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