流連荒亡 - ウィクショナリー日本語版
インフルエンザの季節です。今シーズンもまた,インフルエンザの迅速検査が大量に行われるのでしょう。いくら何でもやり過ぎですが,患者は希望するし,保育園や学校・職場からも依頼されるし,医療機関はもうかるし,という中でそれ以外の要因は無視されがちです。本来は,臨床疫学的なアプローチで判断することが,検査を利用する医師の大きな役割です。その役割を十分果たせるように,インフルエンザの迅速検査の使い方について解説します(全4回連載)。 [第3回]事後確率を計算し,個別の患者に役立てる 名郷 直樹 (武蔵国分寺公園クリニック院長) ( 前回よりつづく ) 前回(第3350号),インフルエンザ流行期の事前確率を類推し,迅速診断検査の感度・特異度を調べ,というところまで解説しました。今回はその数字を用いて,ベイズの定理から,検査が陽性の時,陰性の時の,それぞれの事後確率を求める作業に入ります。 ベイズの定理から事後確率を求めるステップ 1)事前確率,感度・特異度データの確認 ここではインフルエンザ流行期に熱と咳を訴えて来院した患者で考えてみましょう。DynaMedによれば,事前確率,感度・特異度のデータは下記のとおりです。 病歴を聞いた時点でのインフルエンザの事前確率 ・熱がある時点で76. 85% ・咳がある時点で69. 43% ・熱と咳がある時点で79. 04% 成人での迅速診断検査の感度・特異度 ・感度53. 9%(95% CI 47. 9%-59. 8%) ・特異度98. 統計学入門−第9章. 6% (95% CI 98%-98. 9%) 咳と熱がある時点でのインフルエンザの事前確率は79. 04%という記載があります。これを四捨五入して,80%としましょう。感度・特異度についても同様に,DynaMedの成人のデータから,感度53. 9%,特異度98. 6%という数字があります。これもそれぞれ感度54%,特異度99%と簡略化します。 2)事前確率をオッズに直す ベイズの定理を利用して事後確率を求めるには,まず確率をオッズに直します。80%=80/100ですから,オッズに直すと(インフルエンザ患者/インフルエンザでない患者)で,80/(100-80)=4となります。 流行期に5人の咳と熱の患者が来た時に,4人がインフルエンザ,1人がインフルエンザ以外ということです。確率に慣れている私たちですが,オッズもいったん使い慣れると,むしろ確率より直感的に理解しやすいかもしれません。 3)尤度比を計算する さらに事後確率を求めるには,尤度比を計算する必要があります。検査が陽性の時に疾患の可能性がどれほど増すかというのが「陽性尤度比」,陰性の時にどれほど可能性が低くなるかというのが「陰性尤度比」です。 陽性尤度比は,感度/(1-特異度),陰性尤度比は,(1-感度)/特異度です。陽性尤度比は,感度が高いほど,特異度が高いほど大きな数字になり,陰性尤度比は,感度が高いほど,特異度が高いほど,小さな数字になります。先ほどの数字を使うと,迅速診断検査の陽性尤度比,陰性尤度比はそれぞれ以下のようになります。 陽性尤度比=0.
統計学入門−第9章
ア行 カ行 サ行 タ行 ナ行 ハ行 マ行 ヤ行 ラ行 ワ行 英字 記号 陽性尤度比 positive likelihood ratio 検査結果が陽性の人に着目して、非患者に対する患者の比がどの程度変化したかを表す量。検査前オッズに対する検査後オッズの比。感度 / (1-特異度)で求められ、 としたり、単に尤度比と言うこともある。値が大きいほど検査が有用であることを示す。 疾患 合計 あり なし 検査 陽性 a(真陽性) b(偽陽性) a+b 陰性 c(偽陰性) d(真陰性) c+d a+c b+d a+b+c+d LaTex ソースコード LaTexをハイライトする Excel :このマークは、Excel に用意された関数により計算できることを示しています。 エクセル統計 :このマークは、エクセル統計2012以降に解析手法が搭載されていることを示しています。括弧()内の数字は搭載した年を示しています。 秀吉 :このマークは、秀吉Dplusに解析手法が搭載されていることを示しています。 ※「 エクセル統計 」、「 秀吉Dplus 」は 株式会社会社情報サービスのソフトウェア製品 です。
前回『 髄膜炎とJolt accentuation 』の記事の中で 尤度比 (ゆうどひ:likelihood ratio:LR) がでてきましたね。特異度は高いのに尤度比でみるとそれほどでもない。この尤度比と感度や特異度の関係はどのようになっているのでしょうか?
感度・特異度・尤度比について分かりやすく説明します | 理学療法士向け英論部屋
当ブログの目次はこちら twitter 記事の更新、たまに医学知識をつぶやきます ▼先に結論 ・検査前確率が低い検査をむやみに行うのはやめましょう ・陽性尤度比が高い検査が陽性だと診断に近づきます ・特異度が高くとも、感度が低いと尤度比は下がります 1. 感度と特異度(復習しましょう) 感度と特異度については国家試験でも十分に勉強しますから、基本は理解されていると思います。おさらいですが、感度は「陽性と判定されるべきものを正しく陽性と判定する確率」で、特異度は「陰性と判定されるべきものを正しく陰性と判定する確率」になります。 そこから考えると頭が爆発しそうになりますが、「 感度が高い検査が陰性であればその疾患らしくない:除外診断に有用 」、また「 特異度が高い検査が陽性であればその疾患らしい:確定診断に有用 」というのは体感的に分かります。 陽性、陰性は、人為的に設定されたカットオフ値によって判定されます。検査の 感度を上げようとすれば特異度が下がり、特異度を上げようとすれば感度が上がる 、というのも学生時代に習います。 研修医時代に書いた記事では、以下の例を提示しています。 ・感度が高くて特異度が低い検査「心筋梗塞のH-FABP 感度 91. 5%、特異度 55. 6%」 ・感度が低くて特異度が高い検査「心筋梗塞のトロポニンT 感度 31. 事後確率を計算し,個別の患者に役立てる | 2020年 | 記事一覧 | 医学界新聞 | 医学書院. 9%、特異度 96. 3%」 H-FABPにはラピチェックという測定方法があり、当時は測定しまくってたんですが、今ではあまり用いなくなりました。測定するたび陽性になって困った覚えがありますが、それが感度の高い検査です(というより検査前確率が低いケースで頻用されたのが問題かもしれない)。心筋梗塞などはいい例だと思いますが、感度や特異度も発症からの時間経過によって異なる点は注意です。 感度・特異度がともに99%であっても、 検査前確率 が0. 1%だと以下のような図になります。見ての通り、陽性的中率(陽性と判定されたものが真の陽性である確率)は99/1098=0. 09と極めて低くなります。 ※もう何度も見た図でしょうか ということで、検査前確率は重要です。これを考慮しないと、結果の解釈が混乱します。「あんまり疑っていないけど一応出しておこう」というのが、検査前確率が低いという状況です。実際に困るのが、健康診断での腫瘍マーカーがわずかに陽性になっているケースです。検査前確率が極めて低い状態での陽性ですから、その大半が偽陽性だと簡単に想像できます。しかしその数値とは関係なく、癌が並存している可能性を考えると、疾患が疾患だけに無下にもできません。 大量のスクリーニング項目を測定すると、特異度が高いはずの検査が解釈に合わない結果で戻ってくることはいくらでも経験します。 疑っていない項目をむやみに出してはいけない 、というのが鉄則です。 2.
陽性尤度比とは? 陽性尤度比とは、ある検査で有病者が無病者より何倍陽性になりやすいかを示す値 。 真陽性/偽陽性ともいえる。 ちなみに、尤度とは、尤もらしさ(もっともらしさ)のこと。 ここでは、検査における感度や特異度などと考えればいい。 なので、言葉の意味は、陽性になるもっともらしさの比となる。 陽性尤度比の求め方の覚え方 陽性尤度比=真陽性/偽陽性 と覚える。 後は、方程式を変化させる。 陽性尤度比 =真陽性/偽陽性 =疾患をもつ人が陽性となる確率/疾患でない人が陽性となる確率 =感度/1ー特異度 ここまで変形できれば問題は回答可能。
事後確率を計算し,個別の患者に役立てる | 2020年 | 記事一覧 | 医学界新聞 | 医学書院
5、LR- 0. 59。 でWBC<7000uLなら、LR- 0. 1で虫垂炎は考えにくくなる。 WBC>17000で LR +7. 5。 腹部CT: 感度98%、特異度98%、LR+ 49、LR- 0. 05-0. 08 cf. 生涯教育、いまさら2、医療系研究論文の読み方・まとめ方 p181 臨床検査の結果は、どのくらい的中するか? スポンサーサイト
英 positive likelihood ratio, LR+ 関 感度 、 特異度 、 尤度比 、 陰性尤度比 。 相対危険度 と混同するな 疾患あり 疾患なし 検査陽性 a 真陽性 b 偽陽性 検査陰性 c 偽陰性 d 真偽性 「疾患を有する人」が「陽性」になる確率 と 「疾患を有さない人」が「陽性」になる確率 の比 真陽性 / 偽陽性 = 感度 / ( 1- 特異度) 使用例 A疾患の 検査前確率 がPb (%)の人がいる。 B検査を行ったところ陽性であった。 検査後確率 Pa (%)はどのくらいか?