特異度

統合臨床医学 ユニット④
「臨床検査の基礎知識」
コアカリキュラム
1)臨床検査の基準値・カットオフ値の意味が説明できる。
2)検査の特性(感度、特異度、偽陽性、偽陰性、検査前確率・予測値、尤度
比)を説明できる。
3)末梢血液検査の目的と適応を説明し、結果を解釈できる。
4)尿検査の目的、適応と異常所見を説明し、結果を解釈できる。
5)糞便検査の目的、適応と異常所見を説明し、結果を解釈できる。
6)血液生化学検査項目を列挙し目的、適応と異常所見を説明し、結果を解
釈できる。
7)血清・免疫学的検査項目の目的、適応と異常所見を説明し、結果を解釈
できる。
8)心電図検査の目的、適応と異常所見を説明し、結果を解釈できる。
9)動脈血ガス分析の目的、適応と異常所見を説明し、結果を解釈できる。
10)呼吸機能検査の目的、適応と異常所見を説明し、結果を解釈できる。
11)髄液検査の目的、適応と異常所見を説明し、結果を解釈できる。
コアカリキュラムの内容
1)臨床検査の基準値・カットオフ値の意味が
説明できる。
2)検査の特性(感度、特異度、偽陽性、偽陰性、
検査前確率・予測値、尤度比)を説明できる。
3)末梢血液検査、尿検査、糞便検査、血液生
化学検査、血清・免疫学的検査、心電図検査、
動脈血ガス分析、呼吸機能検査、髄液検査
の目的、適応と異常所見を説明し、結果を
解釈できる。
臨床検査の種類
 検体検査
– 血液学的検査、生化学検査、内分泌学的検査、
免疫血清検査、腫瘍マーカー、尿・糞便検査、
髄液検査、細菌検査、遺伝子検査
 生理機能検査
– 心電図、呼吸機能、脳波、筋電図、他
 病理検査
 画像診断
検査結果の表現
 定性検査:結果が陰性か陽性となるもの
 半定量検査:ー、±、+、++、+++など
 定量検査:結果が数値として報告されるもの
 波形、パターン:心電図、電気泳動など
 画像:血液像、病理、X線検査、その他
診療の手順
問診
診断の候補
診察
診断の確定
検査
治療
鑑別診断
原因となっている疾患
を類似した他の疾患
から識別すること
検査値の変動要因
 個体間変動
– 性差、年齢、個体差、生活習慣、職業、地域差等
 個体内変動
– 日内変動、日差変動、食事、体位、運動、妊娠等
 疾病
– 疾病、病期、重症度、治療
 測定系
– 測定方法、試薬、測定誤差等
実際の検査結果
RBC
Hb
Ht
WBC
Plt
318 万/μl
4.9 g/dl
17.1 %
4,000 /μl
38.6 万/μl
検査値を解釈するためのめやす
 基準範囲(Reference Interval)
– 基準個体群(通常は健常者)の95%が含
まれる範囲(昔の正常値と同じ)
 カットオフ値
– 特定の疾患(病態)の有無を識別するため
の境界値(病態識別値)
 その他、治療目標値など
基準範囲とカットオフ値の関係
カットオフ値
頻度
健常者群
疾患群
測定値
基準範囲の設定方法
 なんらかの医学的基準を設定し、基準個体を
選別する
 基準個体の集団(基準個体群)について問診
と測定を行う
 測定値の分布を検討し、必要に応じて背景因
子(性別、年齢等)による層別化を行う
 測定値の分布の中央95%の範囲を基準範囲
とする
 設定の手順を文書として記録する
なぜ「正常値」と言わなくなったか
 健常者=「健康なひと」を医学的に明確に定
義、識別することができない
 「健康」は「病気ではないこと」だから、その範
囲は時代とともに変わる
 明確な選別基準を決めて、その条件を満た
す個体群(基準個体群)の95%を含む検査
値の範囲だから「基準範囲」
基準範囲の計算方法
 ノンパラメトリック法
– 測定値を小さい順に並べ、上下2.5%のデータを
除いた範囲
 パラメトリック法
– 正規分布、対数正規分布等の分布モデルを仮定
– 正規分布の場合 平均±1.96×標準偏差の範囲
– 変数変換を行った場合は上記の範囲を逆変換
正規分布と対数正規分布
正規分布(血清蛋白など)
最頻値
基準範囲
対数正規分布(血清酵素など)
最頻値
基準範囲
基準範囲はあくまでものさし
 検査値が基準範囲内であれば正常(健康)と
いうことではない!
 通常、個体の検査値の変動は、集団の変動
(基準範囲)にくらべてずっと小さい
 基準範囲内であっても、一定の傾向で値が変
動していれば、なんらかの問題が潜んでいる
検査値の解釈
検査陽性
疾病あり
検査陰性
疾病なし
実際には
検査陽性
検査陰性
疾病であること
が多いが、ない
場合(偽陽性)も
ある
疾病でないこと
が多いが、ある
場合(偽陰性)
もある
検査と疾患の関係
多くの検査は、複数の疾患(病態)で
陽性となる
特定の疾患でしか陽性を示さない検
査もある(特殊検査)
検査の使い方
 ふるい分けのための検査
(スクリーニング)
 診断を確定するための検査
(確定診断)
 他の疾患を除外するための検査
(除外診断)
 経過観察、治療効果判定のための検査
検査の特性の評価
 まず特定の疾患と検査の組を考える
疾患
有
検
査
陽
性
陰
性
無
真陽性 偽陽性
偽陰性 真陰性
感度(sensitivity)
 疾患群で検査が陽性(真陽性)となる確率
 予め他の方法でその疾患に罹患している
ことが分かっている患者の集団についてそ
の検査を実施し
感度 = 真陽性者数 / 患者総数
= 真陽性者数
/ (真陽性者数+偽陰性者数)
特異度(specificity)
 非疾患群で検査が陰性(真陰性)となる確率
 予め他の方法でその疾患に罹患していない
ことが分かっている集団についてその検査を
実施し
感度 = 真陰性者数 / 非罹患者総数
= 真陰性者数
/ (真陰性者数+偽陽性者数)
感度、特異度
疾患
検
査
 感度
陽
性
陰
性
有
無
a
b
c
d
= a / (a + c)
(その検査による疾病発見の能力)
 特異度 = d / (b + d)
(非患者を陽性としない能力)
感度も特異度も高い検査
検
査
疾患
陽
性
陰
性
有
無
a
少数
b
c
少数
d
 偽陽性、偽陰性となる確率が低い
 検査陽性ならばその疾患、陰性ならばその疾
患に罹患していないといえる
 従って、その検査だけで診断が確定できる
 このような検査は、一般にリスクが高く(侵襲
が大きい)、経費も大
感度が高い検査
疾患
検
査
陽
性
陰
性
有
無
a
b
c0
少数
d
 偽陰性となる確率が低い(患者群)
 偽陽性となる確率はさまざま(非患者群)
 その疾患に罹患していれば、大部分が検査陽
性となる(スクリーニングに有用)
 検査が陰性ならば、その疾患をほぼ否定でき
る(除外診断)
特異度が高い検査
疾患
検
査
陽
性
陰
性
有
無
a
少数
b
c
d
 偽陽性となる確率が低い(非患者群)
 偽陰性についてはさまざま(患者群)
 その疾患に罹患していなければ、大部分が
検査陰性
 このような検査で陽性となれば、その疾患に
罹患しているといえる(確定診断)
その他の疫学的指標
疾患群総数(a+b)と
非疾患群総数(c+d)
とが、母集団における
それぞれの群の比率
を反映している場合は
検
査
陽
性
陰
性
疾患
有
無
a
b
c
d
有病率(prevalence)
= (a + c) /(a + b + c + d)
有効度(efficiency)
= (a +d) /(a + b + c + d)
検査前確率
 検査を行う前に、患者がその疾患である確率
を検査前確率という。
 他に情報がなければ、検査前確率はその疾
患の有病率に等しいと考える。
予測値(predictive value)
 検査結果を得ることによって、患者がその疾
患である確率は修正される。この修正された
有疾患確率を予測値という。予測値は検査後
確率とも呼ばれる。
 検査結果が陽性の場合、患者が疾患に罹患
している確率を陽性予測値とよぶ。
 検査結果が陰性の場合、患者が疾患に罹患
していない確率を陰性予測値とよぶ。
予測値
疾患
検
査
陽
性
陰
性
有
無
a
b
c
d
陽性予測値(Positive Predictive Value)
= a / (a + b)
陰性予測値(Negative Predictive Value)
= d / (c + d)
陽性予測値の計算
陽性予測値
=検査陽性者が疾患に罹患している確率
=
検査陽性となる患者数
検査陽性となる患者数+検査陽性となる非患者数
陽性予測値の計算
検査陽性となる患者数
=総人口×疾患の確率×真陽性率
=総人口×有病率×感度
検査陽性となる非患者数
=総人口×疾患でない確率×偽陽性率
=総人口×(1-有病率)×(1-特異度)
(=1-特異度)
整理すると
陽性予測値
=検査陽性者が疾患に罹患している確率
=
検査陽性となる患者数
検査陽性となる患者数+検査陽性となる非患者数
=
有病率×感度
有病率×感度+(1-有病率)×(1-特異度)
ベイズ(Bayes)の定理
P(D/T+) =
P(D)×P(T+/D)
P(D)×P(T+/D) +P(noD)×P(T+/noD)
 T+は検査陽性、P( / )は条件付き確率
 P(D)
 P(T+/D)
 P(noD)
 P(T+/noD)
= 疾患頻度(有病率)
= 感度
= 1 - P(D)(疾患頻度)
= 1 - 特異度
陰性予測値については
 試験までに各自考えてください!
しかし
疾患
検
査
陽
性
陰
性
有
無
9
1000
1
100,000
有病率(事前確率)=0.01%
感度=90% 特異度=99%
陽性予測値(検査後確率)=0.9% !!
尤度比(ゆうどひ:likelihood ratio)
尤度比 =
その状態の人がその検査結果となる確率
その状態にない人がその検査結果となる確率
陽性尤度比
=
疾患に罹患している人が検査陽性となる確率
疾患に罹患していない人が検査陽性となる確率
=
真陽性率
偽陽性率
=
感度
1―特異度
特異度が高いほど値が大きくなる
陰性尤度比
=
疾患に罹患している人が検査陰性となる確率
疾患に罹患していない人が検査陰性となる確率
=
偽陰性率
真陰性率
=
1-感度
特異度
感度が高ければ0に近づく
確率とオッズ (odds)
 ある事象がどれくらいの確からしさで起こるかを表現
するには、確率とオッズという二通りの方法がある
事象が起こる確率(P)
= a / (a+b)
odds
=a/b
定義から
odds = P / (1-P)
P = odds / (1 + odds)
事象
あり
なし
a
b
Oddsと尤度比
検査後 odds =
=
検査後確率
1-検査後確率
検査前 odds×尤度比
尤度比が大きければ(10以上)確定診断に
小さければ(0.1以下)除外診断に有用
カットオフ値
カットオフ値
頻度
頻度
患者群
非患者群
測定値
カットオフ値の設定
カットオフ値
頻度
頻度
患者群
偽陰性
真陽性
真陰性
偽陽性
非患者群
測定値
ROC曲線
(Receiver Operating Characteristic curve)
感度
1
0
カットオフ値を設定すると感度
と特異度が決まる。
そこでカットオフ値を動かすこ
とにより曲線が描画される。
この曲線をROC曲線とよぶ。
1
偽陽性率(=1-特異度)
理想的な検査
a
b
c
d
e
ROC curve
頻度
患者群
1
0.9
c
b
a
0.8
感度
0.7
0.6
0.5
d
0.4
0.3
頻度
0.2
0.1
e
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
非患者群
測定値
偽陽性率
(=1-特異度)
全く役に立たない検査
カットオフ値
感度+特異度=1
ROC curve
頻度
1
患者群
0.9
0.8
感度
0.7
0.6
0.5
0.4
0.3
頻度
0.2
非患者群
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
測定値
偽陽性率
(=1-特異度)
一般の場合
ROC curve
頻度
1
0.9
0.8
感度
0.7
0.6
0.5
0.4
0.3
0.2
頻度
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
測定値
偽陽性率
(=1-特異度)
1
理想的な検査
0.9
0.8
一般の検査
0.7
感度
0.6
役に立たない検査
0.5
0.4
0.3
0.2
0.1
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
偽陽性率
(=1-特異度)
0.9
1
疾患群、非疾患群の検査
値分布が離れているほど、
ROC曲線はオレンジ色の曲
線に近づく
ROC曲線によるカットオフ値の設定
感度、特異度をともに高くす
るためには、ROC曲線上で
点(0,1)に最も近い点をカッ
トオフ値とすればよい。
1
0.9
0.8
0.7
感度
0.6
0.5
実際には、その検査が使わ
れる状況やコストを考慮して
カットオフ値が決定される。
0.4
0.3
0.2
0.1
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
偽陽性率
(=1-特異度)
0.9
1
検査の比較もできる
 ROC曲線の曲線下面積(AUC)は、その検査
による、その疾患の識別能力を反映する
– 理想的な検査
→ 1
– 役に立たない検査 → 0.5
 AUCの大きな検査ほど、疾患の識別能力が
高い(疾患群と非疾患群の分離がよい)とい
える
検査計画
 検査は患者の体に侵襲を加えることになり、
経済的にも負担を与える。
 検査の実施にあたっては、保険診療上の制
約がある。
 従って、適切な検査を、適切なタイミングで、
必要最小限行って、正しい診療を行うことが
重要になる。
一般的な検査の進め方
スクリーニング
感度の高い検
査で真の疾患
を取りこぼさな
いよう絞込み
侵襲、経費が少ない検査
除外診断
確定診断
感度の高い検
査で、他の疾
患を除外し
特異度の高
い検査で診
断を確定
侵襲、経費が大きい検査