What Do We Mean by Diagnostic Sensitivity?
臨床診断において、あるアッセイの感度に関する疑問は必ず出てきます。 しかし、「感度」とは正確には何を意味するのでしょうか。 ある分析法が検出できる最小の被検体量をしばしば感度と呼びますが、はっきり言えば、この量は分析感度または検出限界(LoD)のことです。 この定義には分析的という用語が重要であり、ついでに診断的という用語と対比してみましょう。 診断感度は、病気を持つ個人の集団を正しく識別するアッセイの能力に関連しており、これは確かに分析感度の関数ですが、高い分析感度 (分析対象物のごく微量を検出できるという意味) は、必ずしも有用な診断感度を保証するものではありません。 このため、アッセイを説明する際には、感度という用語に分析または診断という用語を付けることが重要です。
診断感度はどのように計算するのですか。 しかし、未知のサンプルを扱う場合、何が真の結果であるかをどのように知ることができるでしょうか。
たとえば、患者が両手に5本の指を持っているか6本の指を持っているかを判断できるアッセイがあるとします。 サンプルを採取し、実験者を盲検化し、結果を得ることができます。 次に、同じ患者を臨床医に診察してもらい、両手の指の数を数えてもらうとします。 そして、あなたの分析結果と臨床医の観察結果がいくつのサンプルで一致したかを比較してください。 この場合、指の数を数えること以上に客観的なことはできないので、臨床医の観察がゴールドスタンダードとみなされるでしょう。 もし、6本指の患者を検出することが目的であれば（つまり、6本で陽性）、6本指の患者の測定結果が一致すれば真の陽性となり、5本指の患者の測定結果が一致すれば真の陰性となります。 同様に、5本指の人の測定結果が6であれば偽陽性、6本指の人の測定結果が5であれば偽陰性ということになる。 仮に以下のようなデータセットを想定した場合、サンプル中の実際の陽性（真陽性＋偽陰性）のうち、真陽性が検出された割合を計算することで診断感度を算出することができます。
| 患者 番号 |
観察 指の数 |
測定結果 （No． Fingers) |
True Positive |
False Positive |
True Negative |
False Negative |
|||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 6 | 1 | 6 | x | |||||||||||||
| 2 | 6 | x | 6 | ||||||||||||||
| 3 | 5 | 6 | |||||||||||||||
| 4 | 6 | 5 | x | ||||||||||||||
| 5 | 5 | 5 | X | ||||||||||||||
| 6 | 6 | 6 | x | 6 | |||||||||||||
| 7 | 6 | x | 8 | ||||||||||||||
| 65 | 5 | x | |||||||||||||||
| 9 | 5 | 5 | x | ||||||||||||||
| 10 | 5 | X | |||||||||||||||
| 4 | 1 | 10 | 5 | 5 | X | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 64 | 1 |
上記のデータを以下の真理値表で表し、以下の式で診断感度を算出することができる。 ここでは、その条件を持ち、その条件に対して陽性である検査結果を持つ個人の割合を計算しています。
| 陽性 | 陰性 | |
| ポジティブ | TP | FP |
| ネガティブ | FN | TN |
の場合。
| Negative | |||
| Condition（条件 Positive | 4 | 1 | |
| Negative | 1 | 4 |
Sensitivity = \frac{Mathrm{TP}} (感谢谢一一的) }{mathrm{TP+FN}} = \frac{pathmathrm{4}} }{mathrm{4+1} } = 4/5 = 80%
悪くないでしょ？ では、実際の例を見てみましょう。 ある細菌を検出するqPCRアッセイを開発しているとする。 qPCRアッセイで得られた結果は、予測される条件のデータをもたらし、これらは古典的な培養から得られた結果と比較されるでしょう。 なぜですか？ この例では、患者からの培養による細菌の回収はコッホの定理の一つであり、細菌培養がゴールドスタンダードとみなされる理由です。 もし、このような意図的なデータセットがあったとしたら。
| Positive | Negative | ||
| アッセイによって予測される状態（すなわち。e. qPCR陽性） | 陽性 | 238（TP） | 21（FP） |
| 2（FN） | 103（TN） |
私たちはこの診断の感度をこう計算することになる。
\frac{\mathrm{238} }{mathrm{238+2}} = 238/240 = 0.992 × 100 = 99.2%
つまり、このqPCRを使ってこの細菌の病原体を患者に検査すれば、99％の確率で真陽性になるわけです。 しかし、偽陽性はどうでしょうか。 qPCRは生細胞と非生細胞の両方からDNAを検出するのに対し、培養は生細胞のみを検出するため、このアッセイでは確かに偽陽性も検出されます。 言うまでもなく、qPCRはほとんどの培養ベースの方法論よりもはるかに優れた分析感度を持っている可能性が高い。 この2つの方法を比較し、培養をゴールドスタンダードとすると、培養陰性/qPCR陽性のサンプルは偽陽性と定義されます。 このシナリオでは、qPCR陽性の患者が本当に病気を引き起こす生存病原体に感染していることを確認するために、おそらく確認試験を実施したいと思うでしょう。
診断特異性についてはどうでしょうか？
上記の例における偽陽性の数は心配かもしれませんが、性能を判断する本当の基準は、アッセイの使用方法によって異なります。 もし、健康な患者を除外して確認検査を避けることが目的であれば、高い診断特異度が鍵となるでしょう。 そういえば、「診断特異度」という言葉もありましたね。 これは、検査が病気のない患者を正しく識別する可能性を測定するものです。 例えば、5本指の患者を正しく識別することや、細菌性病原体に感染していない患者を検出することを考えてみてください。 ここでは、その疾患を持たず、その疾患に対して正しく陰性と判定された人の割合を計算しています。 その計算は次のようになります。
Diagnostic; specificity = \frac{mathrm{TN} }{mathrm{TN+FP}} = \frac{mathrm{103}} }{mathrm{103+21}} = 103/124 = 0.831 × 100 = 83.1%
つまり、83%の確率で健康な患者を正しく特定できることになる。 qPCR検査は細菌の増殖を待つよりもはるかに迅速なので、qPCRを実行することは有益であり、この作為的なデータセットで偽陰性がほとんどなかったことを考えると、qPCRの陰性結果に自信を持つことができます。 もちろん、陽性の患者は培養を使用して再度検査する必要がありますが、検査する患者の数は少なくなります。 この計算は、新しいqPCRアッセイと現在使用されているアッセイ、またはqPCRとELISAを比較する場合にも使用されます。 もし数学が苦手なら、medcalcのような無料のオンライン計算機で計算することもできますよ！
お役に立ちましたか？