感度と特異度、予測値

Contents:

1. 感度（真陽性率）とは
2. 特異度（真陰性率）とは
3. 感度と特異度、予測値は？
4. 陽性予測値
5. 陰性予測値

高感度検査とは何ですか

検査の感度 (真の陽性率とも呼ばれます) は、その病気を持つ人のうち陽性結果が得られる人の割合と定義されます。 言い換えれば、感度の高い検査とは、病気を持つ患者を正しく識別するものです。 感度が100％の検査では、その病気に罹患している患者さんをすべて特定することができます。 感度が100％の検査は極めて稀です。

高感度検査は、結果が陰性であれば、病気を除外するのに有効です。 例えば、乳頭塗抹検査で陰性であれば、おそらくその人は子宮頸がんではないことを意味します。
Back to Top

特異的な検査とは

検査の特異性（真陰性率とも呼ばれます）とは、病気のない人のうち、陰性となる人の割合のことです。 言い換えれば、検査の特異性とは、検査が病気を持っていない患者をどれだけうまく識別できるかを指します。 特異度100％の検査は、その病気にかかっていない患者を100％識別します。

特異度が高い（陰性率が高い）検査は、結果が陽性である場合に最も有用です。 特異度の高い検査は、特定の病気を持っている患者を除外するのに有効です。 頭文字をとって、SPin（high Specificity, rule in）と呼ばれています。

「高い」範囲とは何ですか

何が「高い」感度または特異性と認められるかは、検査によって異なります。 例えば、深部静脈血栓症や肺塞栓症の検査のカットオフは200～500ng/dLです（Pregerson, 2016）。
Back to Top

高感度/低特異性の例

A mammogram is a high-sensitivity / low specificity test.

General, high sensitivity tests have low specificity.これは一般的に、高感度な検査は低特異性であることを意味します。 言い換えれば、それらは病気の実際のケースをキャッチするのに適していますが、偽陽性のかなり高い割合も伴います。 マンモグラムは、一般に感度（約70～80％）が高く、特異度が低い検査の一例です。 感度は、腫瘍の大きさ、患者の年齢、その他の要因に依存します。 Cancer.gov によると、この検査にはかなり高い偽陽性率も伴います。米国で 10 年間、毎年マンモグラフィーを受ける女性の半数は、偽陽性の結果を経験します。

低い感度/高い特異度の例

このタイプの検査の例として、入院患者の尿路感染症を調べるために使用する硝酸塩点滴検査 (e.g.) が挙げられます。
Back to Top

Positive Predictive Value (PPV) とは、仮説テストにおいて陽性結果が、実際に効果があることを意味する確率のことを指します。 検査結果が陽性であった患者が、実際にその病気に罹患している確率です。 医学的な検査でよく使われるもので、「陽性」という結果は、実際にその病気にかかっていることを意味します。 例えば、あなたがある種の癌の検査を受け、その検査のPPVが15.2％だったとしましょう。 つまり、検査で陽性と出た場合、実際にがんにかかる確率は15.2％ということです。 つまり、検査結果が陽性でも、必ずしも特定の病気であることを意味しないのです。 例えば、マンモグラフィーの検査結果が陽性でも、乳がんになる確率（陽性適中率）が10％しかない場合もあります。

陽性的中率は、スクリーニング検査の成功を評価する方法の 1 つです (特異度、感度、陰性的中率とともに)。 病気が非常によく見られる場合、検査結果が陽性の人は、病気がまれな集団で検査が陽性になった人よりも、実際に病気を持っている可能性が高くなります。

陽性的中率の計算

陽性的中率は、いくつかの方法で計算できます。 最も一般的なものは 2 つあります:

陽性予測値 = 真陽性数 / 真陽性数 + 偽陽性数
または
陽性予測値 = 感度 x 有病率 / 感度 x 有病率 + (1- 比率) x (1-Prevalence)

感度は、テスト結果が陽性となる疾患を持つ人の割合のことです。

予測値は、このような 2×2 分割表から計算できます。

陽性予測値を計算するために必要な 2 つの情報は、真陽性率 (セル a) と偽陽性率 (セル b) という丸で囲ってあるものです。
数式を使用します:
Positive predictive value = True Positive Rate / (true positive rate + false positive rate)*100
この特定のデータ セットについて:
Positive predictive value = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9.9% となります。

優れた検査では、b (偽陽性) と c (偽陰性) のセルの数値が低くなります。 これは理にかなっています。完璧な検査では、真の陽性と真の陰性の場所にしか数値が出ないからです。 しかし、現実には、完璧な検査は存在しません。 さらに、PPVは母集団における病気の有病率に影響されます。

次の写真 (Wikipedia の提供) は、真の陽性 (20) と偽陽性 (180) で割った PPV がわずか 10%であることを示しています。 つまり、このテストは高い偽陽性率のリスクを伴うということです。

陽性予測値は、任意の分割表から計算することが可能です。 この BU.EDU ページにあるオンライン妥当性計算機 (ページの一番下までスクロール) では、分割表を使って陽性予測値を計算します。

陽性予測値とテストの感度

陽性予測値の定義は、テストの感度と似ており、この 2 つはしばしば混同されます。 しかし、PPV は患者にとって有用であり、感度は医師にとってより有用です。 陽性的中率は、陽性の結果が出た場合に、あなたが病気を持つ確率を教えてくれます。 これは、慌てるべきかどうかを知らせるのに有効です。 一方、検査の感度は、その病気を持つ人のうち、どの程度の割合で陽性となるかを示すものです。
Back to Top

陰性的中率

陰性的中率とは、検査結果が陰性だった人が本当に病気でない確率のことを指します。 言い換えれば、陰性という検査結果が正確である確率のことです。

陰性予測値を求める公式は次のとおりです。
Negative predictive value = True Negative Rate / (true negative rate + false negative rate)*100

上記のデータセットについて：
Negative predictive value = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.0.0.0.0.0.0 0.1.0 0.9%. つまり、この特定の検査を受けて陰性の結果が出た場合、病気にかかっていない確率は99.9%です。

Beyer, W. H. CRC Standard Mathematical Tables, 31th ed………….All Rights Reserved. Boca Raton, FL: CRC Press, pp.536 and 571, 2002.
Dodge, Y. (2008). コンサイス・エンサイクロペディア・オブ・スタティスティックス(The Concise Encyclopedia of Statistics). Springer.
Everitt, B. S.; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S.; 他, eds. (2006), Encyclopedia of Statistical Sciences, Wiley.

————————————————————–

宿題やテストの質問で助けが必要ですか？ Chegg Studyでは、その分野の専門家からステップバイステップで疑問点を解決することができます。 Cheggのチューターとの最初の30分間は無料です!