---
webr:
packages: [dplyr, ggplot2]
resources: [R/setup.R, data/nhanes_bp.rds, data/framingham.rds]
cell-options:
autorun: true
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 診断精度:感度・特異度・的中率 {#sec-diagnostic}
```{webr}
#| include: false
source("R/setup.R")
```
ここからは、検査で **病気(状態)があるかないか** をどれくらい正しく判別できるか、という **診断精度** を扱います。
一致度の評価(第 1〜4 章)では 2 つの測定のどちらも「正解」ではありませんでしたが、診断精度の評価では、**正解(参照基準、ゴールドスタンダード)** があると考えます。
## データ:随時血糖と糖尿病
Framingham の 1 回目の診察で、**随時血糖**(食事の時間を問わずに測った血糖値)と、**糖尿病** の記録を使います。
```{webr}
f <- fram |> filter(!is.na(GLUCOSE))
nrow(f)
table(糖尿病 = f$DIABETES)
```
```{webr}
#| fig-height: 3.6
ggplot(f, aes(GLUCOSE, fill = factor(DIABETES, labels = c("糖尿病なし", "糖尿病あり")))) +
geom_histogram(aes(y = after_stat(density)), binwidth = 10, position = "identity", alpha = 0.5) +
geom_vline(xintercept = 126, linetype = 2) +
coord_cartesian(xlim = c(40, 400)) +
labs(x = "随時血糖 (mg/dL)", y = "密度", fill = NULL, title = "点線:126 mg/dL")
```
糖尿病の人は血糖が高い傾向がありますが、2 つの分布は重なっています。どこかで線を引いて「陽性」とすると、必ず判定の誤りが出ます。
## 2×2 表と 4 つの指標
**126 mg/dL 以上** を「陽性」としてみます。
```{webr}
test <- factor(f$GLUCOSE >= 126, c(TRUE, FALSE), c("陽性", "陰性"))
truth <- factor(f$DIABETES, c(1, 0), c("糖尿病あり", "糖尿病なし"))
tab <- table(検査 = test, 正解 = truth)
tab
```
```{webr}
TP <- tab[1, 1]; FP <- tab[1, 2]; FN <- tab[2, 1]; TN <- tab[2, 2]
round(c(感度 = TP / (TP + FN), # 病気の人のうち、陽性になる割合
特異度 = TN / (TN + FP), # 病気でない人のうち、陰性になる割合
陽性的中率 = TP / (TP + FP), # 陽性の人のうち、本当に病気の割合 (PPV)
陰性的中率 = TN / (TN + FN)), 3) # 陰性の人のうち、本当に病気でない割合 (NPV)
```
- **感度 59.5%**:糖尿病の人の 4 割は、この検査で見逃される
- **特異度 99.4%**:糖尿病でない人は、ほとんど陰性になる
- **陽性的中率 74.2%**:陽性の人の 4 人に 1 人は糖尿病ではない
::: {.callout-note}
## 感度・特異度は「正解」から、的中率は「検査結果」から見る
- 感度・特異度:**正解(病気の有無)で分けて**、検査がどう出るか(表の列ごとに見る)
- 的中率:**検査結果で分けて**、本当に病気か(表の行ごとに見る)
患者さんにとって知りたいのは、「陽性と言われた自分が、本当に病気である確率」= **陽性的中率** です。
:::
### 信頼区間も示す
感度は、糖尿病の 116 人だけから計算しているので、不確かさが大きくなります。
```{webr}
binom.test(TP, TP + FN)$conf.int # 感度の 95% 信頼区間
binom.test(TN, TN + FP)$conf.int # 特異度の 95% 信頼区間
```
感度の 95% 信頼区間は 50〜68% と広く、特異度(99.1〜99.6%)よりずっと不確かです。
## カットオフを変えると
```{webr}
cut_table <- function(cuts) {
t(sapply(cuts, function(k) {
pos <- f$GLUCOSE >= k; dm <- f$DIABETES == 1
c(カットオフ = k, 感度 = mean(pos[dm]), 特異度 = mean(!pos[!dm]),
陽性的中率 = sum(pos & dm) / sum(pos), 陽性の人数 = sum(pos))
}))
}
round(cut_table(c(100, 110, 126, 140, 160, 200)), 3)
```
カットオフを下げると感度は上がり、特異度は下がります(**トレードオフ**)。
どこで切るかは、**見逃し(偽陰性)と、過剰な精密検査(偽陽性)のどちらが困るか** で決まります。この関係を一覧にしたのが、第 6 章の ROC 曲線です。
::: {.callout-warning}
## 200 mg/dL 以上で特異度 100% になる理由
このデータの「糖尿病」は、1 回目の診察で **治療中、または随時血糖が 200 mg/dL 以上** の人と定義されています。
つまり、評価している検査(血糖)が、正解の定義に **含まれています**。200 以上なら必ず「糖尿病」なので、特異度は必ず 100% になります。
これを **組み込みバイアス**(incorporation bias)といい、検査の精度を実際より高く見せます。正解は、評価する検査と **独立に** 決める必要があります。
:::
## 陽性的中率は、有病率で変わる
感度と特異度は、(ある程度)検査そのものの性質ですが、**的中率は、検査を受ける集団の有病率で大きく変わります**。
ベイズの定理で計算できます。
$$
\text{陽性的中率} = \frac{\text{感度} \times \text{有病率}}{\text{感度} \times \text{有病率} + (1 - \text{特異度}) \times (1 - \text{有病率})}
$$
```{webr}
ppv <- function(sens, spec, prev) sens * prev / (sens * prev + (1 - spec) * (1 - prev))
prev <- c(0.001, 0.01, 0.03, 0.10, 0.30)
data.frame(有病率 = paste0(100 * prev, "%"),
陽性的中率_この検査 = round(ppv(0.595, 0.994, prev), 3),
陽性的中率_感度90特異度95 = round(ppv(0.90, 0.95, prev), 3))
```
感度 90%・特異度 95% という「よさそうな」検査でも、有病率 1% の集団(一般の人のスクリーニング)では、**陽性の人の 85% は病気ではありません**。
同じ検査を、症状があって病気が疑われる人(有病率 30%)に使えば、陽性的中率は 89% になります。
```{webr}
#| fig-height: 3.4
tibble(有病率 = seq(0.001, 0.5, length.out = 300)) |>
mutate(陽性的中率 = ppv(0.90, 0.95, 有病率)) |>
ggplot(aes(100 * 有病率, 100 * 陽性的中率)) + geom_line(linewidth = 1) +
labs(x = "有病率 (%)", y = "陽性的中率 (%)", title = "感度 90%・特異度 95% の検査")
```
### 尤度比:検査前の確率を、検査後の確率に更新する
有病率に依存しない形で、検査結果が診断をどれだけ動かすかを表すのが **尤度比** です。
- 陽性尤度比 LR+ = 感度 / (1 − 特異度):陽性のとき、オッズが何倍になるか
- 陰性尤度比 LR− = (1 − 感度) / 特異度:陰性のとき、オッズが何倍になるか
```{webr}
sens <- 0.595; spec <- 0.994
c(LRplus = sens / (1 - spec), LRminus = (1 - sens) / spec)
# 検査前確率 3% の人が陽性だったら
pre_odds <- 0.03 / 0.97
post_odds <- pre_odds * sens / (1 - spec)
post_odds / (1 + post_odds)
```
検査前確率 3% の人が陽性なら、検査後確率は **75%** になります。LR+ ≒ 99 と非常に大きく、陽性なら糖尿病の可能性が大きく上がります。一方、LR− ≒ 0.41 で、陰性でも糖尿病を否定する力は弱い検査です。
## スペクトラムバイアス:誰で評価したか
感度・特異度も、実は **評価に使った人** で変わります。
重症の患者と健康なボランティアを集めた研究(症例対照型の診断研究)では、2 つの集団の差がはっきりしているので、精度が高く出ます。
シミュレーションで確かめます。病気の重症度によって検査値が変わる、とします。
```{webr}
set.seed(1)
n <- 20000
severity <- runif(n) # 病気の人の重症度(0〜1)
sick <- rnorm(n, 100 + 60 * severity, 20) # 病気の人の検査値(重症ほど高い)
well_all <- rnorm(n, 95, 15) # 病気でない人(受診者全体)
well_healthy <- rnorm(n, 85, 10) # 健康なボランティア
cut <- 120
rbind(
実際の受診者 = c(感度 = mean(sick > cut), 特異度 = mean(well_all <= cut)),
重症例と健常者 = c(感度 = mean(sick[severity > 0.7] > cut), 特異度 = mean(well_healthy <= cut))
) |> round(3)
```
同じ検査・同じカットオフなのに、重症例と健常者で評価すると、感度・特異度がどちらも高く出ます。
**検査を実際に使う人(診断がはっきりしない受診者)で評価** しないと、現場での精度を過大評価します。
::: {.callout-important}
## この章のまとめ
- 感度・特異度は **正解で分けて**、的中率は **検査結果で分けて** 見る。感度には信頼区間を
- カットオフを動かすと、感度と特異度は **トレードオフ**
- **陽性的中率は有病率で大きく変わる**。有病率の低い集団のスクリーニングでは、陽性の大半が偽陽性になりうる
- 尤度比で、検査前確率を検査後確率に更新できる
- 正解の定義に検査を含めない(**組み込みバイアス**)、実際に使う人で評価する(**スペクトラムバイアス**)
:::