Determining the Most Valuable Clinical Variables : a Stepwise Multiple Logistic Regression Program

Publisher Website
Google Scholar
Abstract
In solving a clinical problem of diagnosis, prognosis, or treatment choice, a physician must select from among a large group of possible tests. In general, an ordering exists specifying which tests are most valuable in providing relevant information concerning the problem on hand. The computer program package to be described (MW) extracts appropriate data from the ARAMIS data banks and then analyzes the data by stepwise logistic regression. A binary outcome (diagnosis, prognostic event, or treatment response) is sequentially associated with possible tests, and the most powerful combination of tests is identified. For example, the most valuable predictor variable of early mortality in SLE is proteinuria, followed sequentially by anemia and absence of arthritis. Experience with these techniques suggests : 1. optimal certainty is usually reached after only three or four tests; 2. several different test sequences may lead to the same level of certainty; 3. diagnosis may usually be ascertained with greater certainty than prognosis; 4. many medical problems contain considerable non-reducible uncertainty; 5. a relatively small group of tests are typically found among the most powerful; 6. results are consistent across several patient populations; 7. results are largely independent of the particular statistic employed. These observations suggest strategies for maximizing information while minimizing risk and expense. Um ein klinisches Problem der Diagnose, Prognose oder Therapiewahl zu lösen, muß der Arzt eine Auswahl aus einer großen Gruppe möglicher Untersuchungen treffen. Im allgemeinen gibt es Erfahrungswerte darüber, welche Tests für die Gewinnung relevanter Informationen über das jeweils vorliegende Problem von größtem Wert sind. Das hier zu beschreibende Computerprogrammpaket (MW) entnimmt die entsprechenden Daten aus den ARAMIS-Datenbanken und analysiert sie sodann durch schrittweise logistische Regression. Ein binäres Resultat (Diagnose, prognostisches Ereignis oder Ansprechen auf Behandlung) wird sequentiell mit verschiedenenen Tests assoziiert, und die wirkungsvollste Kombination von Tests wird identifiziert. Beispielsweise ist die für die Vorhersage der Frühsterblichkeit beim systematischen Lupus erythematodes (SLE) wertvollste Variable die Eiweißausscheidung im Urin; es folgen Anämie und Fehlen von Arthritis. Die Erfahrung mit diesen Techniken läßt vermuten: 1. Optimale Sicherheit wird gewöhnlich erst nach drei oder vier Tests erreicht; 2. verschiedene Testfolgen können zum gleichen Grad von Sicherheit führen; 3. die Diagnose kann in der Regel mit größerer Sicherheit gestellt werden als die Prognose; 4. bei vielen medizinischen Problemen läßt sich ein erhebliches Maß von Unsicherheit nicht beseitigen ; 5. eine relativ Heine Gruppe von Tests wird typischerweise unter den aussagekräftigsten gefunden; 6. ihre Ergebnisse stimmen für zahlreiche Patientenpopulationen überein ; 7. die Ergebnisse sind großenteils unabhängig von den jeweils angewandten statistischen Methoden. Diese Beobachtungen bieten Strategien an, um mehr Information bei weniger Risiko und Kosten zu erhalten. * This work was supported, in part, by Grant No. AM 21393, by the NIAMDD to the ARAMIS Project.

This publication has 0 references indexed in Scilit: