পার্থক্যমূলক রোগনির্ণয়

পার্থক্যমূলক রোগনির্ণয়
পার্থক্যমূলক রোগনির্ণয়
মেশ	D003937

স্বাস্থ্যসেবায়, পার্থক্যমূলক রোগনির্ণয় (ডিডিএক্স) হল একধরনের বিশ্লেষণ পদ্ধতি যা নির্দিষ্ট কোনো রোগ বা অবস্থাকে অন্যান্য ক্লিনিক্যাল বৈশিষ্ট্যসম্পন্ন অবস্থা থেকে পৃথক করে।^[১] ক্লিনিশিয়ানরা রোগীর মধ্যে নির্দিষ্ট রোগ শনাক্ত করতে বা অন্তত জীবন-হুমকিসম্পন্ন অবস্থা বিবেচনায় আনতে পার্থক্যমূলক রোগনির্ণয় পদ্ধতি ব্যবহার করেন। প্রায়শই, সম্ভাব্য প্রতিটি রোগের বিকল্পকে পার্থক্যমূলক রোগনির্ণয় বলা হয় (যেমন, তীব্র ব্রংকাইটিস কাশির মূল্যায়নে একটি পার্থক্যমূলক রোগনির্ণয় হতে পারে, এমনকি যদি চূড়ান্ত রোগনির্ণয় সাধারণ সর্দি হয়)।

সাধারণভাবে, পার্থক্যমূলক রোগনির্ণয় পদ্ধতি হল একটি পদ্ধতিগত রোগনির্ণয়মূলক পদ্ধতি যা একাধিক বিকল্প সম্ভাব্য থাকলে রোগ সত্তার উপস্থিতি শনাক্ত করতে ব্যবহৃত হয়। এই পদ্ধতিতে অ্যালগরিদম ব্যবহার করা যেতে পারে, যা বর্জনের প্রক্রিয়ার অনুরূপ, অথবা প্রমাণ যেমন লক্ষণ, রোগীর ইতিহাস এবং চিকিৎসা জ্ঞান ব্যবহার করে রোগনির্ণয়কারীর মনের জ্ঞানীয় আত্মবিশ্বাস সামঞ্জস্য করার মাধ্যমে প্রার্থী অবস্থার "সম্ভাবনা" হ্রাস করা হয় (অথবা কম্পিউটারাইজড বা কম্পিউটার-সহায়ক রোগনির্ণয়ের জন্য সিস্টেমের সফ্টওয়্যারে)।

পার্থক্যমূলক রোগনির্ণয়কে প্রকল্পনা-অনুমানমূলক পদ্ধতির দিক হিসাবে বিবেচনা করা যেতে পারে, এই অর্থে যে প্রার্থী রোগ বা অবস্থার সম্ভাব্য উপস্থিতিকে এমন প্রকল্পনা হিসাবে দেখা যায় যা ক্লিনিশিয়ানরা সত্য বা মিথ্যা হিসাবে আরও নির্ধারণ করেন।

পার্থক্যমূলক রোগনির্ণয় সাধারণত মনোরোগবিদ্যা/মনোবিজ্ঞান ক্ষেত্রেও ব্যবহৃত হয়, যেখানে দুটি ভিন্ন রোগনির্ণয় এমন রোগীর সাথে সংযুক্ত হতে পারে যে লক্ষণগুলি উভয় রোগনির্ণয়ের সাথে খাপ খায়। উদাহরণস্বরূপ, বাইপোলার ডিসঅর্ডার রোগনির্ণয় করা রোগীকে বর্ডারলাইন পার্সোনালিটি ডিসঅর্ডার^[২]-এর পার্থক্যমূলক রোগনির্ণয় দেওয়া যেতে পারে, উভয় অবস্থার লক্ষণের সাদৃশ্যের কারণে।

পার্থক্যমূলক রোগনির্ণয় তালিকা প্রস্তুত করতে ব্যবহৃত কৌশলগুলি স্বাস্থ্যসেবা প্রদানকারীর অভিজ্ঞতার সাথে পরিবর্তিত হয়। নতুন প্রদানকারীরা রোগীর উদ্বেগের সমস্ত সম্ভাব্য ব্যাখ্যা মূল্যায়ন করতে পদ্ধতিগতভাবে কাজ করতে পারেন, যখন অভিজ্ঞরা ক্লিনিক্যাল অভিজ্ঞতা এবং প্যাটার্ন স্বীকৃতির উপর নির্ভর করে রোগীকে বিলম্ব, ঝুঁকি এবং অদক্ষ কৌশল বা পরীক্ষার ব্যয় থেকে রক্ষা করেন। কার্যকর প্রদানকারীরা প্রমাণ-ভিত্তিক পদ্ধতি ব্যবহার করেন, তাদের ক্লিনিক্যাল অভিজ্ঞতাকে ক্লিনিক্যাল গবেষণা থেকে প্রাপ্ত জ্ঞানের সাথে পরিপূরক করেন।^[৩]

সাধারণ উপাদান

একটি পার্থক্যমূলক রোগনির্ণয়ের চারটি সাধারণ ধাপ রয়েছে। ক্লিনিশিয়ান:

রোগীর চিকিৎসা ইতিহাস এবং বর্তমান লক্ষণ ও/বা উপসর্গ সম্পর্কে প্রাসঙ্গিক তথ্য সংগ্রহ করবেন।^[৪]
লক্ষণের সম্ভাব্য কারণগুলির তালিকা তৈরি করবেন (প্রার্থী অবস্থা)।^[৫] তালিকাটি লিখিত হতে হবে না।
ঝুঁকি এবং সম্ভাবনার ভারসাম্য করে তালিকাটিকে অগ্রাধিকার দেবেন। এগুলি বিষয়গত, বস্তুনিষ্ঠ পরামিতি নয়।
প্রকৃত রোগনির্ণয় নির্ধারণের জন্য পরীক্ষা করবেন। এটি "বাতিল করা" কথাটির দ্বারা পরিচিত। প্রক্রিয়াটির পরেও রোগনির্ণয় স্পষ্ট না হলে, ক্লিনিশিয়ান পুনরায় ঝুঁকি বিবেচনা করে এবং প্রায়শই "শিক্ষিত সেরা অনুমান" নামে অভিহিত অভিজ্ঞতামূলকভাবে চিকিৎসা করতে পারেন।

একাধিক সম্ভাব্য প্যাথলজিক্যাল প্রক্রিয়া বিবেচনায় সহায়তার জন্য একটি স্মৃতিসহায়ক হল VINDICATEM:^{[তথ্যসূত্র প্রয়োজন]}^{[স্পষ্টকরণ প্রয়োজন]}

Vascular অর্থাৎ ভাস্কুলার রোগ
Inflammatory অর্থাৎ প্রদাহ /Infectious অর্থাৎ সংক্রামক রোগ
Neoplastic
অর্থাৎ Degenerative অধ:পতনজনিত রোগ /|অর্থাৎDeficiency অপুষ্টি /অর্থাৎ Drugs মাদক
Idiopathic অর্থাৎ অজ্ঞাতরোগ / Intoxication অর্থাৎ মাদক / অর্থাৎ Iatrogenic চিকিৎসাজনিত
Congenital
Autoimmune / অর্থাৎ Allergic / অর্থাৎ Anatomic
Traumatic
অর্থাৎ Endocrine / Environmental
অর্থাৎ Metabolic^[৬]

নির্দিষ্ট পদ্ধতি

পার্থক্যমূলক রোগনির্ণয় পদ্ধতির জন্য কয়েকটি পদ্ধতি এবং তাদের মধ্যে বিভিন্ন প্রকরণ রয়েছে। তদ্ব্যতীত, পার্থক্যমূলক রোগনির্ণয় পদ্ধতি একযোগে বা পর্যায়ক্রমে প্রোটোকল, নির্দেশিকা বা অন্যান্য রোগনির্ণয় পদ্ধতির (যেমন প্যাটার্ন স্বীকৃতি বা চিকিৎসা অ্যালগরিদম ব্যবহার) সাথে ব্যবহার করা যেতে পারে।^{[তথ্যসূত্র প্রয়োজন]}

উদাহরণস্বরূপ, চিকিৎসা জরুরি অবস্থায় বিভিন্ন সম্ভাবনার বিস্তারিত গণনা বা অনুমান করার জন্য পর্যাপ্ত সময় নাও থাকতে পারে, এই ক্ষেত্রে এবিসি প্রোটোকল (এয়ারওয়ে, ব্রিদিং এবং সার্কুলেশন) বেশি উপযুক্ত হতে পারে। পরে, যখন পরিস্থিতি কম তীব্র হয়, তখন একটি আরও ব্যাপক পার্থক্যমূলক রোগনির্ণয় পদ্ধতি গৃহীত হতে পারে।

পার্থক্যমূলক রোগনির্ণয় পদ্ধতিকে সরলীকৃত করা যেতে পারে যদি একটি "প্যাথোগনোমনিক" লক্ষণ বা উপসর্গ পাওয়া যায় (এই ক্ষেত্রে লক্ষ্য অবস্থার উপস্থিতি প্রায় নিশ্চিত) অথবা সাইন কোয়াননন লক্ষণ বা উপসর্গের অনুপস্থিতিতে (এই ক্ষেত্রে লক্ষ্য অবস্থার অনুপস্থিতি প্রায় নিশ্চিত)।

একজন রোগনির্ণয়কারী নির্বাচনী হতে পারেন, প্রথমে সেই ব্যাধিগুলি বিবেচনা করেন যা বেশি সম্ভাব্য (সম্ভাব্যতামূলক পদ্ধতি), অ-নির্ণিত এবং অ-চিকিৎসিত অবস্থায় বেশি গুরুতর (প্রাগনোস্টিক পদ্ধতি), অথবা চিকিৎসা দেওয়া হলে আরও প্রতিক্রিয়াশীল (প্রাগম্যাটিক পদ্ধতি)।^[৭] যেহেতু একটি অবস্থার উপস্থিতির বিষয়গত সম্ভাবনা কখনই ১০০% বা ০% নয়, পার্থক্যমূলক রোগনির্ণয় পদ্ধতির লক্ষ্য হতে পারে রোগনির্ণয়কারীর মনে (বা কম্পিউটারাইজড বা কম্পিউটার-সহায়ক রোগনির্ণয়ের জন্য সিস্টেমের সফ্টওয়্যারে) জ্ঞানীয় আত্মবিশ্বাস সামঞ্জস্য করার মাধ্যমে এই বিভিন্ন সম্ভাবনাগুলি নির্দিষ্ট করে পরবর্তী পদক্ষেপের জন্য ইঙ্গিত প্রদান করা।

নিম্নলিখিত দুটি পদ্ধতি হল মহামারী-ভিত্তিক পদ্ধতি এবং সম্ভাবনা অনুপাত-ভিত্তিক পদ্ধতি।

মহামারী-ভিত্তিক পদ্ধতি

মহামারী বিদ্যা-ভিত্তিক পার্থক্যমূলক রোগনির্ণয়ের একটি পদ্ধতি হল ব্যক্তির মধ্যে প্রথম স্থানে সংঘটিত হওয়ার সম্ভাবনা তুলনা করে প্রতিটি প্রার্থী অবস্থার সম্ভাবনা অনুমান করা। এটি উপস্থাপনা (যেমন ব্যথা) এবং বিভিন্ন প্রার্থী অবস্থার (যেমন রোগ) সম্ভাবনার সাথে সম্পর্কিত সম্ভাবনার উপর ভিত্তি করে।^{[তথ্যসূত্র প্রয়োজন]}

তত্ত্ব

পার্থক্যমূলক রোগনির্ণয়ের পরিসংখ্যানিক ভিত্তি হল বেইজের উপপাদ্য। একটি উপমা হিসাবে, যখন একটি পাশা পড়ে, ফলাফল ১০০% নিশ্চিত, কিন্তু প্রথম স্থানে সংঘটিত হওয়ার সম্ভাবনা(Would Have Occurred in the First Place) (WHOIFP) এখনও ১/৬। একইভাবে, ব্যক্তির মধ্যে একটি উপস্থাপনা বা অবস্থার প্রথম স্থানে সংঘটিত হওয়ার সম্ভাবনা (WHOIFPI) সেই উপস্থাপনা বা অবস্থার ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনার সমান নয়, কারণ উপস্থাপনাটি ব্যক্তির মধ্যে ১০০% নিশ্চিতভাবে সংঘটিত হয়েছে। তবুও, প্রতিটি অবস্থার অবদানকারী সম্ভাবনা ভগ্নাংশগুলি আপেক্ষিকভাবে একই বলে ধরে নেওয়া হয়:

{\begin{aligned}&{\frac {\Pr({\text{Presentation is caused by condition in individual}})}{\Pr({\text{Presentation has occurred in individual}})}}={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}\end{aligned}}

যেখানে:

Pr(উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থার দ্বারা সৃষ্ট) হল উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থার দ্বারা সৃষ্ট হওয়ার সম্ভাবনা; 'অবস্থা' বলতে কোনো প্রার্থী অবস্থা বোঝায়
Pr(উপস্থাপনাটি ব্যক্তির মধ্যে সংঘটিত হয়েছে) হল উপস্থাপনাটি ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনা, যা উপলব্ধি করা যায় এবং সেই অনুযায়ী ১০০% সেট করা যায়
Pr(উপস্থাপনা WHOIFPI by condition) হল উপস্থাপনাটি প্রথম স্থানে ব্যক্তির মধ্যে অবস্থার দ্বারা সংঘটিত হওয়ার সম্ভাবনা
Pr(উপস্থাপনা WHOIFPI) হল উপস্থাপনাটি প্রথম স্থানে ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনা

যখন কোনো ব্যক্তি একটি উপসর্গ বা লক্ষণ নিয়ে উপস্থিত হয়, Pr(উপস্থাপনাটি ব্যক্তির মধ্যে সংঘটিত হয়েছে) ১০০% হয় এবং তাই ১ দ্বারা প্রতিস্থাপিত হতে পারে, এবং উপেক্ষা করা যেতে পারে যেহেতু ১ দ্বারা বিভাজন কোনো পরিবর্তন করে না:

\Pr({\text{Presentation is caused by condition in individual}})={\frac {\Pr({\text{Presentation WHOIFPI by condition}})}{\Pr({\text{Presentation WHOIFPI}})}}

ব্যক্তির মধ্যে উপস্থাপনা সংঘটিত হওয়ার মোট সম্ভাবনা প্রার্থী অবস্থার সমষ্টি হিসাবে আনুমানিক করা যেতে পারে:

{\begin{aligned}\Pr({\text{Presentation WHOIFPI}})&=\Pr({\text{Presentation WHOIFPI by condition 1}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 2}})\\&{}+\Pr({\text{Presentation WHOIFPI by condition 3}})+{\text{etc.}}\end{aligned}}

এছাড়াও, উপস্থাপনাটি কোনো প্রার্থী অবস্থার দ্বারা সৃষ্ট হওয়ার সম্ভাবনা অবস্থাটির সম্ভাবনার সমানুপাতিক, এটি যে হারে উপস্থাপনাটি সৃষ্টি করে তার উপর নির্ভর করে:

\Pr({\text{Presentation WHOIFPI by condition}})=\Pr({\text{Condition WHOIFPI}})\cdot r_{{\text{condition}}\rightarrow {\text{presentation}}},

যেখানে:

Pr(উপস্থাপনা WHOIFPI by condition) হল উপস্থাপনাটি প্রথম স্থানে ব্যক্তির মধ্যে অবস্থার দ্বারা সংঘটিত হওয়ার সম্ভাবনা
Pr(অবস্থা WHOIFPI) হল অবস্থাটি প্রথম স্থানে ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনা
r_{Condition → presentation} হল যে হারে একটি অবস্থা উপস্থাপনাটি সৃষ্টি করে, অর্থাৎ, অবস্থাসম্পন্ন ব্যক্তিদের মধ্যে উপস্থাপনাটি প্রকাশকারী অংশ।

একটি অবস্থা প্রথম স্থানে ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনা আনুমানিকভাবে এমন একটি জনসংখ্যার সম্ভাবনার সমান যা বর্তমান উপস্থাপনা ব্যতীত ব্যক্তির সাথে যথাসম্ভব সদৃশ, যেখানে সম্ভব পরিচিত ঝুঁকির কারণ দ্বারা প্রদত্ত আপেক্ষিক ঝুঁকি দ্বারা ক্ষতিপূরণ করা হয় যা ব্যক্তিকে জনসংখ্যা থেকে পৃথক করে:

\Pr({\text{Condition WHOIFPI}})\approx RR_{\text{condition}}\cdot \Pr({\text{Condition in population}}),

যেখানে:

Pr(অবস্থা WHOIFPI) হল অবস্থাটি প্রথম স্থানে ব্যক্তির মধ্যে সংঘটিত হওয়ার সম্ভাবনা
RR_condition হল ব্যক্তির মধ্যে পরিচিত ঝুঁকির কারণ দ্বারা প্রদত্ত আপেক্ষিক ঝুঁকি যা জনসংখ্যার মধ্যে নেই
Pr(জনসংখ্যায় অবস্থা) হল এমন একটি জনসংখ্যায় অবস্থার সংঘটনের সম্ভাবনা যা উপস্থাপনা ব্যতীত ব্যক্তির সাথে যথাসম্ভব সদৃশ

নিম্নলিখিত সারণিটি প্রদর্শন করে কিভাবে এই সম্পর্কগুলি একাধিক প্রার্থী অবস্থার জন্য তৈরি করা যেতে পারে:

	প্রার্থী অবস্থা ১	প্রার্থী অবস্থা ২	প্রার্থী অবস্থা ৩
Pr(জনসংখ্যায় অবস্থা)	Pr(জনসংখ্যায় অবস্থা ১)	Pr(জনসংখ্যায় অবস্থা ২)	Pr(জনসংখ্যায় অবস্থা ৩)
RR_condition	RR_১	RR_২	RR_৩
Pr(অবস্থা WHOIFPI)	Pr(অবস্থা ১ WHOIFPI)	Pr(অবস্থা ২ WHOIFPI)	P(অবস্থা ৩ WHOIFPI)
r_{Condition → presentation}	r_{Condition ১ → presentation}	r_{Condition ২ → presentation}	r_{Condition ৩ → presentation}
Pr(উপস্থাপনা WHOIFPI by condition)	Pr(উপস্থাপনা WHOIFPI by condition ১)	Pr(উপস্থাপনা WHOIFPI by condition ২)	Pr(উপস্থাপনা WHOIFPI by condition ৩)
Pr(উপস্থাপনা WHOIFPI) = উপরের সারির সম্ভাবনার সমষ্টি
Pr(উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থার দ্বারা সৃষ্ট)	Pr(উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থা ১ দ্বারা সৃষ্ট)	Pr(উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থা ২ দ্বারা সৃষ্ট)	Pr(উপস্থাপনাটি ব্যক্তির মধ্যে অবস্থা ৩ দ্বারা সৃষ্ট)

একটি অতিরিক্ত "প্রার্থী অবস্থা" হল কোনো অস্বাভাবিকতা না থাকার উদাহরণ, এবং উপস্থাপনাটি মূলত একটি স্বাভাবিক অবস্থার (সাধারণত তুলনামূলকভাবে অসম্ভাব্য) প্রকাশ। জনসংখ্যায় এর সম্ভাবনা (P(জনসংখ্যায় কোনো অস্বাভাবিকতা নেই)) "অস্বাভাবিক" প্রার্থী অবস্থার সম্ভাবনার সমষ্টির পরিপূরক।

উদাহরণ

এই উদাহরণ কেসটি প্রদর্শন করে যে কীভাবে এই পদ্ধতিটি প্রয়োগ করা হয় কিন্তু অনুরূপ বাস্তব-বিশ্বের কেসগুলি পরিচালনার জন্য একটি নির্দেশিকা প্রতিনিধিত্ব করে না। এছাড়াও, উদাহরণটি কখনও কখনও একাধিক দশমিক সহ অপেক্ষাকৃত নির্দিষ্ট সংখ্যা ব্যবহার করে, যখন বাস্তবে প্রায়শই মোটামুটি অনুমান থাকে, যেমন সম্ভাবনা অত্যন্ত উচ্চ, উচ্চ, নিম্ন বা অত্যন্ত নিম্ন হিসাবে, তবে এখনও পদ্ধতির সাধারণ নীতিগুলি ব্যবহার করে।^{[তথ্যসূত্র প্রয়োজন]}

একজন ব্যক্তির (যিনি এই উদাহরণে "রোগী" হন) সিরাম ক্যালসিয়াম-এর একটি রক্ত পরীক্ষা স্ট্যান্ডার্ড রেফারেন্স রেঞ্জের চেয়ে বেশি ফলাফল দেখায়, যা বেশিরভাগ সংজ্ঞা অনুসারে হাইপারক্যালসিমিয়া হিসাবে শ্রেণীবদ্ধ হয়, যা এই ক্ষেত্রে "উপস্থাপনা" হয়ে ওঠে। একজন চিকিৎসক (যিনি এই উদাহরণে "রোগনির্ণয়কারী" হন), যিনি বর্তমানে রোগীকে দেখেন না, তার ফলাফল সম্পর্কে জানেন।

ব্যবহারিক কারণে, চিকিৎসক বিবেচনা করেন যে রোগীর মেডিকেল রেকর্ড দেখার জন্য পর্যাপ্ত পরীক্ষার ইঙ্গিত রয়েছে। সরলতার জন্য, ধরা যাক মেডিকেল রেকর্ডে প্রদত্ত একমাত্র তথ্য হলো প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (এখানে PH হিসাবে সংক্ষিপ্ত) এর পারিবারিক ইতিহাস, যা হাইপারক্যালসিমিয়ার ফলাফল ব্যাখ্যা করতে পারে। এই রোগীর ক্ষেত্রে, ধরা যাক ফলস্বরূপ বংশগত ঝুঁকি কারণ একটি আপেক্ষিক ঝুঁকি 10 (RR_PH = 10) প্রদান করে বলে অনুমান করা হয়।

চিকিৎসক বিবেচনা করেন যে হাইপারক্যালসিমিয়ার ফলাফলের জন্য একটি পার্থক্যমূলক রোগনির্ণয় পদ্ধতি সম্পাদনের জন্য পর্যাপ্ত প্রেরণা রয়েছে। হাইপারক্যালসিমিয়ার প্রধান কারণগুলি হলো প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH) এবং ক্যান্সার, তাই সরলতার জন্য, চিকিৎসক যে প্রার্থী অবস্থাগুলি বিবেচনা করতে পারেন তার তালিকা নিম্নরূপ দেওয়া যেতে পারে:

প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH)
ক্যান্সার
অন্যান্য রোগ যা চিকিৎসক বিবেচনা করতে পারেন (যাকে এই উদাহরণের বাকি অংশের জন্য কেবল "অন্যান্য অবস্থা" বলা হয়)
কোনো রোগ নেই (বা কোনো অস্বাভাবিকতা নেই), এবং ফলাফলটি সম্পূর্ণরূপে পরিসংখ্যানগত পরিবর্তনশীলতা দ্বারা সৃষ্ট

ব্যক্তির মধ্যে 'প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম' (PH) প্রথম স্থানে ঘটেছে এর সম্ভাবনা (P(PH WHOIFPI)) নিম্নরূপ গণনা করা যেতে পারে:

ধরা যাক রোগীর শেষ রক্ত পরীক্ষা অর্ধ বছর আগে নেওয়া হয়েছিল এবং তা স্বাভাবিক ছিল এবং একটি সাধারণ জনসংখ্যায় প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের ঘটনা ব্যক্তির সাথে উপযুক্তভাবে মেলে (উপস্থাপনা এবং উল্লিখিত বংশগতি বাদে) বছরে 1 in 4000। আরও বিশদ পশ্চাদমুখী বিশ্লেষণ উপেক্ষা করে (যেমন রোগের অগ্রগতির গতি এবং মেডিকেল রোগনির্ণয়ের ল্যাগ সময় অন্তর্ভুক্ত), প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম বিকাশের জন্য সময়-ঝুঁকিতে থাকা মোটামুটিভাবে গত অর্ধ বছর হিসাবে বিবেচনা করা যেতে পারে কারণ পূর্বে বিকশিত হাইপারক্যালসিমিয়া সম্ভবত পূর্ববর্তী রক্ত পরীক্ষা দ্বারা ধরা পড়ত। এটি জনসংখ্যায় প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH) এর সম্ভাবনার সাথে মিলে যায়:

\Pr({\text{PH in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{4000 per year}}}={\frac {1}{8000}}

পরিবারিক ইতিহাস থেকে প্রাপ্ত আপেক্ষিক ঝুঁকির সাথে, বর্তমানে উপলব্ধ তথ্য থেকে ব্যক্তির মধ্যে প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH) প্রথম স্থানে ঘটেছে এর সম্ভাবনা হয়:

\Pr({\text{PH WHOIFPI}})\approx RR_{PH}\cdot \Pr({\text{PH in population}})=10\cdot {\frac {1}{8000}}={\frac {1}{800}}=0.00125

প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমকে মূলত 100% সময় হাইপারক্যালসিমিয়া সৃষ্টি করে বলে ধরে নেওয়া যেতে পারে (r_{PH → hypercalcemia} = 1), তাই প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH) এর এই স্বাধীনভাবে গণনা করা সম্ভাবনাকে উপস্থাপনার কারণ হিসাবে একই বলে ধরে নেওয়া যেতে পারে:

{\begin{aligned}\Pr({\text{Hypercalcemia WHOIFPI by PH}})&=\Pr({\text{PH WHOIFPI}})\cdot r_{{\text{PH}}\rightarrow {\text{hypercalcemia}}}\\&=0.00125\cdot 1=0.00125\end{aligned}}

ক্যান্সার-এর জন্য, সরলতার জন্য একই সময়-ঝুঁকি ধরে নেওয়া হয়, এবং ধরা যাক এলাকায় ক্যান্সারের ঘটনা প্রতি বছর 1 in 250 এ অনুমান করা হয়, যা জনসংখ্যায় ক্যান্সারের সম্ভাবনা দেয়:

\Pr({\text{cancer in population}})=0.5{\text{ years}}\cdot {\frac {1}{\text{250 per year}}}={\frac {1}{500}}

সরলতার জন্য, ধরা যাক প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের পারিবারিক ইতিহাস এবং ক্যান্সারের ঝুঁকির মধ্যে কোনো সম্পর্ক উপেক্ষা করা হয়, তাই ব্যক্তির প্রথম স্থানে ক্যান্সার হওয়ার আপেক্ষিক ঝুঁকি জনসংখ্যার অনুরূপ (RR_cancer = 1):

\Pr({\text{cancer WHOIFPI}})\approx RR_{\text{cancer}}\cdot \Pr({\text{cancer in population}})=1\cdot {\frac {1}{500}}={\frac {1}{500}}=0.002.

যাইহোক, হাইপারক্যালসিমিয়া শুধুমাত্র প্রায় 10% ক্যান্সারে ঘটে,^[৮] (r_{cancer → hypercalcemia} = 0.1), তাই:

{\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by cancer}})\\=&\Pr({\text{cancer WHOIFPI}})\cdot r_{{\text{cancer}}\rightarrow {\text{hypercalcemia}}}\\=&0.002\cdot 0.1=0.0002.\end{aligned}}

অন্যান্য প্রার্থী অবস্থার দ্বারা হাইপারক্যালসিমিয়া প্রথম স্থানে ঘটেছে এর সম্ভাবনা একইভাবে গণনা করা যেতে পারে। যাইহোক, সরলতার জন্য, ধরা যাক এইগুলির যে কোনোটি প্রথম স্থানে ঘটেছে এর সম্ভাবনা এই উদাহরণে 0.0005 এ গণনা করা হয়।

কোনো রোগ নেই-এর উদাহরণের জন্য, জনসংখ্যায় সংশ্লিষ্ট সম্ভাবনা অন্যান্য অবস্থার সম্ভাবনার যোগফলের পরিপূরক:

{\begin{aligned}\Pr({\text{no disease in population}})&=1-\Pr({\text{PH in population}})-\Pr({\text{cancer in population}})\\&{}\quad -\Pr({\text{other conditions in population}})\\&{}=0.997.\end{aligned}}

ব্যক্তির প্রথম স্থানে সুস্থ হওয়ার সম্ভাবনা একই বলে ধরে নেওয়া যেতে পারে:

\Pr({\text{no disease WHOIFPI}})=0.997.\,

কোনো অস্বাভাবিক অবস্থা নেই এমন ক্ষেত্রেও সিরাম ক্যালসিয়ামের পরিমাপ স্ট্যান্ডার্ড রেফারেন্স রেঞ্জের উপরে হওয়ার হার (যার ফলে হাইপারক্যালসিমিয়া হিসাবে শ্রেণীবদ্ধ হয়) স্ট্যান্ডার্ড রেফারেন্স রেঞ্জের সংজ্ঞা অনুসারে 2.5% এর কম। যাইহোক, এই সম্ভাবনাটি স্ট্যান্ডার্ড রেফারেন্স রেঞ্জে গড় থেকে পরিমাপের বিচ্যুতি বিবেচনা করে আরও নির্দিষ্ট করা যেতে পারে। ধরা যাক সিরাম ক্যালসিয়াম পরিমাপ ছিল 1.30 mmol/L, যা 1.05 থেকে 1.25 mmol/L-এ স্থাপিত একটি স্ট্যান্ডার্ড রেফারেন্স রেঞ্জের সাথে সামঞ্জস্যপূর্ণ, যা 3 এর একটি স্ট্যান্ডার্ড স্কোর এবং 0.14% এর সংশ্লিষ্ট সম্ভাবনার সাথে মিলে যায় যে হাইপারক্যালসিমিয়ার এই মাত্রা কোনো অস্বাভাবিকতা ছাড়াই প্রথম স্থানে ঘটেছে:

r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}=0.0014

পরবর্তীতে, কোনো রোগ ছাড়াই হাইপারক্যালসিমিয়া ঘটেছে এর সম্ভাবনা নিম্নরূপ গণনা করা যেতে পারে:

{\begin{aligned}&\Pr({\text{Hypercalcemia WHOIFPI by no disease}})\\=&\Pr({\text{no disease WHOIFPI}})\cdot r_{{\text{no disease}}\rightarrow {\text{hypercalcemia}}}\\=&0.997\cdot 0.0014\approx 0.0014\end{aligned}}

এইভাবে, ব্যক্তির মধ্যে হাইপারক্যালসিমিয়া প্রথম স্থানে ঘটেছে এর সম্ভাবনা নিম্নরূপ গণনা করা যেতে পারে:

{\begin{aligned}&\Pr({\text{hypercalcemia WHOIFPI}})\\=&\Pr({\text{hypercalcemia WHOIFPI by PH}})+\Pr({\text{hypercalcemia WHOIFPI by cancer}})\\&{}+\Pr({\text{hypercalcemia WHOIFPI by other conditions}})+\Pr({\text{hypercalcemia WHOIFPI by no disease}})\\=&0.00125+0.0002+0.0005+0.0014=0.00335\end{aligned}}

পরবর্তীতে, ব্যক্তির মধ্যে হাইপারক্যালসিমিয়া প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH) দ্বারা সৃষ্ট হয়েছে এর সম্ভাবনা নিম্নরূপ গণনা করা যেতে পারে:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by PH in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by PH}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.00125}{0.00335}}=0.373=37.3\%\end{aligned}}

একইভাবে, ব্যক্তির মধ্যে হাইপারক্যালসিমিয়া ক্যান্সার দ্বারা সৃষ্ট হয়েছে এর সম্ভাবনা নিম্নরূপ গণনা করা যেতে পারে:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by cancer in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by cancer}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0002}{0.00335}}=0.060=6.0\%,\end{aligned}}

এবং অন্যান্য প্রার্থী অবস্থার জন্য:

{\begin{aligned}&\Pr({\text{hypercalcemia is caused by other conditions in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by other conditions}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0005}{0.00335}}=0.149=14.9\%,\end{aligned}}

এবং প্রকৃতপক্ষে কোনো রোগ নেই এর সম্ভাবনা:

{\begin{aligned}&\Pr({\text{hypercalcemia is present despite no disease in individual}})\\=&{\frac {\Pr({\text{hypercalcemia WHOIFPI by no disease}})}{\Pr({\text{hypercalcemia WHOIFPI}})}}\\=&{\frac {0.0014}{0.00335}}=0.418=41.8\%\end{aligned}}

স্পষ্টীকরণের জন্য, এই গণনাগুলি পদ্ধতি বর্ণনায় সারণী হিসাবে দেওয়া হয়েছে:

	PH	ক্যান্সার	অন্যান্য অবস্থা	কোনো রোগ নেই
P(জনসংখ্যায় অবস্থা)	0.000125	0.002	-	0.997
RR_x	10	1	-	-
P(অবস্থা WHOIFPI)	0.00125	0.002	-	-
r_{অবস্থা →হাইপারক্যালসিমিয়া}	1	0.1	-	0.0014
P(হাইপারক্যালসিমিয়া WHOIFPI অবস্থা দ্বারা)	0.00125	0.0002	0.0005	0.0014
P(হাইপারক্যালসিমিয়া WHOIFPI) = 0.00335
P(হাইপারক্যালসিমিয়া ব্যক্তির মধ্যে অবস্থার কারণে হয়েছে)	37.3%	6.0%	14.9%	41.8%

এইভাবে, এই পদ্ধতিটি অনুমান করে যে হাইপারক্যালসিমিয়া প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম, ক্যান্সার, অন্যান্য অবস্থা বা কোনো রোগ ছাড়াই সৃষ্ট হয়েছে এর সম্ভাবনা যথাক্রমে 37.3%, 6.0%, 14.9%, এবং 41.8%, যা আরও পরীক্ষার ইঙ্গিত অনুমান করতে ব্যবহার করা যেতে পারে।

এই কেসটি পরবর্তী বিভাগে বর্ণিত পদ্ধতির উদাহরণে অব্যাহত রয়েছে।

সম্ভাবনা অনুপাত-ভিত্তিক পদ্ধতি

পার্থক্যমূলক রোগনির্ণয় প্রক্রিয়া অত্যধিক জটিল হয়ে উঠতে পারে যখন অতিরিক্ত পরীক্ষা এবং চিকিৎসা সম্পূর্ণরূপে বিবেচনায় নেওয়া হয়। একটি পদ্ধতি যা ক্লিনিকালি নিখুঁত এবং গণনা করতে অপেক্ষাকৃত সহজ উভয়ের মধ্যে একটি আপস, তা হলো সম্ভাবনা অনুপাত ব্যবহার করে পরবর্তী পরীক্ষা-পরবর্তী সম্ভাবনা অর্জন করা।

তত্ত্ব

প্রতিটি প্রার্থী অবস্থার জন্য প্রাথমিক সম্ভাবনা বিভিন্ন পদ্ধতি দ্বারা অনুমান করা যেতে পারে, যেমন:

পূর্ববর্তী বিভাগে বর্ণিত মহামারী বিদ্যা দ্বারা।
ক্লিনিক-নির্দিষ্ট প্যাটার্ন স্বীকৃতি দ্বারা, যেমন পরিসংখ্যানগতভাবে জানা যে একটি নির্দিষ্ট ক্লিনিকে একটি নির্দিষ্ট অভিযোগ নিয়ে আসা রোগীদের প্রতিটি প্রার্থী অবস্থার একটি নির্দিষ্ট সম্ভাবনা রয়েছে।

আরও পরীক্ষার পরেও সম্ভাবনা অনুমানের একটি পদ্ধতি হলো সম্ভাবনা অনুপাত (যা সংবেদনশীলতা এবং নির্দিষ্টতা থেকে প্রাপ্ত) প্রতিটি পরীক্ষা বা প্রক্রিয়ার পরে একটি গুণনীয়ক হিসাবে ব্যবহার করা। আদর্শ বিশ্বে, সমস্ত সম্ভাব্য প্যাথলজিক্যাল অবস্থার জন্য সমস্ত পরীক্ষার জন্য সংবেদনশীলতা এবং নির্দিষ্টতা প্রতিষ্ঠিত হবে। যাইহোক, বাস্তবে, এই প্যারামিটারগুলি শুধুমাত্র একটি প্রার্থী অবস্থার জন্য প্রতিষ্ঠিত হতে পারে। সম্ভাবনা অনুপাতের সাথে গুণ করার জন্য সম্ভাবনা থেকে সমর্থনে ঝুকি (এখানে কেবল "ঝুকি" বলা হয়) রূপান্তর প্রয়োজন:

{\text{ঝুকি}}={\frac {\text{সম্ভাবনা}}{1-{\text{সম্ভাবনা}}}}

যাইহোক, শুধুমাত্র সেই প্রার্থী অবস্থাগুলি যাদের জন্য পরিচিত সম্ভাবনা অনুপাত রয়েছে তাদের এই রূপান্তর প্রয়োজন। গুণনের পরে, সম্ভাবনায় রূপান্তর নিম্নরূপ গণনা করা হয়:

{\text{সম্ভাবনা}}={\frac {\text{ঝুকি}}{{\text{ঝুকি}}+1}}

অবশিষ্ট প্রার্থী অবস্থাগুলি (যার জন্য পরীক্ষার জন্য কোনো প্রতিষ্ঠিত সম্ভাবনা অনুপাত নেই) সরলতার জন্য, পরবর্তীতে সমস্ত প্রার্থী অবস্থাকে একটি সাধারণ ফ্যাক্টর দ্বারা গুণ করে আবার 100% এর যোগফল পাওয়া যেতে পারে।

ফলস্বরূপ সম্ভাবনাগুলি আরও মেডিকেল টেস্ট, চিকিৎসা বা অন্যান্য কর্মের ইঙ্গিত অনুমান করতে ব্যবহৃত হয়। যদি একটি অতিরিক্ত পরীক্ষার ইঙ্গিত থাকে এবং এটি একটি ফলাফল সহ ফিরে আসে, তবে পদ্ধতিটি অতিরিক্ত পরীক্ষার সম্ভাবনা অনুপাত ব্যবহার করে পুনরাবৃত্তি করা হয়। প্রতিটি প্রার্থী অবস্থার জন্য আপডেট করা সম্ভাবনার সাথে, আরও পরীক্ষা, চিকিৎসা বা অন্যান্য কর্মের ইঙ্গিতও পরিবর্তিত হয়, এবং তাই পদ্ধতিটি একটি শেষ বিন্দু পর্যন্ত পুনরাবৃত্তি করা যেতে পারে যেখানে বর্তমানে আরও কর্ম সম্পাদনের জন্য কোনো ইঙ্গিত থাকে না। এই ধরনের একটি শেষ বিন্দু প্রধানত ঘটে যখন একটি প্রার্থী অবস্থা এতটাই নিশ্চিত হয়ে যায় যে কোনো পরীক্ষা পাওয়া যায় না যা আপেক্ষিক সম্ভাবনা প্রোফাইলকে যথেষ্ট পরিবর্তন করার জন্য শক্তিশালী হয় যাতে আরও কর্মের পরিবর্তনকে অনুপ্রাণিত করে। যতটা সম্ভব কম পরীক্ষা সহ এই ধরনের একটি শেষ বিন্দুতে পৌঁছানোর কৌশলগুলির মধ্যে রয়েছে ইতিমধ্যেই উচ্চ-প্রোফাইল-আপেক্ষিক সম্ভাবনা সহ অবস্থার জন্য উচ্চ নির্দিষ্টতা সহ পরীক্ষা তৈরি করা, কারণ এই ধরনের পরীক্ষার জন্য উচ্চ সম্ভাবনা অনুপাত ধনাত্মক খুব বেশি, কম সম্ভাব্য অবস্থাগুলিকে অপেক্ষাকৃত নিম্ন সম্ভাবনায় আনে। বিকল্পভাবে, প্রতিযোগী প্রার্থী অবস্থার জন্য উচ্চ সংবেদনশীলতা সহ পরীক্ষাগুলির উচ্চ সম্ভাবনা অনুপাত ঋণাত্মক রয়েছে, যা প্রতিযোগী প্রার্থী অবস্থার সম্ভাবনাকে নগণ্য মাত্রায় আনতে পারে। যদি এই ধরনের নগণ্য সম্ভাবনা অর্জিত হয়, চিকিৎসক এই অবস্থাগুলি বাতিল করতে পারেন এবং কেবলমাত্র অবশিষ্ট প্রার্থী অবস্থাগুলির সাথে পার্থক্যমূলক রোগনির্ণয় পদ্ধতি চালিয়ে যেতে পারেন।

উদাহরণ

এই উদাহরণটি মহামারী-ভিত্তিক পদ্ধতির উদাহরণে একই রোগীর জন্য অব্যাহত রয়েছে। মহামারী-ভিত্তিক পদ্ধতির পূর্ববর্তী উদাহরণের মতো, এই উদাহরণ কেসটি প্রদর্শনের জন্য তৈরি করা হয়েছে যে কীভাবে এই পদ্ধতিটি প্রয়োগ করা হয় তবে অনুরূপ বাস্তব-বিশ্বের কেসগুলি পরিচালনার জন্য একটি নির্দেশিকা নয়। এছাড়াও, উদাহরণটি অপেক্ষাকৃত নির্দিষ্ট সংখ্যা ব্যবহার করে, যখন বাস্তবে প্রায়শই মোটামুটি অনুমান থাকে। এই উদাহরণে, প্রতিটি প্রার্থী অবস্থার সম্ভাবনা মহামারী-ভিত্তিক পদ্ধতি দ্বারা নিম্নরূপ প্রতিষ্ঠিত হয়েছে:

	PH	ক্যান্সার	অন্যান্য অবস্থা	কোনো রোগ নেই
সম্ভাবনা	37.3%	6.0%	14.9%	41.8%

এই শতাংশগুলি হাইপারক্যালসিমিয়া নিয়ে ক্লিনিকে উপস্থিত এবং প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের পারিবারিক ইতিহাস রয়েছে এমন ব্যক্তিদের চূড়ান্ত রোগনির্ণয়ের শতাংশ হিসাবে ক্লিনিকে অভিজ্ঞতার মাধ্যমেও প্রতিষ্ঠিত হতে পারে।

সর্বোচ্চ প্রোফাইল-আপেক্ষিক সম্ভাবনা ( "কোনো রোগ নেই" ব্যতীত) প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম (PH), তবে ক্যান্সার এখনও প্রধান উদ্বেগের বিষয়, কারণ যদি এটি হাইপারক্যালসিমিয়ার প্রকৃত কারণকৃত অবস্থা হয়, তবে চিকিৎসা করা হবে কিনা সেই পছন্দ রোগীর জন্য কার্যত জীবন বা মৃত্যুর অর্থ হতে পারে, ফলে উভয় অবস্থার জন্য আরও পরীক্ষার ইঙ্গিতকে একই স্তরে রাখে।

এখানে, ধরা যাক চিকিৎসক প্রোফাইল-আপেক্ষিক সম্ভাবনাগুলিকে যথেষ্ট উদ্বেগজনক বলে বিবেচনা করেন যাতে রোগীকে ক্লিনিশিয়ান ভিজিটের জন্য কল পাঠানোর ইঙ্গিত দেয়, মেডিকেল ল্যাবরেটরি-তে একটি অতিরিক্ত রক্ত পরীক্ষার জন্য অতিরিক্ত ভিজিট সহ, প্যারাথাইরয়েড হরমোন বিশ্লেষণ সহ প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের সন্দেহে।

সরলতার জন্য, ধরা যাক চিকিৎসক প্রথমে প্যারাথাইরয়েড হরমোন বিশ্লেষণের জন্য রক্ত পরীক্ষার (সূত্রে "BT" হিসাবে সংক্ষিপ্ত) ফলাফল পেয়েছেন এবং এটি দেখায় যে ক্যালসিয়াম মাত্রার তুলনায় প্যারাথাইরয়েড হরমোনের মাত্রা বৃদ্ধি পেয়েছে।

এই ধরনের একটি সমষ্টিকে প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের জন্য প্রায় 70% সংবেদনশীলতা এবং 90% নির্দিষ্টতা রয়েছে বলে অনুমান করা যেতে পারে।^[৯] এটি প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের জন্য 7 এর সম্ভাবনা অনুপাত ধনাত্মক প্রদান করে।

প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের সম্ভাবনাকে এখন প্রি-বিটি_PH বলা হয় কারণ এটি রক্ত পরীক্ষার আগের সাথে সম্পর্কিত (লাতিন প্রিপজিশন প্রি মানে আগে)। এটি 37.3% এ অনুমান করা হয়েছিল, যা 0.595 এর ঝুকিের সাথে সামঞ্জস্যপূর্ণ। রক্ত পরীক্ষার জন্য 7 এর সম্ভাবনা অনুপাত ধনাত্মক সহ, পোস্ট-পরীক্ষা ঝুকি নিম্নরূপ গণনা করা হয়:

\operatorname {Odds} ({\text{PostBT}}_{PH})=\operatorname {Odds} ({\text{PreBT}}_{PH})\cdot LH(BT)=0.595\cdot 7=4.16,

যেখানে:

ঝুকি(পোস্টবিটি_PH) হলো প্যারাথাইরয়েড হরমোনের রক্ত পরীক্ষার পরে প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের ঝুকি
ঝুকি(প্রিবিটি_PH) হলো প্যারাথাইরয়েড হরমোনের রক্ত পরীক্ষার আগে প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের পক্ষে ঝুকি
এলএইচ(বিটি) হলো প্যারাথাইরয়েড হরমোনের রক্ত পরীক্ষার জন্য সম্ভাবনা অনুপাত ধনাত্মক

4.16 এর ঝুকি(পোস্টবিটি_PH) আবার সংশ্লিষ্ট সম্ভাবনায় রূপান্তরিত হয়:

\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\%

অতএব, অন্যান্য প্রার্থী অবস্থার জন্য সম্ভাবনার যোগফল হওয়া উচিত:

\Pr({\text{PostBT}}_{rest})=100\%-80.6\%=19.4\%

প্যারাথাইরয়েড হরমোনের রক্ত পরীক্ষার আগে, তাদের সম্ভাবনার যোগফল ছিল:

\Pr({\text{PreBT}}_{\text{rest}})=6.0\%+14.9\%+41.8\%=62.7\%

অতএব, সমস্ত প্রার্থী অবস্থার জন্য 100% এর যোগফলের সাথে সামঞ্জস্য করার জন্য, অন্যান্য প্রতিটি প্রার্থীকে একটি সংশোধন ফ্যাক্টর দ্বারা গুণ করতে হবে:

{\text{সংশোধন ফ্যাক্টর}}={\frac {\Pr({\text{PostBT}}_{\text{rest}})}{\Pr({\text{PreBT}}_{\text{rest}})}}={\frac {19.4}{62.7}}=0.309

উদাহরণস্বরূপ, পরীক্ষার পরে ক্যান্সারের সম্ভাবনা নিম্নরূপ গণনা করা হয়:

\Pr({\text{PostBT}}_{\text{cancer}})=\Pr({\text{PreBT}}_{\text{cancer}})\cdot {\text{সংশোধন ফ্যাক্টর}}=6.0\%\cdot 0.309=1.9\%

রক্ত পরীক্ষার আগে এবং পরে প্রতিটি প্রার্থী অবস্থার সম্ভাবনা নিম্নলিখিত সারণীতে দেওয়া হয়েছে:

	PH	ক্যান্সার	অন্যান্য অবস্থা	কোনো রোগ নেই
P(প্রিবিটি)	37.3%	6.0%	14.9%	41.8%
P(পোস্টবিটি)	80.6%	1.9%	4.6%	12.9%

এই "নতুন" শতাংশগুলি, প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের জন্য 80% প্রোফাইল-আপেক্ষিক সম্ভাবনা সহ, আরও পরীক্ষা, চিকিৎসা বা অন্যান্য কর্মের জন্য কোনো ইঙ্গিতের ভিত্তি তৈরি করে। এই ক্ষেত্রে, ধরা যাক চিকিৎসক প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের দিকে বিশেষভাবে ফোকাস করে আরও চেকআপের জন্য রোগীকে ক্লিনিশিয়ান ভিজিট করার পরিকল্পনা চালিয়ে যান।

একটি ক্লিনিশিয়ান ভিজিটকে তাত্ত্বিকভাবে পরীক্ষার একটি সিরিজ হিসাবে বিবেচনা করা যেতে পারে, যার মধ্যে একটি মেডিকেল ইতিহাস-এ প্রশ্ন এবং একটি শারীরিক পরীক্ষা-এর উপাদানগুলি অন্তর্ভুক্ত, যেখানে পূর্ববর্তী পরীক্ষার পোস্ট-টেস্ট সম্ভাবনা পরবর্তী পরীক্ষার প্রি-টেস্ট সম্ভাবনা হিসাবে ব্যবহার করা যেতে পারে। পরবর্তী পরীক্ষা বেছে নেওয়ার ইঙ্গিতগুলি পূর্ববর্তী পরীক্ষার ফলাফল দ্বারা গতিশীলভাবে প্রভাবিত হয়।

ধরা যাক এই উদাহরণের রোগী হাইপারক্যালসিমিয়া নিজেই যা প্রত্যাশা তার চেয়ে বেশি তীব্রতার হতাশা, হাড়ের ব্যথা, জয়েন্টের ব্যথা বা কোষ্ঠকাঠিন্যের অন্তত কিছু লক্ষণ এবং লক্ষণ প্রকাশ করেছে, যা প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের সন্দেহকে সমর্থন করে,^[১০] এবং ধরা যাক পরীক্ষাগুলির জন্য সম্ভাবনা অনুপাত, একসাথে গুণ করলে, প্রাইমারি হাইপারপ্যারাথাইরয়েডিজমের জন্য প্রায় 6 এর গুণফল দেয়।

ইতিহাস এবং পরীক্ষায় অনির্দিষ্ট প্যাথলজিক্যাল লক্ষণ এবং লক্ষণগুলি প্রায়শই একই সাথে ক্যান্সারের ইঙ্গিত দেয়, এবং ধরা যাক পরীক্ষাগুলি ক্যান্সারের জন্য সামগ্রিকভাবে 1.5 এর সম্ভাবনা অনুপাত দিয়েছে। অন্যান্য অবস্থার জন্য, পাশাপাশি কোনো রোগ না থাকার উদাহরণের জন্য, ধরা যাক বর্তমান পরীক্ষাগুলি দ্বারা সেগুলি কীভাবে প্রভাবিত হয় তা অজানা, যেমন বাস্তবেও প্রায়শই হয়। এটি ইতিহাস এবং শারীরিক পরীক্ষার (সংক্ষেপে P&E) জন্য নিম্নলিখিত ফলাফল দেয়:

	PH	ক্যান্সার	অন্যান্য অবস্থা	কোনো রোগ নেই
P(প্রিহিএন্ডই)	80.6%	1.9%	4.6%	12.9%
ঝুকি(প্রিহিএন্ডই)	4.15	0.019	0.048	0.148
H&E দ্বারা সম্ভাবনা অনুপাত	6	1.5	-	-
ঝুকি(পোস্টএইচঅ্যান্ডই)	24.9	0.0285	-	-
P(পোস্টএইচঅ্যান্ডই)	96.1%	2.8%	-	-
পরিচিত P(পোস্টএইচঅ্যান্ডই) এর যোগফল	98.9%
অবশিষ্ট P(পোস্টএইচঅ্যান্ডই) এর যোগফল	1.1%
অবশিষ্ট P(প্রিহিএন্ডই) এর যোগফল	4.6% + 12.9% = 17.5%
সংশোধন ফ্যাক্টর	1.1% / 17.5% = 0.063
সংশোধনের পর	-	-	0.3%	0.8%
P(পোস্টএইচঅ্যান্ডই)	96.1%	2.8%	0.3%	0.8%

ইতিহাস এবং পরীক্ষার পরে এই সম্ভাবনাগুলি সার্জারির জন্য রোগীর পরিকল্পনা করতে চিকিৎসককে আত্মবিশ্বাসী করতে পারে প্যারাথাইরয়েডেক্টমি দ্বারা প্রভাবিত টিস্যু অপসারণের জন্য।

এই মুহুর্তে, "অন্যান্য অবস্থা" এর সম্ভাবনা এতটাই কম যে চিকিৎসক এমন কোনো পরীক্ষার কথা ভাবতে পারবেন না যা এমন পার্থক্য তৈরি করতে পারে যা এই ধরনের পরীক্ষার জন্য ইঙ্গিত গঠনের জন্য যথেষ্ট হবে, এবং এইভাবে চিকিৎসক ব্যবহারিকভাবে "অন্যান্য অবস্থা" কে বাতিল বলে বিবেচনা করেন, এই ক্ষেত্রে প্রাথমিকভাবে এই ধরনের অন্যান্য অবস্থার জন্য কোনো নির্দিষ্ট নেতিবাচক পরীক্ষা দ্বারা নয়, বরং এখন পর্যন্ত ইতিবাচক পরীক্ষার অনুপস্থিতি দ্বারা।

"ক্যান্সার" এর জন্য, আত্মবিশ্বাসের সাথে এটি বাতিল বলে বিবেচনা করার কাটঅফ আরও কঠোর হতে পারে কারণ এটি মিস করার গুরুতর পরিণতি, তাই চিকিৎসক বিবেচনা করতে পারেন যে অপসারিত টিস্যুর একটি হিস্টোপ্যাথোলজিক পরীক্ষা অন্তত ইঙ্গিতিত।

এই কেসটি নীচের সংশ্লিষ্ট বিভাগে সংমিশ্রণ এর উদাহরণে অব্যাহত রয়েছে।

প্রার্থী অবস্থার কভারেজ

মহামারী বিদ্যা দ্বারা সম্ভাবনার প্রাথমিক অনুমান এবং সম্ভাবনা অনুপাত দ্বারা আরও কাজের বৈধতা নির্ভর করে প্রার্থী অবস্থাগুলির অন্তর্ভুক্তির উপর যা অবস্থা বিকাশের সম্ভাবনার একটি বড় অংশের জন্য দায়ী, এবং ক্লিনিকালি গুরুত্বপূর্ণ সেইগুলিকে অন্তর্ভুক্ত করা যেখানে তুলনামূলকভাবে দ্রুত চিকিৎসা শুরু করা সবচেয়ে বেশি সুবিধা দিতে পারে। যদি একটি গুরুত্বপূর্ণ প্রার্থী অবস্থা মিস হয়, তবে পার্থক্যমূলক রোগনির্ণয়ের কোনো পদ্ধতিই সঠিক সিদ্ধান্ত সরবরাহ করবে না। উপস্থাপনার তীব্রতা বৃদ্ধির সাথে সাথে আরও প্রার্থী অবস্থা খুঁজে বের করার প্রয়োজন বৃদ্ধি পায়। উদাহরণস্বরূপ, যদি একমাত্র উপস্থাপনা একটি বিচ্যুত পরীক্ষাগার প্যারামিটার হয় এবং সমস্ত সাধারণ ক্ষতিকারক অন্তর্নিহিত অবস্থা বাতিল হয়ে যায়, তবে আরও প্রার্থী অবস্থা খোঁজা বন্ধ করা গ্রহণযোগ্য হতে পারে, তবে এটি উপস্থাপনা গুরুতর ব্যথা হলে অনেক বেশি গ্রহণযোগ্য হবে না।

সংমিশ্রণ

যদি দুটি অবস্থা উচ্চ পোস্ট-টেস্ট সম্ভাবনা পায়, বিশেষ করে যদি পরিচিত সম্ভাবনা অনুপাত সহ অবস্থার সম্ভাবনার যোগফল 100% এর বেশি হয়, তবে প্রকৃত অবস্থা দুটির সংমিশ্রণ। এই ধরনের ক্ষেত্রে, সেই সংমিশ্রিত অবস্থাটি প্রার্থী অবস্থার তালিকায় যুক্ত করা যেতে পারে, এবং গণনা শুরু থেকে আবার শুরু করা উচিত।

উপরে ব্যবহৃত উদাহরণটি চালিয়ে যেতে, ধরা যাক ইতিহাস এবং শারীরিক পরীক্ষা ক্যান্সারের ইঙ্গিত দেয়, 3 এর সম্ভাবনা অনুপাত সহ, 0.057 এর ঝুকি(পোস্টএইচঅ্যান্ডই) দেয়, যা 5.4% এর P(পোস্টএইচঅ্যান্ডই) এর সাথে সামঞ্জস্যপূর্ণ। এটি "পরিচিত P(পোস্টএইচঅ্যান্ডই)" এর 101.5% এর সাথে সামঞ্জস্যপূর্ণ। এটি প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম এবং ক্যান্সারের সংমিশ্রণ বিবেচনার একটি ইঙ্গিত, যেমন এই ক্ষেত্রে, একটি প্যারাথাইরয়েড হরমোন-উৎপাদক প্যারাথাইরয়েড কার্সিনোমা। অতএব, একটি পুনর্গণনার প্রয়োজন হতে পারে, প্রথম দুটি অবস্থাকে "ক্যান্সার ছাড়া প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম", "প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম ছাড়া ক্যান্সার" পাশাপাশি "সংমিশ্রিত প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম এবং ক্যান্সার" হিসাবে পৃথক করা, এবং প্রতিটি অবস্থার জন্য পৃথকভাবে সম্ভাবনা অনুপাত প্রয়োগ করা। যাইহোক, এই ক্ষেত্রে, টিস্যু ইতিমধ্যেই অপসারিত হয়েছে, যেখানে একটি হিস্টোপ্যাথোলজিক পরীক্ষা করা যেতে পারে যা পরীক্ষায় প্যারাথাইরয়েড কার্সিনোমার সম্ভাবনা অন্তর্ভুক্ত করে (যার মধ্যে উপযুক্ত নমুনা স্টেইনিং জড়িত থাকতে পারে)।

ধরা যাক হিস্টোপ্যাথোলজিক পরীক্ষা প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম নিশ্চিত করেছে, কিন্তু একটি ম্যালিগন্যান্ট প্যাটার্নও দেখিয়েছে। মহামারী বিদ্যা দ্বারা একটি প্রাথমিক পদ্ধতি দ্বারা, প্যারাথাইরয়েড কার্সিনোমার ঘটনা প্রতি বছর 6 মিলিয়ন মানুষের মধ্যে 1 জন হিসাবে অনুমান করা হয়,^[১১] কোনো পরীক্ষা বিবেচনায় নেওয়ার আগে একটি অত্যন্ত কম সম্ভাবনা দেয়। তুলনামূলকভাবে, অ-ম্যালিগন্যান্ট প্রাইমারি হাইপারপ্যারাথাইরয়েডিজম একই সময়ে একটি সম্পর্কহীন নন-কার্সিনোমা ক্যান্সারের সাথে ঘটেছে যা প্যারাথাইরয়েড গ্রন্থিতে ম্যালিগন্যান্ট কোষ উপস্থাপন করে তার সম্ভাবনা দুটির সম্ভাবনা গুণ করে গণনা করা হয়। যাইহোক, ফলস্বরূপ সম্ভাবনা 6 মিলিয়নে 1 এর চেয়ে অনেক কম। অতএব, হিস্টোপ্যাথোলজিক পরীক্ষার পরেও প্যারাথাইরয়েড কার্সিনোমার সম্ভাবনা প্রথম স্থানে ঘটার কম সম্ভাবনা সত্ত্বেও 100% এর কাছাকাছি হতে পারে।

মেশিন পার্থক্যমূলক রোগনির্ণয়

মেশিন পার্থক্যমূলক রোগনির্ণয় হল পার্থক্যমূলক রোগনির্ণয় আংশিক বা সম্পূর্ণরূপে করতে কম্পিউটার সফটওয়্যার ব্যবহার। এটিকে কৃত্রিম বুদ্ধিমত্তার প্রয়োগ হিসাবে বিবেচনা করা যেতে পারে। বিকল্পভাবে, এটিকে "অগমেন্টেড ইন্টেলিজেন্স" হিসাবে দেখা যেতে পারে যদি এটি এফডিএ মানদণ্ড পূরণ করে, যথা (1) এটি অন্তর্নিহিত ডেটা প্রকাশ করে, (2) অন্তর্নিহিত লজিক প্রকাশ করে, এবং (3) সিদ্ধান্ত গঠন এবং নেওয়ার জন্য চিকিৎসককে দায়িত্বে রাখে। মেশিন লার্নিং এআই সাধারণত এফডিএ দ্বারা একটি ডিভাইস হিসাবে দেখা হয়, যেখানে অগমেন্টেড ইন্টেলিজেন্স অ্যাপ্লিকেশন নয়।

অনেক গবেষণা দেখায় যে এই ধরনের ডিসিশন সাপোর্ট সিস্টেম ব্যবহার করে যত্নের গুণমান উন্নত এবং চিকিৎসা ত্রুটি হ্রাস পায়। এই সিস্টেমগুলির মধ্যে কিছু একটি নির্দিষ্ট চিকিৎসা সমস্যার জন্য ডিজাইন করা হয়েছে যেমন সিজোফ্রেনিয়া,^[১২] লাইম রোগ^[১৩] বা ভেন্টিলেটর-অ্যাসোসিয়েটেড নিউমোনিয়া।^[১৪] অন্যগুলি সমস্ত প্রধান ক্লিনিকাল এবং ডায়াগনস্টিক ফলাফল কভার করার জন্য ডিজাইন করা হয়েছে চিকিৎসকদের দ্রুত এবং আরও সঠিক রোগনির্ণয়ে সহায়তা করার জন্য।

যাইহোক, এই সরঞ্জামগুলির সকলের এখনও লক্ষণ মূল্যায়ন এবং বিভিন্ন রোগনির্ণয়ের সম্ভাবনা অনুমান করার জন্য অতিরিক্ত পরীক্ষা বেছে নেওয়ার জন্য উন্নত চিকিৎসা দক্ষতা প্রয়োজন। মেশিন পার্থক্যমূলক রোগনির্ণয় বর্তমানে একাধিক সমবর্তী ডিসঅর্ডার শনাক্ত করতেও অক্ষম।^[১৫] তাই অ-বিশেষজ্ঞদের দ্বারা তাদের ব্যবহার পেশাদার রোগনির্ণয়ের বিকল্প নয়।

ইতিহাস

পার্থক্যমূলক রোগনির্ণয়ের পদ্ধতি প্রথমে মানসিক ডিসঅর্ডারের রোগনির্ণয়ে ব্যবহারের জন্য এমিল ক্রেপেলিন দ্বারা প্রস্তাবিত হয়েছিল। এটি গেস্টাল্ট (ইম্প্রেশন) দ্বারা রোগনির্ণয়ের পুরানো পদ্ধতির চেয়ে বেশি পদ্ধতিগত।^{[তথ্যসূত্র প্রয়োজন]}

বিকল্প চিকিৎসা অর্থ

"পার্থক্যমূলক রোগনির্ণয়" একটি প্রদত্ত উপসর্গের সবচেয়ে সাধারণ কারণগুলির তালিকা বোঝাতে, একটি প্রদত্ত ডিসঅর্ডারের অনুরূপ ডিসঅর্ডারের তালিকা বোঝাতে, বা এই ধরনের তালিকাগুলি যখন সেগুলিকে সংকীর্ণ করার পরামর্শ সহ টীকাযুক্ত হয় তখন আরও ঢিলেভাবে ব্যবহার করা হয় (ফ্রেঞ্চ'স ইনডেক্স অফ ডিফারেনশিয়াল ডায়াগনোসিস একটি উদাহরণ)। এইভাবে, এই অর্থে একটি পার্থক্যমূলক রোগনির্ণয় হল বিশেষভাবে রোগনির্ণয়ে সহায়তা করার জন্য সংগঠিত চিকিৎসা তথ্য।

চিকিৎসা ছাড়া অন্যান্য ক্ষেত্রে ব্যবহার

চিকিৎসায় পার্থক্যমূলক রোগনির্ণয় প্রক্রিয়ার অনুরূপ পদ্ধতিগুলি জৈব ট্যাক্সোনমিস্টদের দ্বারা জীবিত এবং বিলুপ্ত জীব সনাক্তকরণ এবং শ্রেণীবদ্ধ করার জন্য ব্যবহৃত হয়। উদাহরণস্বরূপ, একটি অজানা প্রজাতি খুঁজে পাওয়ার পরে, প্রথমে সমস্ত সম্ভাব্য প্রজাতির তালিকা তৈরি করা যেতে পারে, তারপর একে একে বাদ দেওয়া যেতে পারে যতক্ষণ না, সর্বোত্তমভাবে, শুধুমাত্র একটি সম্ভাব্য পছন্দ অবশিষ্ট থাকে।

আরও দেখুন

তথ্যসূত্র

↑ "differential diagnosis"। Merriam-Webster (Medical dictionary)। সংগ্রহের তারিখ ৩০ ডিসেম্বর ২০১৪।
↑ American Psychiatric Association, সম্পাদক (২০২২)। Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition, Text Revision (DSM-5-TR)। Washington, DC, USA: American Psychiatric Publishing। পৃষ্ঠা 150,158। আইএসবিএন 978-0-89042-575-6।
↑ Wilson, MC (২০১২)। The Patient History: Evidence-Based Approach To Differential Diagnosis। New York, NY: McGraw Hill। আইএসবিএন 9780071804202।
↑ Siegenthaler, Walter (২০১১)। Differential diagnosis in internal medicine : from symptom to diagnosis। Thieme। পৃষ্ঠা 6। আইএসবিএন 978-1604062199।
↑ Lim, Eric KS; Oster, Andrew JK; Rafferty, Andrew T (২০১৪)। Churchill's pocketbook of differential diagnosis (Fourth সংস্করণ)। Elsevier Health Sciences। আইএসবিএন 978-0702054044।
↑ Cf. VINDICATE – Mnemonic for differential diagnosis ওয়েব্যাক মেশিনে আর্কাইভকৃত ২০ ডিসেম্বর ২০১২ তারিখে at PG Blazer.com.
↑ Richardson, WS. (মার্চ ১৯৯৯)। "Users' Guides to the Medical Literature: XV. How to use an article about disease probability for differential diagnosis."। JAMA। 281 (13): 1214–1219। এসটুসিআইডি 2389981। ডিওআই:10.1001/jama.281.13.1214। পিএমআইডি 10199432। [১]
↑ Seccareccia, D. (মার্চ ২০১০)। "Cancer-related hypercalcemia."। Can Fam Physician। 56 (3): 244–6, e90–2। পিএমআইডি 20228307। পিএমসি 2837688  । [২] [৩]
↑ Lepage, R.; d'Amour, P.; Boucher, A.; Hamel, L.; Demontigny, C.; Labelle, F. (১৯৮৮)। "Clinical performance of a parathyrin immunoassay with dynamically determined reference values"। Clinical Chemistry। 34 (12): 2439–2443। ডিওআই:10.1093/clinchem/34.12.2439  । পিএমআইডি 3058363।
↑ Bargren, A. E.; Repplinger, D.; Chen, H.; Sippel, R. S. (২০১১)। "Can Biochemical Abnormalities Predict Symptomatology in Patients with Primary Hyperparathyroidism?"। Journal of the American College of Surgeons। 213 (3): 410–414। ডিওআই:10.1016/j.jamcollsurg.2011.06.401। পিএমআইডি 21723154।
↑ Parathyroid Cancer Treatment at National Cancer Institute. Last Modified: 03/11/2009
↑ Razzouk, D.; Mari, J. J.; Shirakawa, I.; Wainer, J.; Sigulem, D. (জানুয়ারি ২০০৬)। "Decision support system for the diagnosis of schizophrenia disorders"। Brazilian Journal of Medical and Biological Research। 39 (1): 119–28। ডিওআই:10.1590/s0100-879x2006000100014  । পিএমআইডি 16400472।
↑ Hejlesen OK, Olesen KG, Dessau R, Beltoft I, Trangeled M (২০০৫)। "Decision support for diagnosis of lyme disease"। Studies in Health Technology and Informatics। 116: 205–10। পিএমআইডি 16160260।
↑ "Evaluation of a Computer Assisted Decision Support System (DSS) for Diagnosis and Treatment of Ventilator Associated Pneumonia (VAP) in Intensive Care Unit (ICU)."। nih.gov। ১০ ফেব্রুয়ারি ২০০৯ তারিখে মূল থেকে আর্কাইভ করা। সংগ্রহের তারিখ ৩ অক্টোবর ২০০৮।
↑ Wadhwa, R.R.; Park, D.Y.; Natowicz, M.R. (২০১৮)। "The accuracy of computer-based diagnostic tools for the identification of concurrent genetic disorders"। American Journal of Medical Genetics Part A। 176 (12): 2704–2709। এসটুসিআইডি 53758271। ডিওআই:10.1002/ajmg.a.40651। পিএমআইডি 30475443।

[1] "differential diagnosis"। Merriam-Webster (Medical dictionary)। সংগ্রহের তারিখ ৩০ ডিসেম্বর ২০১৪।

[2] American Psychiatric Association, সম্পাদক (২০২২)। Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition, Text Revision (DSM-5-TR)। Washington, DC, USA: American Psychiatric Publishing। পৃষ্ঠা 150,158। আইএসবিএন 978-0-89042-575-6।

[3] Wilson, MC (২০১২)। The Patient History: Evidence-Based Approach To Differential Diagnosis। New York, NY: McGraw Hill। আইএসবিএন 9780071804202।

[4] Siegenthaler, Walter (২০১১)। Differential diagnosis in internal medicine : from symptom to diagnosis। Thieme। পৃষ্ঠা 6। আইএসবিএন 978-1604062199।

[5] Lim, Eric KS; Oster, Andrew JK; Rafferty, Andrew T (২০১৪)। Churchill's pocketbook of differential diagnosis (Fourth সংস্করণ)। Elsevier Health Sciences। আইএসবিএন 978-0702054044।

[6] Cf. VINDICATE – Mnemonic for differential diagnosis ওয়েব্যাক মেশিনে আর্কাইভকৃত ২০ ডিসেম্বর ২০১২ তারিখে at PG Blazer.com.

[7] Richardson, WS. (মার্চ ১৯৯৯)। "Users' Guides to the Medical Literature: XV. How to use an article about disease probability for differential diagnosis."। JAMA। 281 (13): 1214–1219। এসটুসিআইডি 2389981। ডিওআই:10.1001/jama.281.13.1214। পিএমআইডি 10199432। [১]

[8] Seccareccia, D. (মার্চ ২০১০)। "Cancer-related hypercalcemia."। Can Fam Physician। 56 (3): 244–6, e90–2। পিএমআইডি 20228307। পিএমসি 2837688  । [২] [৩]

[9] Lepage, R.; d'Amour, P.; Boucher, A.; Hamel, L.; Demontigny, C.; Labelle, F. (১৯৮৮)। "Clinical performance of a parathyrin immunoassay with dynamically determined reference values"। Clinical Chemistry। 34 (12): 2439–2443। ডিওআই:10.1093/clinchem/34.12.2439  । পিএমআইডি 3058363।

[10] Bargren, A. E.; Repplinger, D.; Chen, H.; Sippel, R. S. (২০১১)। "Can Biochemical Abnormalities Predict Symptomatology in Patients with Primary Hyperparathyroidism?"। Journal of the American College of Surgeons। 213 (3): 410–414। ডিওআই:10.1016/j.jamcollsurg.2011.06.401। পিএমআইডি 21723154।

[11] Parathyroid Cancer Treatment at National Cancer Institute. Last Modified: 03/11/2009

[12] Razzouk, D.; Mari, J. J.; Shirakawa, I.; Wainer, J.; Sigulem, D. (জানুয়ারি ২০০৬)। "Decision support system for the diagnosis of schizophrenia disorders"। Brazilian Journal of Medical and Biological Research। 39 (1): 119–28। ডিওআই:10.1590/s0100-879x2006000100014  । পিএমআইডি 16400472।

[13] Hejlesen OK, Olesen KG, Dessau R, Beltoft I, Trangeled M (২০০৫)। "Decision support for diagnosis of lyme disease"। Studies in Health Technology and Informatics। 116: 205–10। পিএমআইডি 16160260।

[14] "Evaluation of a Computer Assisted Decision Support System (DSS) for Diagnosis and Treatment of Ventilator Associated Pneumonia (VAP) in Intensive Care Unit (ICU)."। nih.gov। ১০ ফেব্রুয়ারি ২০০৯ তারিখে মূল থেকে আর্কাইভ করা। সংগ্রহের তারিখ ৩ অক্টোবর ২০০৮।

[15] Wadhwa, R.R.; Park, D.Y.; Natowicz, M.R. (২০১৮)। "The accuracy of computer-based diagnostic tools for the identification of concurrent genetic disorders"। American Journal of Medical Genetics Part A। 176 (12): 2704–2709। এসটুসিআইডি 53758271। ডিওআই:10.1002/ajmg.a.40651। পিএমআইডি 30475443।

[১]

[২]

[৩]

[৪]

[৫]

[৬]

[৭]

[৮]

[৯]

[১০]

[১১]

[১২]

[১৩]

[১৪]

[১৫]

পার্থক্যমূলক রোগনির্ণয়

পরিচ্ছেদসমূহ

সাধারণ উপাদান

নির্দিষ্ট পদ্ধতি

মহামারী-ভিত্তিক পদ্ধতি

তত্ত্ব

উদাহরণ

সম্ভাবনা অনুপাত-ভিত্তিক পদ্ধতি

তত্ত্ব

উদাহরণ

প্রার্থী অবস্থার কভারেজ

সংমিশ্রণ

মেশিন পার্থক্যমূলক রোগনির্ণয়

ইতিহাস

বিকল্প চিকিৎসা অর্থ

চিকিৎসা ছাড়া অন্যান্য ক্ষেত্রে ব্যবহার

জনপ্রিয় সংস্কৃতিতে

আরও দেখুন

তথ্যসূত্র