ROC曲線分析：適中度
| コマンド: | 統計 ROC曲線適中度 |
|---|
ROC曲線分析を行うための生データにアクセスできなくても、検査の感度と特異度、および疾病有病率（または疾病の検査前確率）がわかれば、Bayes の定理を用いて検査の陽性適中度と陰性適中度を計算できます。
必要な入力
検査の感度と特異度（パーセントで表した値）、および疾病有病率（同じくパーセントで表した値）を入力します。
必要に応じて、疾患群と正常群のケース数を入力できます。これは、感度と特異度が求められた研究に含まれていたケース数です。これらの数を入力すると、MedCalc は陽性適中度と陰性適中度の 95% 信頼区間を計算できます。
データを入力したら、検定をクリックするか Enter キーを押して結果を表示します。
結果
- 陽性適中度（PPV）：検査が陽性の場合に疾患がある確率（パーセントで表した値）。
$$ PPV = \frac {\text{感度} \times \text{有病率} } {\text{感度} \times \text{有病率} + (1-\text{特異度})\times (1-\text{有病率}) } $$
- 陰性適中度（NPV）：検査が陰性の場合に疾患がない確率（パーセントで表した値）。
$$ NPV = \frac {\text{特異度} \times (1-\text{有病率}) }{ (1-\text{感度}) \times \text{有病率} + \text{特異度} \times (1-\text{有病率}) } $$
- 疾患群と正常群のサンプルサイズがわかっている場合、MedCalc は Mercaldo et al. (2007) が述べている標準ロジット法を用いて適中度の信頼区間を計算します。
$$ PPV = \frac {\text{感度} \times \text{有病率} } {\text{感度} \times \text{有病率} + (1-\text{特異度})\times (1-\text{有病率}) } $$
$$ NPV = \frac {\text{特異度} \times (1-\text{有病率}) }{ (1-\text{感度}) \times \text{有病率} + \text{特異度} \times (1-\text{有病率}) } $$
文献
- Mercaldo ND, Lau KF, Zhou XH (2007) Confidence intervals for predictive values with an emphasis to case-control studies. Statistics in Medicine 26:2170-2183.