医学的検査の精度と信頼性:診断の確度を高める鍵【ChatGPT統計解析】
医学的検査は疾患の診断、重症度や進行度のモニタリング、リスク評価、治療反応性の予測など多様な目的で行われ、精度評価には検査自体や診断を行う専門家の正確さが含まれる。ここで「疾患」は症状の一部として、また「検査」は疾患確認のための手順として広義に定義される。診断結果(陽性または陰性)は疾患の有無と関連付けて2×2の表にまとめられ、感度は真陽性率、特異度は真陰性率で表される。感度・特異度の推定にはgold standardの検査結果と比較が必要であり、エラーを無視するとバイアスが生じる可能性がある。診断尤度比は検査結果が疾患のオッズに与える影響を示し、陽性適中率と陰性適中率はそれぞれ検査結果が陽性または陰性の際の疾患の有無の確率を示す。
▼▼▼▼▼▼▼▼
チャンネル登録はこちら
診断検査
精度の測定
医学的検査は,現代医療の基本要素であり数多くの目的において実施される.
その中には疾患を診断するために行われる検査,例えば,糖尿病における空腹時血糖値(fasting plasma glucose, FPG)の検査や,腎機能について糸球体濾過速度(glomerular filtration rate, GFR)のような疾患の重症度や進行度をモニタリングするための検査,乳がんについて遺伝子のような疾患の感受性やリスクを評価するための検査,そして乳がんのHER-2陽性検査のような治療への反応性を予測する検査が存在する.
医学検査の評価は,検査そのものの精度や,例えば乳房X線写真像を読む放射線科医のような,検査を行っている人についてその診断精度を調べることをも含むだろう.
我々は,疾患(disease)という用語を検査によって確認することができるだろう何らかの症状として広義に指し.検査(test)という用語を疾患であることを知るためにデザインされたあらゆる手順またはアルゴリズムを指して用いることにする.
多くの状況で,診断検査の結果(陽性あるいは陰性)を生物学的な事実(疾患のあり,なし)に関連づけて2×2型の表に構成することができる.
いくつか鍵となる定義は以下のとおりである.
有病率(prevalence)は集団の中である疾患を有している被検者の割合である,
感度(sensitivity)は被検者が本当に疾患を有している場合に検査結果が陽性になる確率.すなわち真陽性率(true positive fraction. TPF)であり,対して特異度(specificity)は被検者が疾患を有していない場合に検査結果が陰性になる確率で,真陰性率(true negative fraction)またはI一偽陽性率(false-positive fraction, FPF)として表現される.
またこれらの区分は一般的にtrue positive rate (TPR), false-positive fraction (FPR)とも呼ばれる.
検査の感度と特異度を推定するには.その検査の結果を疾患状態の確認に用いる参照検査,通常はgold standard (至適基準)として参照される検査の結果と比較することが行われる.
例えば,生体組織検査は,完全なものではないが,多くのがんでこれを検出するgold standard な検査法と一般に考えられている.
我々は,適切な統計的調整を行わずにgold standard のエラーを無視すると,感度と特異度の推定においてバイアスをもたらす結果になることを見ていく.
診断尤度比(diagnostic likelihood ratio)は検査結果が疾患のオッズに与える影響を測る尺度である.
陽性適中率(positive predictive value. PPV)は検査結果が陽性の被検者が疾患を有している確率,そして陰性適中率(negative predictive value, NPV)は検査結果が陰性の被検者が疾患を有していない確率を表す.
関連記事