統計学に関する質問

質問

こんにちは。
統計データを得たのですが、それに関する質問です。
（数値は実際とは変えてあります）

ある病気を持つ60名に、その病気を検出するための2種の検査（検査A、検査B）を行いました。

1.検査Aが陽性、検査Bも陽性
⇒6名
2.検査Aが陽性、検査Bが陰性
⇒24名
3.検査Aが陰性、検査Bは陽性
⇒1名
4.検査Aが陰性、検査Bも陰性
⇒29名

以上の結果から、ポイントと思われる点を抽出しました。
1)この病気を検査Aは50パーセント検出しているが、検査Bは約12パーセントしか検出できていない。検出力は検査Aの方が高い。
2)検査Aで陽性として検出される30名のうち、検査Bではその80パーセントを検出できていない。
3)検査Aで陽性ならば、検査Bでも約98パーセントは陰性だ。

質問です。
質問1.以上はただ単に表を言葉で説明しただけですが、上記のポイントをより客観的に示すために適した統計解析手法があるのでしょうか。
質問2.今回の研究に似た事象を表現するのに、統計学の文献では「感度」「特異度」などの用語が出てきましたが、今回の場合、例えば偽陽性等が不明です。これらの用語では説明不可ですか？

以上、よろしくお願いします。

回答No.1

beniebicha · ベストアンサー

ご研究やご質問の意図が少々つかみかねておりますが、わかる範囲で。

質問１　ＲＯC曲線でしょうか。解析手法…といっていいかどうかわかりませんが。
　　　　　感度と特異度をどう考えるかは、スクリーニングの目的にもよります。
　　　　　また、数字を変えられているせいでしょうか…どうも計算があわないように思うのですが。
質問2　感度は、本当に陽性な人の数、特異度は、本当に陰性の人の数。
　　　　　感度と特異度は、あちらをたてればこちらがたたずの関係にあります。
感度をあげる：本当に陽性な人だけをスクリーニング検査だけでどんぴしゃあてよう、偽陽性の人をできるだけ少なくしようとすることです。これは、偽陽性の人は減りますが、陽性な人を見逃してしまうかもしれません。
特異度をあげる：本当は陰性なのに偽陽性としてしまう人を増やします。無駄な二次検査が増えてしまうかもしれません。
なお、このバランスのちょうどいいところを調べるのがROC曲線です。

ところで、質問者様の”検出力”とは何を示しているのでしょうか。
検査法ＡとＢとの間に差があるかどうかを検定したい、のがご研究の目的ですか？
通常の”検出力”とは、帰無仮説をたてた時の第二種の過誤（帰無仮説が間違っているのに正しいとしてしまう確率をβとしたら、１－βであらわせる：つまり検出力が大きいほど第二種の過誤をおこす確率が小さくなる）
１）のご説明はむしろ感度のことでしょうか？

大変恐縮ですが、何らかのご研究ということでも何らかのスクリーニング方法をご検討するのであっても、可能なら”公衆衛生のサブノート”や”ロスマンの疫学”などで系統的に学習されてからとりかかられることをお勧めいたします。

お礼

御回答、ありがとうございました。参考にさせて頂きます。