רפואה נתמכת ראיות

ד”ר ישי מינצקר

נצלול לתוך הספרות הרפואית בפרקים קצרים, וננסה להבין מאמרים: האם להאמין למאמר, מה התוצאות אומרות, והאם הן רלוונטיות למטופלים. רפואה נתמכת ראיות היא שיטה לקבל ולהבין מידע- מטרתה ליישם את המידע המחקרי הטוב והחשוב ביותר עבור אבחנה וטיפול, תוך התחשבות במאפייני המטופל וערכיו, ושימוש בכל כישוריה של הרופאה/אשת הצוות הרפואי. הפודקאסט מיועד ללומדים ולעוסקות במקצועות הרפואה והטיפול ולכל מי שמתעניין בקריאת מאמרים רפואיים ובהבנתם. אין להתייחס לתוכן כייעוץ רפואי, אלא כהסבר על השיטה. הספר ”רפואה נתמכת ראיות” מסביר את עקרונות השיטה, החל מהבסיס ועד ניתוח מאמרים מסוגים שונים. קישור לרכישה באתר הפודקאסט - ebm.podbean.com

  1. FEB 12

    לרבד ולאזן

    How many stratification factors are "too many" to use in a randomization plan? Stratified randomization for clinical trials Thrombectomy for Stroke at 6 to 16 Hours with Selection by Perfusion Imaging   רנדומיזציה תפעל פחות טוב כאשר מדובר במספר משתתפים קטן (או בניתוח ביניים עם מספר משתתפים קטן). במצב זה גם רנדומיזציה טובה יכולה לייצר שתי קבוצות שונות אחת מהשניה. ריבוד, סטרטיפיקציה, באה לנסות לפתור בעיה זו. הריבוד יעיל כאשר הוא מתבצע עם בלוקים, שיטה שבה האנשים ברובד מסוים (למשל, צעירים) יתחלקו בצורה שווה בין קבוצת ההתערבות לקבוצת הטיפול. ריבוד של משתנים רבים מדי עלול לייצר רבדים קטנטנים, שבהם חלוקה שווה בין הקבוצות לא תמיד אפשרית, ולכן כדאי לצמצם את מספר המשתנים עבורם יש ריבוד למשתנים בודדים- אלו עם ההשפעה הצפויה הגדולה ביותר. כאשר יש צורך בריבוד עבור משתנים מרובים אפשר להשתמש במזעור (מינימיזציה) בזמן הרנדומיזציה, או ברגרסיה רבת משתנים בשלב ניתוח הנתונים. Small sample size Interim analysis Stratification Permuted blocks Minimization

    32 min
  2. JAN 29

    הסי של התחזית

    The American Heart Association PREVENT™ Online Calculator Development and Validation of the American Heart Association’s PREVENT Equations המחקר הישראלי: Cardiovascular risk assessment in the 2021 European Guidelines on Cardiovascular Disease Prevention – A Population-Based Validation of SCORE2 and SCORE-OP SCORE2 cardiovascular risk prediction models in an ethnic and socioeconomic diverse population in the Netherlands: an external validation study Validation of Systematic Coronary Risk Evaluation 2 (SCORE2) and SCORE2-Older Persons in the EPIC-Norfolk prospective population cohort Single High-Sensitivity Point-of-Care Whole-Blood Cardiac Troponin I Measurement to Rule Out Acute Myocardial Infarction at Low Risk   הסי-סטטיסטיק מודד יכולת הפרדה של כלי לחיזוי. מתוך כל הזוגות ברי ההשוואה, שבהם משתתף אחד חלה ומשתתף שני לא חלה (או חלה מאוחר יותר), באיזה אחוז הכלי אכן נתן ציון גבוה יותר (גרוע יותר) למשתתף הראשון. הוא דומה מאוד לשטח תחת העקומה המשמש למדידת יכולת ההפרדה של בדיקה אבחנתית, וגם לאחוז המקרים בהם פרשן ספורט נתן מראש ציון גבוה יותר למשתתפת שתנצח במשחק הטניס לעומת הציון לזו שתפסיד. במודלים לחיזוי, משתמשים בסי-סטטיסטיק ולא בשטח תחת העקומה. הסיבה היא משך המעקב השונה עבור כל אחד מהמשתתפים, ונתונים הכוללים גם זמן עד אירוע המחלה. ערך של הסי מעל 0.9 נחשב יכולת הפרדה מצוינת, ועריך שבין 0.7 ל 0.8 נחשב כיכולת הפרדה סבירה. Discrimination Harrell’s c index= “c-statistic” AUROC-area under the ROC curve PREVENT score for predicting cardiovascular disease

    37 min
  3. 12/25/2025

    להבין בינה בעזרת הרפואה- אבחנה ותחזית

    Evaluating Prediction Model Performance Evaluation metrics and statistical tests for machine learning Towards proactive palliative care in oncology: developing an explainable EHR-based machine learning model for mortality risk prediction  /// כאשר מעריכים ביצועים של מודל בינה מלאכותית המבצע קלסיפיקציה לשני מצבים (למשל, גבר או אשה בתמונה, דלקת ריאות או העדר דלקת ריאות בצילום), משתמשים באותה טבלת שכיחויות המוכרת לנו מהערכת ביצועי בדיקה אבחנתית. גם בחקר ביצועי הבינה וגם ברפואה הנתונים הגולמיים (כמו למשל שיעור בדיקה חיובית כוזבת) נקראים באותו שם. אך כאשר מדובר במדדי ביצוע מורכבים, השמות משתנים. במקום רגישות, משתמשים במונח ריקול, ובמקום ערך מנבא חיובי, במונח פרסיז'ן. בניגוד לרפואה ולמחקר על בדיקות רפואיות, במדידת ביצועי מודל בינה מלאכותית משתמשים הרבה גם במדד המתייחס בבת אחת גם לרגישות וגם לערך המנבא החיובי, מדד 1F, שהוא ממוצע הרמוני של שני אלו. ממוצע הרמוני "מעניש" עבור ערך נמוך, זאת אומרת יהיה קרוב יותר לערך הנמוך יותר מבין שני הערכים. Accuracy True/false  positive/negative Positive predictive value=Precision Sensitivity=Recall F1 AUROC AUPRC

    25 min
  4. 12/18/2025

    להבין בינה בעזרת הרפואה- המנטור

    לאחר העיבוד ברמת הנוירון המלאכותי הבודד, המסר עובר הלאה ברשת ה"נוירונים" ובסופו של דבר מתקבלת תחזית. בין התחזית לבין האמת ייתכן פער. המערכת מזהה את הפער בעזרת פונקציית ההפסד, ומעבירה היזון חוזר ("הפצה לאחור") כדי לתקן את המשקלים שכל אחד מהנוירונים המלאכותיים נותן לקלטים שלו. התהליך חוזר שוב ושוב עד הגעה למצב מיטבי שבו הפער בין התחזית לאמת הוא הקטן ביותר. התהליך של משוב מוכר לנו מהמערכת האנדוקרינית, למשל השליחה "קדימה" של הורמון בלוטת התריס והמידע "החוזר לאחור" הנשלח מההיפופיזה חזרה לבלוטת התריס לגבי צורך בתיקון. בלימוד הרפואה יש תהליך דומה מאוד לתהליך בבינה המלאכותית: הלומד נותן משקלים שונים לאנמנזה, לבדיקה הגופנית ולבדיקות המעבדה. המשקלים האלו מובילים אותו להחלטה על האבחנה המשוערת. המנטורית מזהה פערים בין ההחלטות של הלומד לבין ההחלטות הנכונות, ונותנת לו משוב שיאפשר לו לתת משקל קצה שונה לכל אחד מהקלטים שהוא מקבל, למשל מתן משקל גדול יותר לאנמנזה. חזרה שוב ושוב על התהליך הזה מול מטופלים שונים תהפוך את הלומד למומחה.   Loss function Back propagation Mentoring Machine learning Multiplication and accumulation unit Activation unit Artificial neuron Perceptron Decision

    25 min

About

נצלול לתוך הספרות הרפואית בפרקים קצרים, וננסה להבין מאמרים: האם להאמין למאמר, מה התוצאות אומרות, והאם הן רלוונטיות למטופלים. רפואה נתמכת ראיות היא שיטה לקבל ולהבין מידע- מטרתה ליישם את המידע המחקרי הטוב והחשוב ביותר עבור אבחנה וטיפול, תוך התחשבות במאפייני המטופל וערכיו, ושימוש בכל כישוריה של הרופאה/אשת הצוות הרפואי. הפודקאסט מיועד ללומדים ולעוסקות במקצועות הרפואה והטיפול ולכל מי שמתעניין בקריאת מאמרים רפואיים ובהבנתם. אין להתייחס לתוכן כייעוץ רפואי, אלא כהסבר על השיטה. הספר ”רפואה נתמכת ראיות” מסביר את עקרונות השיטה, החל מהבסיס ועד ניתוח מאמרים מסוגים שונים. קישור לרכישה באתר הפודקאסט - ebm.podbean.com