživač ne može
da utiče, ali ako je ta razlika veća biće manja verovatnoća greške drugog tipa.
33
Parametarski testovi
Neparametarski testovi
Statistički zaključak
34
statistika veća od 1.96 i manja od -1.96 odgovara verovatnoći od 0.05, odnosno
nivou statističke značajnosti od 0.05.
35
t-test
H0: µ = µ0
H0: µ = 5
36
sredine različite: H1:μ1 ≠ μ2, (dvosmerno testiranje) ili da je jedna veća od druge: H 1:
µ1 > µ2, H1: µ1 < µ2, (jednosmerno testiranje).
H0: µd = 0
H0: μd ≠ 0
37
Hi-kvadrat test
gde je f opažena, a f' očekivana učestalost. Statistika hi-kvadrat testa sledi hi-
kvadrat raspodelu za odgovarajući broj stepena slobode. Ukoliko je veća razlika
opaženih i očekivanih učestalosti, utoliko će biti veća vrednost hi-kvadrat statistike, a
samim tim i veća verovatnoća da bude odbačena nulta hipoteza. Vrednost hi-kvadrat
statistike jednaka nuli ukazuje na potpuno slaganje, odnosno jednakost opaženih i
očekivanih učestalosti.
38
međusobno isključivih kategorija. Ako hi-kvadrat testom slaganja odbacimo nultu
hipotezu, možemo zaključiti da se učestalosti u populaciji predstavljene uzorkom
razlikuju od očekivanih. Broj stepena slobode u hi-kvadrat testu slaganja iznosi DF =
r – 1, gde je r broj kategorija.
Apsolutne učestalosti
Uzorak čine nezavisne jedinice, svaka jedinica može biti samo jednom
pobrojana u učestalostima
U slučaju postojanja samo dve kategorije (r=2), nijedna očekivana
frekvencija ne sme biti manja od 5
U slučaju postojanja više od dve kategorije (r>2), ne sme biti više od 20%
očekivanih učestalosti manjih od 5. Ako nije zadovoljen ovaj uslov mora se
izvršiti sažimanje susednih kategorija
39
kontingencije zavisi od broja kategorija jedne i druge varijable. Ako jedna varijabla
ima r kategorija, a druga k kategorija, onda tabela ima dimenzije r x k.
1) Za tabelu 2 x 2:
2) Za tabelu veću od 2 x 2:
40
McNemarov test
41
Fisherov test tačne verovatnoće
42
Test sume rangova
43
Test ekvivalentnih parova
44
Korelacija
Korelacija
45
Vrednosti koeficijenta korelacije mogu biti u rasponu od -1 do 1. Predznak
koeficijenta korelacije pokazuje smer povezanosti: vrednosti od -1 do 0 postoje kod
negativne povezanosti, a vrednosti od 0 do 1 kod pozitivne povezanosti. Vrednosti
koje su bliske 0 ukazuju na odsustvo povezanosti. Koeficijenti korelacije:
46
Regresija
Regresiona analiza
Regresiona analiza ispituje odnos između zavisne varijable (Y) i barem jedne
nezavine varijable (X). Opšti oblik regresionog modela predstavljen je regresionom
funkcijom f između bar dve varijable y=f(x). Regresioni metod omogućuje ispitivanje
smera i oblika povezanosti bar dve varijable.
1) Ispunjenost pretpostavki
47
3) Slaganje modela sa postojećim skupom podataka
testiranje nagiba
određivanje koeficijenta determinacije (r2) - predstavlja kvadrat
Pirsonovog koeficijenta linearne korelacije. Može imati vrednosti od 0
do 1, od 0 do 100%. Predstavlja procenat variranja zavisne varijable
koji može biti objašnjen variranjem nezavisne varijable.
48
Pretraživanje bibliografskih baza podataka
Booleovi operatori
49
rečima za pretraživanje. Operator OR koristi se kad želimo kao rezultat pretraživanja
dobiti dokumente koji sadrže barem jednu od traženih reči. OR se koristi kad se žele
objediniti članci sa sličnom temom, primer myocardial infarction OR heart infarction.
Operator NOT koristi se kad se iz pretraživanja želi isključiti neki pojam. Ukoliko
tražimo literaturu o trovanju olovom, ali pri tome želimo isključiti svu dečiju
populaciju, tada koristimo izraz lead poisoning NOT children. Booleovi operatori
mogu se pisati velikim ili malim slovima (AND, OR, NOT ili and, or, not ).
50
Pretraživanje možemo ograničiti na određenu vrstu rada, klinička ispitivanja,
pregledni radovi, meta-analize, smernice... Omogućava izbor radova napisanih na
željenom jeziku.
Autorski sažeci
51
Neformalno i formalno odlučivanje u medicini
52
1) Da postoji problem u donošenju odluke koja se odnosi na:
a. određivanje dijagnoze, zbog nesigurnosti dijagnostičkih testova ili
b. određivanje tretmana, zbog nesigurnosti u vezi ishoda (efikasnosti
tretmana)
2) Da postoji problem oko određivanja kompromisa između koristi i štete
prilikom odabiranja jedne od dve ili više alternativnih strategija u tretmanu.
Kada jedna strategija daje veću korist u odnosu na druge strategije, ali
istovremeno nosi i veći rizik od neželjenih događaja. Ako jedna strategija
daje visoku potencijalnu korist i mali rizik od neželjenih događaja, ne
postoji potreba za izvođenjem formalne analize odlučivanja.
53
Medicinsko odlučivanje I - dijagnoza
54
standarda pribegava drugim dijagnostičkim procedurama čiju je tačnost neophodno
oceniti. Ispitivanje tačnosti dijagnostičkih testova izvodi se u dijagnostičkim
studijama. U njima su ispitanici svi oni kod kojih postoji sumnja na postojanje
oboljenja. Dijagnostički test čiju tačnost ispitujemo naziva se indeksni test.
Njegova se tačnost poredi sa zlatnim standardom za isto dato oboljenje. Indeksni
test iz dijagnostičke studije u praksi može postati standardan test ako je njegova
tačnost zadovoljavajuća za rešavanje konkretnog zdravstvenog problema.
Dijagnostička tabela
55
Senzitivnost je sposobnost testa da indentifikuje one koji stvarno imaju
bolest. Na osnovu dijagnostičke tabele izračunava se kao proporcija tačno
pozitivnih od ukupnog broja obolelih.
Zbir senzitivnosti i stope lažno negativnih jednak je jedinici. Ako test ima
visoku senzitivnost imaće nisku stopu lažno negativnih. Ako test ima nisku
senzitivnost imaće visoku stopu lažno negativnih, kod velikog broja onih koji su
bolesni test će biti negativan.
Zbir specifičnosti i stope lažno pozitivnih jednak je jedinici. Ako test ima
visoku specifičnost imaće nisku stopu lažno pozitivnih. Ako test ima nisku
specifičnost imaće visoku stopu lažno negativnih, kod velikog broja onih koji su
zdravi test će biti pozitivan. Senzitivnost i specifičnost imaju inverzan odnos što
znači da se sa povećanjem jedne mere druga smanjuje i obratno.
56
Pozitivna prediktivna vrednost (PPV) odnosi se na ispitanike kod kojih je
test pozitivan. Izračunava se kao proporcija obolelih od ukupnog broja
pozitivnih na testu:
57
Medicinsko odlučivanje II – izbor terapije
Verovatnoće ishoda
58
Za svaki ishod mora postojati procena njegove vrednosti u smislu korisnosti
za pacijenta. Korisnost ishoda (ishodne mere) mogu biti definisane na nekoliko
načina: kliničke mere, rizik od smrti, rizik od komplikacija, funkcionalni status, godine
očekivanog života, mere kvaliteta života - ove mere su obično iskazane relativno,
tako da 0 predstavlja smrt, a jedinica perfektno zdravlje i ekonomski troškovi -
troškovi tretmana. Vrednost ishoda može se proceniti različitim načinima, anketom u
kojoj pacijenti skoruju određeno zdravstveno stanje ili na osnovu procene koliko je
pacijent spreman da preuzme rizik u zamenu za prelazak iz jednog u drugo
zdravstveno stanje, prihvatanje rizičnog operativnog zahvata u zamenu za veću
funkcionalnost. Za svaku specifičnu putanju (alternativnu putanju, klinički scenaro,
strategija) unutar stabla odlučivanja može se izračunati numerička vrednost
očekivane korisnosti (očekivanog ishoda). Očekivani ishodi različitih putanja porede
se da bi se postigao najoptimalniji pristup u odlučivanju. Odabrana specifična
putanja je optimalna u smislu najboljeg ishoda na osnovu kliničke ocene rezultata
lečenja, korisnosti ili troškova. U kompleksnoj analizi odlučivanja cilj je naći odluke
koje su jasno bolje od drugih i blokirati grane koje vode ka odlukama koje nisu
zadovoljavajuće za pacijenta. Očekivanu korisnost treba interpretirati kao prosek
korisnosti koja se može očekivati uvek kada se prilikom odlučivanja odabere upravo
ta specifična putanja (klinički scenario) za određenu populaciju pacijenata, iako se
mogu očekivati varijacije od pacijenta do pacijenta. Očekivana koristnost je
kombinacija verovatnoća procenjenih na osnovu literaturnih podataka i vrednosti za
pacijenta u formi korisnosti. Ovakva kombinacija u jedinstvu sa izborom pacijenta i
ekonomskim razmatranjima omogućava holistički pristup u odlučivanju u medicini.
59
određenog opsega vrednosti da bi se utvrdilo kakav je uticaj takvih promena na
očekivanu korisnost.
60