尤度比とは 統計
というのも、感度・特異度は「疾患あり or なし」が分母ですが、実際、検査をする時は「その疾患があるのかないのか」を調べることが目的です。 それなら、 「検査陽性者の中でどれくらいの人が疾患があるのか(又は検査陰性者の中でどれくらいの人が疾患がないのか)」 が分かる方が有益なことのようにも思えます。 ※その「検査陽性者の中でどれくらいの人が疾患があるのか(又は検査陰性者の中でどれくらいの人が疾患がないのか)」を 「陽性反応的中率・陰性反応的中率」 と呼ぶ。 これも冒頭の記事に簡単に記載しています。 しかし、この的中率には問題があります。 それは、「有病率に左右される」という点です。 どういうことでしょうか? 例えば、感度 99% 、特異度 99% の検査があったとします。 有病率 10% で計算してみましょう。 〈 1 万人—有病率 10% 〉 疾患あり(1000) 疾患なし(9000) 990 90 10 8910 陽性反応的中率は感度と違い、分母が「検査陽性」のため、 計算すると 990÷(990+90)=0. 916%(91. 尤度比とは 統計. 6%) となります。 つまり、検査陽性者のうち 91. 6% は「疾患あり」と判断できます。 感度、特異度ともに 99% の検査というだけあってかなり有効であるように思えますね。 ではこれが有病率 1% の時どうなるでしょうか。 〈 1 万人—有病率 1% 〉 疾患あり(100) 疾患なし(9900) 99 1 9801 99÷(99+99)=0.
尤度とは - コトバンク
考えてみると、感度や的中率は検査の精度を示すものではありますが、それ単体では具体的なことは分かりません。 結局私たちが知りたいのは 「検査後確率」 (つまり、検査後、その疾患があるといえる確率)です。 これは、ベイズの定理というものを用いて求められますが、より簡単には「検査前確率」と「尤度比」があれば求められます。 ※「検査前確率」とは「検査前にその疾患である確率」のことです。 だから尤度比を求めようとしていたわけですね。 ※この場合、ノモグラムを用いて求めます。 以下の論文を例として計算してみましょう。 「本研究は、インフルエンザの迅速診断検査の精度を検討した研究を対象としたメタ分析で、市販されている迅速診断検査全体の 特異度は 98. 2 % と高いが、 感度は 62. 3 % であることが分かった。」 ( Chartrand C, et al. Accuracy of rapid influenza diagnostic tests: a meta-analysis. Ann Intern Med. 2012 Apr 3;156(7) ) これで計算してみると、 〈陽性尤度比〉 0. 623÷(1-0. 982)=34. 6 〈陰性尤度比〉 (1-0. 623)÷0. 尤度比 とは. 982=0. 38 これで検査前確率が50%の時(この場合、インフルエンザであるかどうかの確率が半々の時)、検査後確率はどうなるのかというと 〈検査後確率〉 陽性:97% 陰性:27% つまり、 ・ 陽性のうち疾患ありの確率が97% ・ 陰性だけど疾患ありの確率が27% ということです。 「インフルエンザの迅速検査は陰性だったとしても本当は陽性のことがある」という言説をよく耳にしますがこういうことだったのですね。 ではこれが検査前確率10%の時はどうでしょうか。 陽性:79% 陰性:4% ・ 陽性のうち疾患ありの確率が79% ・ 陰性だけど疾患ありの確率が4% こうなります。 やはり検査前確率が低ければ検査後確率も低くなっています。 これで、難しい計算をしなくても大まかな事がわかるようになりました。 ※また、検査前確率がどれほど重要かも分かります。 でも、これで毎回計算するのは大変ですよね…。 そこで、これを更に簡単にしてくれたのがMcGee先生です。 先生によると、 「検査前確率が 10 〜 90% の時は尤度比からおおよその確率の変化がわかる」 1) といいます。 ※具体的には「検査前確率+尤度比から推定される確率=検査後確率」となる。 (大生定義.
1の認証精度(注4)を有する顔認証AIエンジン「NeoFace」(注5) への搭載を目指しています。また、不正通信などサイバー攻撃の検知・分析の速度・精度の向上をはじめ、時系列データを活用する領域全般への適用を検討します。