医学的検査および検査結果の理解

最も一般的な検査の1つに，連続的で定量的な尺度に沿った結果を出す検査がある（例，血糖，白血球数）。こうした検査では，どのような値でも有用な臨床情報が得られる可能性があるが，臨床医はある設定基準またはカットオフ値と比較して，その検査結果を陽性と陰性（すなわち，疾患の有無）に分類することによって疾患の診断を行うことが多い。こうしたカットオフ値は通常，偽陽性（不要で，高額な，そして危険を伴う可能性のある検査や治療を促す）と偽陰性（治療可能な疾患を見逃す）との割合を均衡させることを目的とした統計解析や概念解析に基づいて設定される。また，カットオフ値の特定は，問題の疾患を同定するためのゴールドスタンダードがあるかどうかにも依存する。

一般的に，こうした定量的な検査結果（例，虫垂炎の疑い症例における白血球数）は，何らかの分布曲線（正規曲線として描かれることが多いが必ずしもそうとは限らない）を示す。疾患のある患者における検査結果の分布の中央は，疾患のない患者のそれとは異なる。疾患のある患者の一部では，結果が非常に高いまたは非常に低いこともあるが，ほとんどの患者では平均に集中した結果が得られる。逆に，疾患のない患者の一部でも，結果が非常に高いまたは非常に低いことがあるが，ほとんどの患者の結果は，疾患のある患者とは異なる平均に集中している。ほとんどの検査では分布が重なるため，可能性のある検査結果の多くは疾患のある患者にも疾患のない患者にも認められる；こうした結果は，曲線を同じグラフ上に描くことによってより明確に示すことができる（検査結果の分布の図を参照）。設定されたカットオフ値以上である患者の一部とカットオフ値未満である患者の一部では，誤った結果が出る。疾患のある患者をより多く同定する（検査の感度を高くする）ためにカットオフ値を調整するならば，偽陽性の数も増加し（特異度が低くなり），患者を疾患ありと誤って診断することを回避するために逆方向にカットオフ値を移動するならば，偽陰性の数が増加する。各カットオフ値は，真陽性および真陰性の特異的な確率と連動している。

検査結果の分布

疾患のある患者は分布図の上部に，疾患のない患者は分布図の下部に示す。疾患のある患者では，検査結果の分布曲線下で，カットオフ基準の右（基準以上）にある領域がその検査の真陽性率（すなわち，感度）に相当し，その基準の左（基準未満）にある領域が偽陰性率に相当する。疾患のない患者では，カットオフ基準の右にある領域が偽陽性率に相当し，左にある領域が真陰性率（すなわち，特異度）に相当する。重なりのある2つの分布（例，疾患のある患者と疾患のない患者）では，カットオフ基準を移動させることで感度と特異度が変化するが，それぞれ反対の方向に変化する；カットオフ基準を1から2に変更すれば，偽陰性の数が減少する（感度が高くなる）が，同時に偽陽性の数が増加する（特異度が低くなる）。

受信者動作特性（ROC）曲線

一連のカットオフ値毎に，偽陽性の割合（偽陽性の数/疾患のない人の数）に対する真陽性の割合（真陽性の数/有疾患者数）をグラフに描くことによって，ROC曲線という曲線が得られる。ROC曲線は，カットオフ値を調整する場合の，感度と特異度のトレードオフをグラフで表している（典型的な受信者動作特性（ROC）曲線の図を参照）。慣例により，真陽性の割合はy軸に，偽陽性の割合はx軸にとる。ROC曲線下面積が大きいほど，その検査は疾患のある患者と疾患のない患者をより良好に識別できる。

ROC曲線によって，様々なカットオフ値において検査を比較できる。例では，全ての範囲で，検査Aは検査Bより性能が良いことを示している。また，ROC曲線は，検査の効用を最大化するためのカットオフ値の選択においても助けとなる。ある疾患を確定することを目的とする検査の場合，特異度が高く，感度が低くなるカットオフ値を設定する。潜在的な疾患のスクリーニングを目的とする検査の場合，感度が高く，特異度が低くなるカットオフ値を設定する。

典型的な受信者動作特性（ROC）曲線

臨床変数には，結果が2種類のみのものがあり（例，生存/死亡，妊娠している/妊娠していない），こうした変数は，カテゴリー変数や二分変数と呼ばれる。その他のカテゴリー変数には，多くの分散的な値をとるものがあり（例，血液型，グラスゴーコーマスケール［Glasgow Coma Scale］），名義変数または順序変数と呼ばれる。血液型のような名義変数には，特定の順序はない。グラスゴーコーマスケールのような順序変数は，特定の順序に並べられた分散値をとる。典型的な診断検査の多くを含む，その他の臨床変数は連続変数であり，可能性のある結果の数は無数である（例，白血球数，血糖値）。多くの臨床医はカットオフ値を設定し，連続変数を二分変数（dichotomous variable）として扱えるようにする（例，空腹時血糖値が126mg/dL［7.0mmol/L］以上の患者は糖尿病とみなされる）。連続変数を用いた診断検査の中には，複数のカットオフ値を設定したり，結果の範囲に応じて異なる診断的価値を与えることで，診断に役立つものもある。

検査結果を陽性または陰性と定義できる場合，可能性のある全ての結果を単純な2x2分割表に記録でき（仮定の検査結果の分布の表を参照），そこから感度，特異度，陽性適中率，陰性適中率，および尤度比（LR）などの重要な識別特性を計算できる（ある女性1000人のコホートにおけるUTIの有病率を30％とおいた場合の，仮定の白血球エステラーゼ試験結果の分布の表を参照）。

理想的な二分変数の検査は，偽陽性や偽陰性が存在しない検査である；この場合，検査結果が陽性の患者は全て疾患を有し（PPV100％），陰性の患者は全て疾患を有していない（NPV100％）ことになる。

しかし，実際には，全ての検査で偽陽性および偽陰性の結果が生じ，検査によってその数が多い場合もある。感度と特異度が不完全であれば検査結果にどのような影響が現れるかを説明するため，女性1000人の集団（そのうち300人［30％］がUTIを有する［尿培養などゴールドスタンダードの検査を用いて判定した］）における尿試験紙による白血球エステラーゼ試験の架空の結果を想定する（ある女性1000人のコホートにおけるUTIの有病率を30％とおいた場合の，仮定の白血球エステラーゼ試験結果の分布の表を参照）。このシナリオでは，例として尿試験紙検査の感度が71％，特異度が85％であると仮定する。

感度が71％であるとは，UTIを有する女性のうち213人（300人の71％）のみが，検査結果で陽性となることを意味する。残りの87人の検査結果は陰性となる。特異度が85％であるとは，UTIを有していない女性のうち595人（700人の85％）で検査結果が陰性となることを意味する。残りの105人の検査結果は陽性となる。したがって，318人の陽性検査結果のうち，213人の結果のみが正しいことになる（213/318 = 67％ PPV）；検査結果が陽性であれば，UTIを有する可能性の方が有していない可能性より高くなるものの，確かではない。また，682人の陰性検査結果のうち，595人の結果が正しく（595/682 = 87％ NPV），結果が陰性であればUTIを有する可能性が低くなるものの，その可能性は残されたままである；検査結果が陰性の患者のうち13％は，実際にはUTIを有している。

しかしながら，基礎にある疾患の発生率（検査前または事前確率）が異なる場合には，この患者コホートにおいて導き出したPPVとNPVを，同じ検査結果の解釈に用いることができない。疾患の発生率を5％に変更した場合の影響に注目する（ある女性1000人のコホートにおけるUTIの有病率を5％とおいた場合の，仮定の白血球エステラーゼ試験結果の分布の表を参照）。その場合，ほとんどの陽性検査結果は偽陽性となり，PPVはたった20％となるため，検査結果が陽性の患者は，実際にはUTIを有していない可能性の方が高い。しかし，今度はNPVが非常に高くなる（98％）ため，結果が陰性であればUTIは実質的に除外される。

注目すべきは，両患者コホートにおいて，PPVおよびNPVは大きく異なるにもかかわらずLRは変化しない点であり，これはLRが検査の感度と特異度によってのみ決定されるためである。

明らかに，検査結果は診断を確定するものではなく，ただ疾患の有無の確率を推定するものであり，この検査後確率（ある特定の検査結果が与えられた場合の疾患の可能性）は，検査の感度と特異度（したがってLR）だけでなく，疾患の検査前確率によって大きく異なる。

検査結果の多くは連続的であり，広範囲にわたって有用な臨床情報が得られる。臨床医はしばしば，検査を最大限に活用するために，特定のカットオフ値を設定する。例えば，白血球数15,000以上を陽性，15,000未満を陰性とみなすことができる。検査の結果が連続変数であっても，特定のカットオフ値を設定することで，その検査は二分変数の検査のように機能する。複数のカットオフ値を設定することもできる。単一の，または複数のカットオフ値において，感度，特異度，PPV，NPV，LR+，およびLR-を計算できる。虫垂炎の疑いのある患者において白血球数のカットオフ値の変化がもたらす影響の表は，虫垂炎の疑いのある患者において，白血球数のカットオフ値を変更したときの影響を示している。

また，連続的な検査結果をいくつかのレベルに分類することも有用なことがある。この場合，生じうる結果が複数あり，結果を陽性または陰性で示すことができないため，各レベルの結果についてLRを求めることはできるが，はっきりと区別できるLR+やLR-はもはやない。例えば，発熱のある小児における白血球数グループを用いた菌血症の尤度比の求め方の表では，発熱のある小児における白血球数と菌血症の関係が説明されている。LRは疾患のある患者におけるある結果の確率を，その疾患のない患者におけるその結果の確率で割った値であるため，それぞれの白血球数グループのLRは，そのグループにおいて菌血症がある確率を菌血症がない確率で割った値ということになる。

連続変数をグループ化することによって，単一のカットオフ値を設定する場合よりも，検査結果を一層活用できる。ベイズ解析を用いる場合，発熱のある小児における白血球数グループを用いた菌血症の尤度比の求め方の表におけるLRを用いて検査後確率を計算できる。

連続的な検査結果で，ROC曲線がわかっている場合には，この表で示した計算を行う必要はない；求めたい点におけるROC曲線の勾配を用いて，結果の範囲内の様々な点についてLRを求めることができる。

疾患の検査前確率および検査特性を用いて検査後確率を計算する過程は，ベイズの定理またはベイズの更新と呼ばれる。臨床的にルーチンに使用する場合，通常ベイズの方法にはいくつかの形式がある：

• オッズと尤度比を用いた公式（計算またはノモグラム）

• 表によるアプローチ

オッズ-尤度比のノモグラム

ノモグラムの使用は，オッズと確率の変換や2×2分割表の作成の必要がないため，特に便利である。

Faganノモグラムを使用するには，検査前確率から，LRを通過する直線を引く。この直線と検査後確率の直線が交わる点が，検査後確率である。この図の直線は，ある女性1000人のコホートにおけるUTIの有病率を30％とおいた場合の，仮定の白血球エステラーゼ試験結果の分布の表におけるUTI検査のデータを用いて描かれている。直線Aは陽性検査結果を表している；この直線は，検査前確率0.3からLR+4.73を通り，0.7をわずかに下回る検査後確率と交わるが，これは計算によって求めた確率0.67と同様の値である。直線Bは陰性検査結果を表している；この直線は，検査前確率0.3からLR-0.34を通り，0.1を少し上回る検査後確率と交わるが，これは計算によって求めた確率13％と同様の値である。

ノモグラムは計算ほど正確でないように思えるが，検査前確率の値はしばしば推定値であることが多いため，計算が正確であるように見えるのは通常，誤解である。

Faganノモグラム

ある女性1000人のコホートにおけるUTIの有病率を30％とおいた場合の，仮定の白血球エステラーゼ試験結果の分布の表におけるUTI検査のデータを用いて，直線が描かれている。直線Aは陽性検査結果を表しており，検査前確率0.3からLR+4.73を通り，0.7をわずかに下回る検査後確率と交わるが，これは計算によって求めた確率0.67と同様の値である。直線Bは陰性検査結果を表しており，検査前確率0.3からLR-0.34を通り，0.1を少し上回る検査後確率と交わるが，これは計算によって求めた確率13％と同様の値である。 LR+= 陽性判定の尤度比；LR- = 陰性判定の尤度比。 Adapted from Fagan TJ. Letter: Nomogram for Bayes theorem. New England Journal of Medicine 293:257, 1975.

臨床医はしばしば，多くの診断評価の過程において複数の検査を連続で施行する。連続検査の前に検査前オッズがわかっており，各検査のLRがわかっている場合，以下の公式を用いて検査後オッズを計算できる：

検査前オッズ × LR1 × LR2 × LR3 = 検査後オッズ

この方法は，各検査が条件的に互いに独立していなければならないという重要な前提によって制約を受ける。

患者は，しばしば隠れた疾患に対するスクリーニングを受けるか否かを考えなければならない。スクリーニングプログラムの前提は，隠れた疾患の早期発見が患者のアウトカムを改善すること，およびスクリーニングでしばしば生じる偽陽性によって，こうした便益を上回る負担（例，確証検査や不必要な治療の費用および有害作用）が生じないということである。生じうる負担を最小限に抑えるために，臨床医は適切なスクリーニング検査を選択しなければならない。治療が効果的でない場合や，疾患が非常にまれである場合には（有病率の高い部分集団を同定できる場合を除き），スクリーニングは適切でない。

理論的には，スクリーニングおよび診断の両方において最良の検査とは，感度および特異度が最も高い検査である。しかしながら，このような非常に精度の高い検査はしばしば複雑で高額であり，侵襲性が高いものが多いため（例，冠動脈造影），無症状の多くの人のスクリーニングには非現実的である。スクリーニング検査を選択する際は，通常，感度，特異度，またはその両方においていくらか妥協しなければならない。

感度を最適化する検査を選択するか，それとも特異度を最適化する検査を選択するかは，疾患の検査前確率はもとより偽陽性または偽陰性がもたらす影響によっても左右される。理想的なスクリーニング検査とは，疾患を有するほぼ全ての患者で必ず陽性となる検査であり，そのため結果が陰性であれば健康な人で疾患を確実に除外できるものである。例えば，効果的な治療法のある重篤な疾患（例，冠動脈疾患）の検査においては，臨床医は一般的に偽陰性よりも偽陽性を容認するであろう（低特異度，高感度）。スクリーニング検査において感度が高いことは非常に重要な特性であるが，特定のスクリーニング戦略では特異度も重要である。疾患の有病率が高い集団では，スクリーニング検査のPPVが高くなる；有病率が低くなるに従い，結果が陽性であった場合の検査後（または事後）確率は低くなる。したがって，高リスクの集団において疾患のスクリーニングを行うときには，疾患をよりよく除外するために（偽陰性をより少なくするために），感度が高い検査の方が特異度が高い検査よりも望ましい。これに反して，低リスクの集団，または治療による便益が低いもしくはリスクが高いまれな疾患に対しては，特異度の高い検査が選ばれる。

臨床検査は，その結果が管理に影響を及ぼす場合にのみ行われるべきである；さもなければ，患者にかかる費用や患者に対するリスクは無意味なものとなる。臨床医がどんな場合に検査するかの判断を下す際に，検査前および検査後確率の推定値を特定の閾値と比較することがある。確率が一定の閾値を上回る場合，治療の便益はリスク（疾患のない患者を誤って治療するリスクを含む）を上回り，治療が適応となる。この点は治療閾値と呼ばれており，臨床的意思決定の手順：確率推定と治療閾値に記載されているように求められる。定義上，検査前確率がすでに治療閾値を上回る場合には検査は不要である。しかし，検査前確率が治療閾値を下回り，検査結果が陽性であれば検査後確率が治療閾値を上回る可能性がある場合検査が適応となる。検査適応がありうる最も低い検査前確率は，検査特性（例，LR+）によって決まり，検査閾値と呼ばれる。

概念的に，もしある重篤な疾患に対する最良の検査のLR+が低く，治療閾値が高いならば，検査前確率が低いが懸念のある（例，おそらく10％か20％の）患者においては，検査結果が陽性であっても検査後確率が治療閾値未満にとどまる可能性があることは理解できる。

数値例として，上述の急性心筋梗塞が疑われる症例を考慮しているが，この例ではリスクと便益のバランスから，治療閾値は25％と算出された。心筋梗塞の確率が25％を上回る場合に，血栓溶解療法を施行する。血栓溶解療法の施行前に緊急心エコー検査を行うべきは，どのような場合であろうか。心筋梗塞の診断における心エコー検査の感度を60％，特異度を70％と仮定すると，これらの値からLR+は60/（100 − 70）= 2，LR-は（100 − 60）/70 = 0.57に対応する。

この問題は，数学的に（検査前オッズ× LR = 検査後オッズ），またより直感的にはFaganノモグラムを用いて解くことができる。ノモグラム上で，検査後確率の直線上の治療閾値（25％）と，中央のLR直線上のLR+（2.0）を通過する直線は，検査前確率約0.14の点と交差する。検査前確率が14％未満の患者では，陽性の結果が出たとしても，検査後確率は治療閾値より低い値となることは明らかである。この場合，陽性の結果が出たとしても治療の決定には至らないため，心エコー検査は役に立たないことになる；したがって検査前確率14％がこの特定の検査の検査閾値である（検査閾値と治療閾値の図示の図を参照）。LR+が異なる別の検査では，検査閾値も異なる。

検査の必要性を判断するためにFaganノモグラムを使用する

この例では，ある患者の急性心筋梗塞に対する治療閾値（TT）が25％であると仮定する。心筋梗塞の確率が25％を上回る場合，血栓溶解療法を施行する。臨床医はFaganノモグラムを用いて，どんな場合であれば，血栓溶解療法を施行する前に，緊急心エコー検査を行うべきかを判断できる。新規の心筋梗塞に対する心エコー検査の感度を60％，特異度を70％と仮定した場合，これらの値からLR+（陽性検査結果の尤度比［LR］）は60/（100 − 70）= 2に対応する。検査後確率の直線上の治療閾値25％と，中央のLR直線上のLR+（2.0）を通過する直線は，検査前確率約0.14の点と交差する。検査前確率が14％未満の患者では，陽性の結果が出たとしても，検査後確率は治療閾値より低い値となる。 Adapted from Fagan TJ. Letter: Nomogram for Bayes theorem. New England Journal of Medicine 293:257, 1975.

検査閾値と治療閾値の図示

横線は検査後確率を表す。

14％は依然として心筋梗塞の重大なリスクを示すため，疾患を有する確率が検査閾値を下回っていても（例，検査前確率が10％）必ずしも疾患が除外されるとはいえず，単に問題となっている特定の検査で結果が陽性であっても管理方法は変わらず，したがってその検査は適応とならないという意味であることは明らかである。このような状況では，患者を観察し，検査前確率が検査閾値を上回るような所見がないか確認する。臨床では，1つの疾患に対して複数の検査が実施可能であるため，連続検査を行うことができる。

この例では，患者にリスクを与えない検査を考慮している。検査に重大なリスクが伴う場合（例，心臓カテーテル法），検査閾値はより高くなければならない；定量的な計算を行うことはできるが，複雑になる。このため，検査の感度と特異度が低くなれば，または検査のリスクが高くなれば，検査を行うことが最良であるような確率の範囲が狭くなる。検査の識別能力が向上すれば，または検査のリスクが減少すれば，検査を行うことが最良であるような確率の範囲は広くなる。

検査前確率が検査閾値より低い（が，それでもまだ懸念がある）場合に検査を行わないという基準の例外となる可能性として，検査結果が陰性であれば，疾患が除外されるとみなせる確率よりも検査後確率が低くなる場合が該当するであろう。これを決定する際には，疾患を除外できると言うためにどの程度の確実性が必要か主観的に判断する必要があり，また疾患の確率が低いため，検査のいかなるリスクに対しても特に注意を払うことが求められる。