医師の診療過程 - 新潟大学医学部医学科

検査診断総論
• 検査の感度と特異度
• 基準範囲
• カットオフ値とROC曲線
• 尤度比
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
検査の使われ方
検査陽性
疾病あり
検査陰性
疾病なし
実際には
検査陽性
疾病であること
が多いが、ない
場合もある
検査陰性
疾病でないこと
が多いが、ある
場合もある
さらに
検査A 陽性
検査B 陰性
検査C 陽性
検査D 陰性
検査E 陽性
疾病は?
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(能力)の評価
• まず特定の検査と、特定の疾患の組を考える
疾患
有
検
査
陽
性
陰
性
無
真陽性 偽陽性
偽陰性 真陰性
感度、特異度
疾患
検
査
• 感度(sensitivity)
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(specificity)
= 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
b
ー
c
ー
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
患でないといえる
• 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
ー
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
b
ー
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)
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
疾患
検
査
陽
性
陰
性
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)
その他の検査の効果指標
検
査
陽
性
陰
性
疾患
有
無
a
b
c
d
陽性反応的中度(Positive Predictive Value)
= a / (a + b)
陰性反応的中度(Negative Predictive Value)
= d / (c + d)
ベイズの定理
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)
= 疾患頻度(有病率)
P(T+/D)
= 感度
P(noD)
= 1 - P(D)(疾患頻度)
P(T+/noD)
= 1 - 特異度
ベイズの定理
陽性反応的中度
=検査陽性者が疾患に罹患している確率
=
有病率×感度
有病率×感度+(1-有病率)×偽陽性率
(=1-特異度)
計算すると
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%
陽性反応適中度(事後確率)=0.9% !!
尤度比(ゆうどひ:likelihood ratio)
尤度比 =
その状態のひとがその検査結果となる確率
その状態にないひとがその検査結果となる確率
=
感度
1-特異度
(検査陽性の場合)
=
1-感度
特異度
(検査陰性の場合)
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
定量的検査の解釈基準
• 基準範囲
– 基準個体群(通常は健常者)の95%が含
まれる範囲
• カットオフ値
– 特定の疾患(病態)の有無を識別するため
の値
• その他、治療目標値などもある
基準範囲とカットオフ値の関係
健常者群
カットオフ値
疾患群
基準範囲
実際の検査値分布
0.12
0.1
健常者
肝疾患患者
Frequency
0.08
0.06
0.04
0.02
0
1
10
100
GPT (IU/l)
1000
基準範囲の設定
健常者の検査値分布は正規分布ばかりではなく、
対数正規分布などさまざまな場合がある
• 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
なぜ「正常値」といわなくなったか
• 健常者=「健康なひと」を明確に定義、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
いうことでは決してない!
• 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
カットオフ値の決め方
非疾患群
疾患群
カットオフ値を動かして、
感度や特異度が望ましい
値をとるところに決める
ROC曲線
(Receiver Operating Characteristic curve)
1
理想的な検査
感
度
一般の検査
役に立たない検査
0
1
偽陽性率=1-特異度
曲線が左上に偏っていて
曲線下の面積が大きい検
査ほど有用!
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
検査の一般的な進め方
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