特異度.pptVIP

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 実際には さらに 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 感度、特異度 感度（sensitivity) = 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 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 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 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 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 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 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 計算すると 尤度比（ゆうどひ：likelihood ratio） 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 実際の検査値分布 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 ROC曲線(Receiver Operating Characteristic curve) 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 * * 疾病あり 検査陽性 疾病なし 検査陰性 疾病であることが多いが、ない場合もある 検査陽性 疾病でないことが多いが、ある場合もある 検査陰性 検査Ａ　陽性 検査B　陰性 検査C　陽性