測定の一致度と診断精度 ハンズオン

「相関が高い=一致」から、Bland-Altman・ICC・κ・感度特異度・ROC まで — 実データで

公開

2026年10月18日

はじめに

English version available — Read in English (machine-assisted translation by generative AI).

新しい血圧計は、今までの血圧計の代わりに使えるでしょうか。 2 人の医師の診断は、どれくらい一致しているでしょうか。 健診の血糖値で、糖尿病をどれくらい見つけられるでしょうか。

こうした 測定の一致度 と 診断の精度 の評価は、臨床研究や機器開発で毎日のように行われています。 一方で、

  • 2 つの測定法の 相関係数が 0.95 だったので「よく一致している」 と結論する
  • 一致率 95% なので 評価者の判定はよく一致 と報告する
  • 感度・特異度の高い検査なら、陽性の人はほぼ病気 だと考える
  • データで選んだ「最適なカットオフ」の性能を、同じデータで 報告する

といった、もっともらしいけれど誤った評価もよく見かけます。

このハンズオンでは、同じ人の血圧を 3 回測った実データ(NHANES)と、Framingham 心臓研究 の教育用データを、ブラウザで動く R で触りながら、一致度と診断精度を正しく評価する方法を体験します。

このハンズオンのゴール

  1. 相関係数が 一致の指標ではない 理由を説明できる
  2. Bland-Altman プロット で、系統誤差・一致限界・比例誤差を評価できる
  3. 繰り返し測定から 個人内のばらつき・ICC を求め、ICC が集団に依存することを説明できる
  4. カテゴリの一致を κ 係数 で評価し、その落とし穴を説明できる
  5. 感度・特異度・陽性的中率 の関係と、有病率の影響を説明できる
  6. ROC 曲線・AUC・カットオフ を、楽観的にならずに評価できる

対象読者

  • 臨床研究・機器開発・ヘルスケアデータの解析に関わる方
  • 平均・標準偏差・相関係数・割合が分かる方(統計検定 3 級程度)
  • R は「コードを読んで、少し書き換えて実行できる」程度で大丈夫です

ブラウザで R が動きます

各章のコードセルは、あなたのブラウザの中で R が実行されています(webR という技術)。 コードを書き換えて「Run Code」を押せば、すぐに結果が変わります。インストールは不要です。

ノート
  • 各章を開いた直後は、R とパッケージの読み込みに 数十秒〜1分ほど かかります
  • 読み込み中にタブを裏に回すと処理が遅くなるので、表示されるまでそのままお待ちください
  • PC での閲覧を推奨します

ICC・κ・ROC などは、専用のパッケージを使わず、定義どおりに自分で計算 します(R/setup.R に小さな関数をまとめています)。

使うデータ

データ 内容 主に使う章
NHANES 2009–2012(bp) 米国の健康栄養調査の 20 歳以上 11778 人。1 回の診察で 血圧を 3 回 測定(収縮期・拡張期) 1–4
Framingham(fram) 米国の心臓研究の 1 回目の診察 4434 人。随時血糖・糖尿病・24 年間の心血管疾患など 5, 6
警告データの注意
  • NHANES は一部の人種・年齢層を多めに集めた調査です。ここでは重みを使わずに集計しているので、米国の母集団の値ではありません
  • Framingham の教育用データは匿名化のために一部が改変されています。研究結果として引用することはできません
  • 「新しい血圧計」の測定値は、教材のために シミュレーションで作ったもの です(章の中で明記します)

章の構成

章 内容
1 相関が高い = 一致?(相関係数が見ていないもの)
2 Bland-Altman プロット(系統誤差・一致限界・比例誤差)
3 繰り返し測定と信頼性(個人内 SD・ICC・平均への回帰)
4 カテゴリの一致:κ 係数(偶然の一致・有病率の影響・重みつき κ)
5 診断精度:感度・特異度・的中率(有病率・スペクトラムバイアス)
6 ROC 曲線と AUC(カットオフの選び方の楽観、予測モデルの較正)
7 演習と、一致度・診断精度のチェックリスト