MCPで接続 →

計算を入力してください

公式

広告

結果

検査後確率
81.08%
検査後の疾患確率
検査前オッズ 0.4286
検査後オッズ 4.2857
確率の変化 51.08 %

検査後確率とは?

検査後確率とは、診断検査の結果が判明したあとに、患者がその疾患を有している可能性をあらためて見積もった確率のことです。これはエビデンスに基づく診断の核心と言えます。検査は単に「陽性」「陰性」を告げるだけでなく、それまでの予測(事前の見積もり)を上方または下方へとシフトさせるからです。本ツールは、尤度比(LR)を用いて検査前確率を更新し、ベイズの定理を扱いやすいオッズ形式で適用します。

使い方

検査前確率(検査前の段階で見積もった疾患の確率をパーセントで入力)と、検査結果の尤度比を入力します。陽性の結果には陽性尤度比(LR+)を、陰性の結果には陰性尤度比(LR−)を使います。ツールは検査後確率に加えて、途中計算である検査前オッズ・検査後オッズも表示します。

計算式の解説

確率とオッズは同じ事柄を別の形で表したものなので、まず確率をオッズに変換します。

$$\text{検査前オッズ} = \frac{P}{1 - P}$$

これに尤度比を掛けると、検査後オッズが得られます。

$$\text{検査後オッズ} = \text{検査前オッズ} \times \text{LR}$$

最後に、これを確率へ戻します。

$$\text{検査後確率} = \frac{\text{検査後オッズ}}{1 + \text{検査後オッズ}}$$

LR が 1 より大きければ疾患の確率は上がり、1 より小さければ下がり、ちょうど 1 のときは変わりません。

広告
Pipeline converting pre-test probability to odds, multiplying by likelihood ratio, then back to post-test probability
The odds-form workflow: probability to odds, multiply by the likelihood ratio, then convert back to probability.

計算例

検査前確率が 30%、検査結果の LR が 10 だとします。検査前オッズ \( = 0.30 \div 0.70 = 0.4286 \)。検査後オッズ \( = 0.4286 \times 10 = 4.2857 \)。検査後確率 \( = 4.2857 \div (1 + 4.2857) = 0.8108 \)、つまり約81%となります。陽性の結果によって、疾患の疑いが 30%から 81%へと高まったことがわかります。

Fagan nomogram with a straight line linking pre-test probability through likelihood ratio to post-test probability
A Fagan nomogram reads off post-test probability by drawing a line from pre-test probability through the likelihood ratio.

よくある質問

尤度比はどこから求めるのですか? 検査の感度と特異度から算出します。LR+ \( = \text{感度} \div (1 - \text{特異度}) \)、LR− \( = (1 - \text{感度}) \div \text{特異度} \) です。

「良い」LR の目安は? 経験則として、LR+ が 10 を超える、または LR− が 0.1 を下回る場合は、確率を大きく動かし、しばしば診断を決定づけるほどの変化をもたらします。1 に近い値は臨床的にほとんど役に立ちません。

検査前確率を 100%にできますか? 0%や 100%ではオッズが 0 または無限大になり、いかなる検査でも「確実なもの」を変えることはできません。だからこそ実臨床では、極端な値そのものではなく、それに近い値を用います。

最終更新: