Le Strategie Diagnostiche nella Medicina Pratica quotidiana: Conoscerle per utilizzarle in maniera ottimale

Il cosiddetto “ Occhio Clinico”

Nelle pillole precedenti abbiamo brevemente illustrato alcuni concetti basilari che possono aiutarci a risolvere i rompicapi della medicina evitando, per quanto possibile, di commettere grossolani errori.
Tuttavia nella pratica quotidiana spesso non vi è il tempo e talora non vi è neppure la necessità di addentrarsi in ragionamenti approfonditi per effettuare una diagnosi corretta: da circa due secoli i clinici formulano diagnosi veloci, corrette e talora brillanti utilizzando il proprio “occhio clinico” ovvero quell’insieme strutturato di conoscenze e di esperienza che le neuroscienze hanno dimostrato essere basate sulla memoria episodica,su quella semantica, sulla memoria di lavoro e su quella procedurale …
I colleghi di cultura anglo-sassone, da secoli pragmatici ed operativi, hanno approfondito queste “Strategie di diagnosi veloce” distinguendone diversi tipi da utilizzarsi in diverse situazioni cliniche ed evidenziandone vantaggi ( in genere sempre un notevole risparmio di tempo …) ma anche limiti e potenziali errori.
Ve le proponiamo, con brevi commenti, perché sono strategie utilizzate quotidianamente e spesso inconsapevolmente: dobbiamo conoscerne pregi e difetti per utilizzarle in maniera ottimale

Strategie di Prima Fase

Spot Diagnosis: E’ una diagnosi istantanea che si basa su precedenti esperienze generalmente visive o auditive del quadro clinico e non richiede la acquisizione di ulteriori dati
( Esempi di diagnosi corretta: molte affezioni dermatologiche- psoriasi, acne ecc.- ma anche alcune malattie tipo la pertosse riconoscibile uditivamente dalla tosse abbaiante ecc. Esempio di errore: il carcinoma buccale scambiato per banale ulcera aftosa)
Self Labelling: E’ sostanzialmente una auto-diagnosi: viene infatti formulata direttamente dal paziente. E’ attendibile per forme semplici, specie se già lamentate dal paziente, va tuttavia sempre valutata criticamente perché il paziente, per quanto esperto tende a cadere facilmente nel “Bias dell’Ancoraggio”(vedi pillola n.2)
( Esempi diagnosi corretta. Cistite, Tonsillite Streptococcica Esempio di errore: Cefalea nucale in paziente artrosica: Autodiagnosi: cervicalgia da artrosi --Diagnosi reale, formulata in rianimazione:Emorragia sub Aracnoidea… )
Presenting Complaint: E’ la diagnosi basata sul sintomo lamentato dal paziente (Esempi Diagnosi Corretta: Cefalea, Dismenorrea Esempio Errore: Gravidanza extrauterina scambiata per dismenorrea…)
Pattern Recognition Trigger: La associazione di più elementi –segni o sintomi- richiama un modello noto e fa scattare la ipotesi diagnostica (Esempio diagnosi corretta: Tachicardia ed ansia con dimagrimento > Diagnosi: Ipertiroidismo Esempio di errore:Pallore, Sudorazione, Lipotima in Diabetico: Infarto miocardico scambiato per crisi ipoglicemica)

Strategie di Conferma delle Ipotesi
Quando la diagnosi non è agevole o comunque quando vi siano dubbi diagnostici anche i pragmatici colleghi anglosassoni consigliano alcune possibili strategie di conferma che hanno codificato in alcune procedure molto utili nella medicina pratica.

Restricted Rule Outs: Vengono via via scartate le varie ipotesi diagnostiche iniziando tuttavia dalle affezioni più gravi o che comunque che richiedano interventi particolari (Esempio: in caso di Cefalea escludere anzitutto una emorragia subaracnoidea od un problema neurologico urgente quindi escludere la meningite (isolamento!) quindi passare in rassegna la varie ipotesi iniziando dalle più comuni ma ricercando via via anche segni di malattie meno frequenti ( es. Arterite Di Horton)
Stepwise Refinement: La diagnosi viene rifinita per passaggi successivi (Esempio: Ematuria: si distingue anzitutto una ematuria di origine urologica da una di origine nefrologica od ematologica( emoglobinuria). Accertata la origine urologica si compie una diagnosi d'organo: Rene? Vie escretrici? Vescica? ...)
Ragionamento Probabilistico: E’ il metodo che più di qualsiasi altro si basa su procedimenti scientifici ma per essere applicato correttamente richiede la conoscenza della prevalenza delle malattie e del valore predittivo di segni, sintomi e dati laboratoristici-strumentali ( e la capacità di utilizzare l'importantissimo Teorema di Bayes sulla probabilità condizionata..)
(Esempio: una diarrea in un paese tropicale ha molto probabilmente una etiologia parassitaria o batterica mentre in un paese del Nord Europa ha più probabilmente una etiologia virale,ma se il paziente è immunodepresso potrebbe avere una etiologia particolare: va tuttavia precisato che in questo, come in molti altri casi, non applichiamo il vero metodo probabilistico ma utilizziamo semplicemente una “epidemiologia ruspante”…)
Pattern Recognition Fit: Il quadro in esame viene confrontato con quadri clinici analoghi, già conosciuti o diagnosticati dal medico: nella sostanza si tratta di un perfezionamento del “Pattern Recognition Trigger”: quest'ultimo è un processo veloce mentre il Pattern Recognition Fit è più raffinato e si riferisce a situazioni cliniche più complesse ( esempio forma polimialgica non tipica che per vari elementi ricorda pazienti già seguiti e che in seguito svilupparono neoplasie: alla nostra mente si affaccia la ipotesi di “polimialgia paraneoplastica”...)
Clinical Prediction Rule: E’in sostanza una versione ancora più evoluta del Pattern Recognition, espressa con chiare regole formali che generalmente attribuiscono a segni e sintomi un punteggio basato su studi validati : ne risultano le utilissime Scale che conosciamo ed usiamo quotidianamente..(Esempi. ABCD2 Score per valutare il rischio di Ictus dopo TIA-NIH Stroke Scale per una diagnosi sulla gravità dell’ictus CHA2DS-Vasc ed HAS-Bled per valutare rischio embolico ed emorragico nella Fibrillazione Atriale, Padua Prediction Score per il rischio di trombo embolia ecc)