感度と特異度とセットで出てくるのが、陽性的中率と陰性的中率です。
これも、感度と特異度で出てきた2×2分割表を例にして解説していきます。
ちなみに英語。
陽性的中率は、Positive Predictive Value(PPV)です。
陰性的中率は、Negative Predictive Value(NPV)です。
論文とかで出てくるので、覚えておきたいですね。
分割表の基礎はこちらの記事で。
感度と特異度については、こちらの記事で理解しましょう。
陽性的中率と陰性的中率の定義
|
疾患あり |
疾患なし |
合計 |
---|---|---|---|
検査陽性 |
A |
B |
A+B |
検査陰性 |
C |
D |
C+D |
合計 |
A+C |
B+D |
A+B+C+D |
結論から言うと、陽性的中率と陰性的中率は以下の通りです。
A/(A+B)を陽性的中率と呼びます。
D/(C+D)を陰性的中率と呼びます。
言葉にすると、以下の通り。
陽性的中率:検査が陽性になった人の中で、どれだけ疾患ありの人がいるか
陰性的中率:検査が陰性になった人の中で、どれだけ疾患なしの人がいるか
絶対に外せない、重要な特徴
感度が90%、特異度が90%の2つの例を見てください。
例1:疾患あり100人、疾患なし100人の場合
以下のような2×2分割表が作成できます。
|
疾患あり |
疾患なし |
合計 |
---|---|---|---|
検査陽性 |
90 |
10 |
100 |
検査陰性 |
10 |
90 |
100 |
合計 |
100 |
100 |
200 |
この時の陽性的中率と陰性的中率は、それぞれ以下の通りです。
陽性的中率:90/100=90%
陰性的中率:90/100=90%
異論ないですよね。
例2:疾患あり100人、疾患なし1,000人の場合
以下のような2×2分割表が作成できます。
|
疾患あり |
疾患なし |
合計 |
---|---|---|---|
検査陽性 |
90 |
100 |
190 |
検査陰性 |
10 |
900 |
910 |
合計 |
100 |
1000 |
1100 |
この時の陽性的中率と陰性的中率は、それぞれ以下の通りです。
陽性的中率:90/190=47%
陰性的中率:900/910=99%
もう、例1と全然違う!!!
そんな結果が出ました。
陽性的中率と陰性的中率は、あるものに依存する
陽性的中率と陰性的中率は、あるものに左右されます。
そうです。
専門用語では
と言います。
一般的に、全体の中で疾患を持つ人が少ないほど、陽性的中率が下がっていきます。
がん検診で陽性・・・もうダメだ・・・
と思うのは、まだ早いです。
というのも、がん検診って、結構多くの人が検査します。
でも、実際にがんがある人は、ほんの一握り。
Prevalenceが低い。
そのため、がん検診の陽性的中率は、かなり低いです。
つまり、がん検診で陽性になったとしても、本当にがんである確率は低いです。
だって、がん検診で陽性になった人が全員、即入院にならないですよね。
そのため、追加検査として確定診断をやるわけです。
まとめ
- 陽性的中率:検査が陽性になった人の中で、どれだけ疾患ありの人がいるか
- 陰性的中率:検査が陰性になった人の中で、どれだけ疾患なしの人がいるか
- 陽性的中率と陰性的中率は、疾患を持つ人がどれぐらいいるか(Prevalence)に左右される。