用途:该框架把鉴别诊断从直觉过程变成可复核的推理流程:先广泛生成可能的诊断假设,再按概率、紧迫性和可治疗性排序,随后用检验的似然比与检验/治疗阈值决定是否检查、检查什么。它主要面向临床受训者、构建诊断类工具的研究者以及需要教学或评估临床推理的人。
主要能力:
- 假设生成与剪枝:按系统或病理生理类别(解剖、感染、炎症、肿瘤、血管、代谢、创伤、医源性等)组织尽可能完整的鉴别列表,可借助 VINDICATE 或解剖学方法避免漏掉类别,并强调“生成成本低、漏诊代价高”。
- 优先级排序:按就诊表现下的验前概率排序,同时叠加紧迫性权重(如心梗、脓毒症、蛛网膜下腔出血等不可漏诊诊断)和可治疗性;“最可能”与“最危险”是两张不同的清单,需要同时处理。
- 贝叶斯更新:验前概率 → 已知似然比的检验 → 验后概率;例如低风险患者 D-二聚体阳性几乎不改变判断,而高风险患者同一结果则具有决定性。检验不直接下诊断,只用于更新概率。
- 检验与治疗阈值:低于检验阈值不检查(即使阳性也不改变处理),高于治疗阈值可直接治疗,介于两者之间才做检查,以避免过度检查和危险的检查不足。
- 用似然比替代敏感度/特异度:给出 LR+ = sens/(1−spec)、LR− = (1−sens)/spec,LR 可直接与验前比数结合,比预测值更易跨人群迁移;建议记住常见检验的大致 LR 而非敏感度/特异度组合。
- 认知偏差对抗:针对锚定(强制生成替代假设)、确认偏误(追问“什么能推翻我的主诊断”)、过早闭合(闭合前必须显式考虑不可漏诊诊断)、忽视基础率(用数值写出验前概率)。
- 奥卡姆与 Hickam 原则:优先统一诊断,但患者可能同时患有两种疾病;当表现不完全吻合时,尤其在老年或复杂患者中应考虑两种诊断并存。
- 推理记录:记录鉴别列表、主假设及其概率、什么会改变判断以及后续计划。
使用方式:采用实践工作流——采集数据(病史的起病方式、性质、伴随症状、危险因素,查体与已有结果,并记录“缺什么”而非只记录“有什么”);按类别生成诊断清单并纳入低概率的不可漏诊诊断;给出粗略验前概率并标注危险与可治疗项;针对当前决策选择似然比最优的检验,遵守检验与治疗阈值,不安排无法改变处理的检查;随每项结果更新概率,必要时放弃主假设(设置“诊断超时”定时重审鉴别);观察治疗反应作为诊断信息,但注意安慰剂与自然病程等混杂因素;最后闭环:记录最终诊断与推理、跟进待回报结果、给出何时复诊的安全网建议。
适用场景:未分化表现的首轮鉴别构建;决定先查哪个诊断(概率×紧迫性×可治疗性);依据似然比和阈值选择检验;教学或评估临床推理;设计诊断决策支持工具或评估其输出质量。
限制:资料明确说明该技能仅支持临床推理教育与决策支持设计,不针对个体患者提供医疗建议,诊断决策需要具备完整临床背景的合格临床医生作出。资料未提供具体技术实现、平台支持、安装命令或收费信息。