临床决策策略

提出假设包括确定可能解释患者临床问题的主要诊断可能性（鉴别诊断）。 病人的主诉（例如胸痛）以及基本信息（年龄、性别、人种）是鉴别诊断的起点，通常运用模式识别疾病的方法。理想情况下，可能性列表中的每个因素都被赋予一个估计概率或可能性，即其为正确诊断的概率（验前概率—例如，参见表假设的鉴别诊断与验前和验后概率）。

临床医生出于实际需要，常使用“高度可能”“不太可能”和“不能排除”等模糊术语来描述疾病的可能性。临床医生和患者都可能误解这类半定量术语；因此，如果有明确的统计学术语可用，就应予以使用。数学计算可以协助临床决策，即使在没有确切数字的情况下，也可以更好地定义临床概率。然而，具体的“数字”仅来自总临床患者的一小部分，因此仍然只是估计值。

概率及比数

对于一个临床资料未知病人罹患某个疾病的概率是该病在特定人群中的发病率。概率的范围可以表示为0.0（不可能）到1.0（一定），通常用百分数表示（0到100）。一个疾病在10个人中有2个病人，那么其概率为2/10（0.2或20％）。将非常小的概率四舍五入为 0，从而排除所有患病的可能性（有时在隐含的临床推理中完成），可能会产生误导。

比数为罹患某一疾病人数和未罹患某一疾病人数的比值。因此一个疾病在10个人中有2个病人（概率为2/10），比数为2/8（0.25，常常写为1:4）。比数（Ω）和概率（p）可以相互转换，如 Ω = p/(1 − p) 或 p = Ω/(1 + Ω)。

临床计算器

从概率计算比数

临床计算器

从比数计算概率

基于主诉和人口统计学的初步鉴别诊断通常很大，因此临床医生首先通过获取详细病史和进行定向体格检查以支持或反驳疑似诊断来生成和过滤假设可能性。 例如，在胸痛患者中，若病史提示近期腿痛，并且体格检查发现一侧下肢肿胀、压痛，则会增加肺栓塞的概率。

当病史及体格检查形成了可识别的模式时，那么就可以作出假定诊断。作为第一步，病史采集是形成诊断假设的关键；该诊断假设随后引导有针对性的体格检查，以支持或反驳该假设，并帮助更精确地确定某一诊断的检查前概率（1）。

当病史采集和体格检查后仍存在不确定性时，特别是当仍在考虑范围内的疾病非常严重，或者其治疗具有危险性或费用高昂时，需要进行诊断性检查。检查结果进一步修正不同的诊断的概率（验后概率）。例如，表格假设性鉴别诊断及测试前和测试后概率展示了假设患者有腿部疼痛和肿胀，以及正常的心电图和胸部X光片，这些额外发现如何改变诊断概率——急性冠状动脉综合征、夹层胸主动脉瘤和气胸的概率下降，而肺栓塞的概率上升。概率的这些改变可能会导致进行额外的检查（在本例中，可能是胸部CT血管造影），从而进一步修正检查后概率，并在某些情况下确认或排除诊断。

它看起来直观，所有诊断可能性的概率之和应等于接近100％，并且单一诊断可以来自一系列复杂的症状和体征。但是，如果应用这一原则，用单一的最佳诊断解释一个复杂的情况（通常被称为“奥卡姆剃刀”原理）可以将医生引入歧途。死板地应用这一原则会忽视患者可能患有一种以上活动性疾病的可能性。例如，已知患有慢性阻塞性肺病 (COPD) 的呼吸困难患者可能会被推定为 COPD 恶化，但也可能患有肺栓塞或心力衰竭。

当诊断不明确时，检查并不总是必要的。只有当检查结果会影响当前或未来的处理决策时，才应进行该检查。 当疾病的验前概率高于某一阈值，应开始治疗（治疗阈值），而不推荐检查。

当低于治疗阈值时，只有当阳性检查结果提高验后概率 高于治疗阈值时，推荐进行检查。 出现这一情况的最低验前概率取决于测试特征，称为检验阈值。

在所有情况下，检测需求可能受患者或临床医生对假定诊断接受程度的显著影响。

给予治疗且无需进一步检查的疾病概率（或其以上的值），被称为治疗阈值（TT）。

上述胸痛、急性下肢肿胀压痛和呼吸困难患者的假设性例子，最终指向一个几乎确定的诊断（概率为 98%）。当疾病诊断明确的时候，决定治疗的直接方法就是确定是否有治疗的益处（与未治疗相比，并考虑到治疗的潜在不利影响）。当诊断存在某种程度的不确定性时(几乎总是如此)，治疗决定还必须在治疗病人的好处与错误治疗健康人或患有不同疾病的人的风险之间取得平衡；效益和风险包括财务、社会和医疗后果。这种平衡必须同时考虑疾病的可能性以及收益和风险的大小。这种平衡决定了临床医生设定治疗阈值的位置。只要能够确定，最终的治疗决定就应该考虑患者的偏好。

从概念上讲，如果治疗的获益非常高而风险非常低（如给可能患有危及生命感染的糖尿病患者使用安全的抗生素），临床医生倾向于接受较高的诊断不确定性，即使感染概率相当低（例如30%—见图治疗阈值[TT]随治疗风险的变化）也可能开始治疗。然而，当治疗风险非常高的时候，（例如：给怀疑肺癌的病人行肺切除术），医生会更希望明确诊断，只有在肿瘤的可能性非常高（>95％）的情况下才会推荐手术治疗（见图）。需注意，治疗阈值并不一定对应于可认为某种疾病已得到确认或应被纳入考虑的概率。它仅仅是不治疗的风险大于治疗风险的那个点。

治疗阈值（TT）随治疗风险的变化

水平线代表验后概率。

治疗阈值可以被量化，疾病的概率（p）乘以患有该疾病的病人治疗获得的益处（B）等于没有患该疾病的概率（1−p）乘以没有患该疾病的人接受治疗的风险（R）。因此，在治疗阈值

p×B=（1−p）×R

求解p，这个方程式可以简写为

p=R/（B+R）

从这个方程可以明显看出，如果B（获益）和R（风险）相同，治疗阈值变为1/(1 + 1) = 0.5，这意味着当疾病概率为>50%时，临床医生会进行治疗，而当概率为<50%时，临床医生不会进行治疗。

举个临床的例子，病人主诉胸痛。假如仅仅考虑溶栓治疗导致短期死亡率的风险，那么临床考虑急性心肌梗死（MI）可能性多大时应当给予溶栓治疗？假设（仅仅是举例），溶栓治疗导致颅内出血的死亡率为1％，那么R=1%，即给予非MI患者溶栓治疗的死亡率。如果心肌梗死病人通过溶栓治疗死亡率降低3％，那么B=3%。那么，治疗阈值=1/（3+1）=25％，也就是说如果考虑病人为急性心肌梗死的概率>25％，即应该给与溶栓治疗。

治疗阈值算式也可以表示为疾病与非疾病之比数p/（1−p）等于风险与益处之比（R/B）。得到与前述例子相同的数值结果，治疗阈值出现在风险-获益比（1/3）的比值上；1/3的比值对应于之前得到的概率25%（见概率与比值）。