Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Evidence-Based Diagnostic approach(2008/02/17)

9,242 views

Published on

Introduce clinical reasoning as evidence-based diagnostic approach.

Published in: Health & Medicine
  • Be the first to comment

Evidence-Based Diagnostic approach(2008/02/17)

  1. 1. pES clubレクチャー EBMによる診断の考え方 welcome to diagnostic world ! 東京北社会保険病院 総合診療科 南郷 栄秀 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  2. 2. 目標  なぜEBMによる診断が必要か理解する  EBMによる診断を理解するための基礎 知識を習得する  感度・特異度  陽性的中率・陰性的中率  尤度比 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  3. 3. 突然ですが...  23歳男性,実習の打ち上げの飲み会から帰 宅して風呂に入ったが,疲れていたので髪 の毛を乾かさずに寝てしまった.翌日より くしゃみ,鼻水,鼻づまりが始まり,昨日 には喉が痛くなり,体温を測ってみたとこ ろ37.3℃であった  診断は?  かぜ?  診断根拠は? 2008/02/17 カン? E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  4. 4. “カン”とは何か?  医師個人の臨床経験に基づく,言語化され ていないパターン認識 “カン”の利点   診断が早い:日常業務の大半はコレ そこそこ当たる(パターンに当てはまる) “カン”の欠点    バイアスが混入,修正困難 他人に伝えることができない:教育不能 論理的,文献的根拠に乏しい 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  5. 5. “カン”はどれくらい正しいか?  簡単なクイズです  50歳のあなたの叔母が,健診でマ ンモグラフィーを行った結果,陽性 と出た  心配になった叔母は,医療のことを 勉強しているあなたに電話で相談し た  あなたの叔母が乳癌である割合は? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  6. 6. “カン”はどれくらい正しいか?  もう少し情報を...  50歳の女性が乳癌にかかる割合は0.1%  乳癌である人がマンモグラフィーで陽性と出る割合 は90%  本当は乳癌でなくても検査で陽性と出る割合は9%  50歳のあなたの叔母がマンモグラフィーで陽性の 結果が出た  叔母が乳癌である割合は? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  7. 7. “カン”はどれくらい正しいか? 50歳の女性で乳癌:0.1% 乳癌の人で検査陽性:90% 乳癌でなく検査陽性:9% 10000人 検査結果が陽性 乳癌 乳癌なし 10人 検査陽性 9人 2008/02/17 9990人 検査陰性 1人 検査陽性 899人 検査陰性 9091人 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  8. 8. “カン”はどれくらい正しいか? 9人  乳癌で検査陽性  乳癌ではないが検査陽性 899人  検査陽性の叔母が乳癌である可能性は...   9/(9+899)=0.99%(約1%) “カン”は当てにならない! 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  9. 9. EBM診断の目的 個々の身体所見・検査の特性を十分に把握し  “カン”というあいまいな部分を明確にする  経験の異なる医師によるブレをなくす  バイアスをできるだけ排除する 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  10. 10. 診断のカテゴリーの疑問  この診断法を用いることで,目的とす る診断を下すことができるか? P:この患者が I:この診断法を受けると C:正しい診断法での診断と比べて O:どれだけその疾患の有無を判定できるか 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  11. 11. 診断の疑問を解決する  必要な研究デザインは?   Cohort研究  症例対照研究  2008/02/17 RCT 横断研究 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  12. 12. 診断を扱う横断研究のポイント  “正しい診断”は神のみぞ知る  人間は,“正しい診断”を知るこ とは不可能である  “正しい診断”に最も近い診断法 をgold standardとする  Gold standardと調べたい診断法を 比較する 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  13. 13. 診断のチェックシート  論文のPICO  Cはgold standardか?  IとCは全ての患者で独立に確認されている か?  IとCは実施方法が明確か?  IとCは結果に再現性があるか?  結果の評価 The SPELL, http://spell.umin.jp「はじめてダイアゴンシート」参照 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  14. 14. 全ては2×2表(四分表)から始まる 真実を知る神は天上界にいる ↓ 検 査 を う行 人 間 疾患(+) 疾患(-) 計 検査(+) ↑ は 地 上 に界 い る a b a+b 検査(-) c d c+d 計 a+c b+d a+b+c+d どっちがどの向きになるのか紛らわしくないか? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  15. 15. 検査の2×2表 疾患(+) 疾患(-) 計 検査(+) a b a+b 検査(-) c d c+d 計 a+c b+d a+b+c+d 感度(Sn:sensitivity) 疾患のある人のうち陽性:a/(a+c) 特異度(Sp:specificity) 疾患のない人のうち陰性:d/(b+d) 陽性的中率 検査陽性のうち疾患あり:a/(a+b) 陰性的中率 検査陰性のうち疾患なし:d/(c+d) 有病割合 患者/総計:(a+c)/(a+b+c+d) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  16. 16. 感度・特異度 疾患(+) 疾患(-) 計 検査(+) b a+b 検査(-) c d c+d 計  a a+c b+d a+b+c+d 感度・特異度は,疾患の側から見て,検査 そのものの性能を評価している →病気の頻度には影響されず,検査法固有の特性 を純粋に示す 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  17. 17. ①有病割合50%の10000人の集団に 感度80%,特異度90%の検査を 疾患あり 疾患なし 計 検査陽性 検査陰性 計 10000 この表を埋めて,陽性的中率,陰性 的中率を計算しましょう 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  18. 18. ①有病割合50%の10000人の集団に 感度80%,特異度90%の検査を 疾患あり 疾患なし 計 検査陽性 4000 500 4500 検査陰性 1000 4500 5500 計 5000 5000 10000 陽性的中率は? 4000/4500 = 0.89 陰性的中率は? 4500/5500 = 0.82 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  19. 19. 検査の特性について考えてみましょう    5つの表を埋めて,陽性的中率,陰性 的中率を求める 5つの表の計算から,検査特性と有病 割合について言えることは? グループ毎に話し合ってみましょう 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  20. 20. ②有病割合50%の10000人の集団に 感度50%,特異度90%の検査を 疾患あり 疾患なし 計 検査陽性 2500 500 3000 検査陰性 2500 4500 7000 計 5000 5000 10000 陽性的中率は? 2500/3000 = 0.83 陰性的中率は? 4500/7000 = 0.64 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  21. 21. ③有病割合50%の10000人の集団に 感度80%,特異度40%の検査を 疾患あり 疾患なし 計 検査陽性 4000 3000 7000 検査陰性 1000 2000 3000 計 5000 5000 10000 陽性的中率は? 4000/7000 = 0.57 陰性的中率は? 2000/3000 = 0.67 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  22. 22. ④有病割合10%の10000人の集団に 感度80%,特異度90%の検査を 疾患あり 疾患なし 計 検査陽性 800 900 1700 検査陰性 200 8100 8300 計 1000 9000 10000 陽性的中率は? 800/1700 = 0.47 陰性的中率は? 8100/8300 = 0.98 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  23. 23. ⑤有病割合1%の10000人の集団に 感度80%,特異度90%の検査を 疾患あり 疾患なし 計 検査陽性 80 990 1070 検査陰性 20 8910 8930 計 100 9900 10000 陽性的中率は? 80/1070 = 0.075 陰性的中率は? 8910/8930 = 0.998 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  24. 24. 検査の特性について 考えてみましょう    5つの表を埋めて,陽性的中率,陰性 的中率を求めた 5つの表の計算から,検査特性と有病 割合について言えることは? 隣同士,話し合ってみましょう 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  25. 25. 結果から何が言えるか  有病割合50%の10000人の集団に     Sn 80%,Sp 90% Sn 50%,Sp 90% Sn 80%,Sp 40% → → → PPV 89%,NPV 82% PPV 83%,NPV 64% PPV 57%,NPV 67% 感度80%,特異度90%の検査を    有病割合50%の集団に → PPV 89%,NPV 82% 有病割合10%の集団に → PPV 47%,NPV 98% 有病割合1%の集団に → PPV 7.5%,NPV 99.8% →何が言えるか? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  26. 26. 結果から何が言えるか  有病割合50%の10000人の集団に       Sn 80%,Sp 90% Sn 50%,Sp 90% Sn 80%,Sp 40% → → → PPV 89%,NPV 82% PPV 83%,NPV 64% PPV 57%,NPV 67% 感度Snが高い検査で陰性Negativeが出た場合 は,疾患が除外rule outできる(SnNOut) 特異度Spが高い検査で陽性Positiveが出た場 合は,疾患が確定rule inできる(SpPIn) 検査を行う際には,その検査は感度が高いの か,特異度が高いのかを考えることが重要 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  27. 27. 結果から何が言えるか  感度80%,特異度90%の検査を     有病割合50%の集団に → PPV 89%,NPV 82% 有病割合10%の集団に → PPV 47%,NPV 98% 有病割合1%の集団に → PPV 7.5%,NPV 99.8% 同じ特性を持つ検査でも,有病割合の異なる集 団に用いると,結果の意味合いが違う 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  28. 28. 「検査陽性=疾患あり」ではない!   同じ検査(同じ感度・特異度)でも,有病 割合の違う集団に行うと,陽性/陰性的中 率は異なる 検査陽性→疾患あり 検査陰性→正常 ではない →従って,検査を行う際には 検査の特性 有病割合 の両方を知っておく必要がある 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  29. 29. シナリオ  67歳の男性,今朝突然胸が痛くなった  考えられる疾患は? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  30. 30. 鑑別診断が分からない?  鑑別診断が思い浮かばなかったら,VINDICATE-P と解剖で考える           V:Vascular 血管性 I:Inflammatory 炎症性 N:Neoplasm 腫瘍 D:Degenerative and Deficiency 変性と欠損 I:Intoxication and Idiopathic 中毒と特発性 C:Congenital 先天性 A:Autoimmune and Allergic 自己免疫とアレルギー T:Trauma 外傷 E:Endocrine 内分泌 P:Psychogenic and Psychiatry 心因性と精神性 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  31. 31. シナリオ  67歳の男性,今朝突然胸が痛くなった  考えられる疾患は?  それぞれの可能性は何%? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  32. 32. シナリオ続き   低酸素血症(PaO2<80mmHg) がある 考えられる疾患の可能性は? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  33. 33. “低酸素血症がある”という情報 が加わって,何が変わったか?  ある鑑別診断は可能性が上がり,ある 鑑別診断は可能性が下がった  このとき,以下の“ベイズの定理”が 成り立つ 事前オッズ × □ = 事後オッズ 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  34. 34. オッズとは? 「率」と「オッズ」の違い  「率」「ratio」 a:b→a/(a+b) 全体の中でそれが占める割合  「オッズ」 「odds」 a:b→a/b そうであるものとそうでないものの比 (欧米のギャンブルでよく使われるものの変形) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  35. 35. 情報が入ることで... 検査前割合 (事前割合) 検査前オッズ (事前オッズ) 2008/02/17 情報 ×□ (ベイズの定理) 検査後割合 (事後割合) 検査後オッズ (事後オッズ) E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  36. 36. オッズを計算しよう  中年男性に突然発症した胸痛にお ける,肺梗塞の事前オッズは? 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  37. 37. 疾患(+) 疾患(-) 計 a b a+b 検査(+) c d c+d 検査(-) a+c b+d a+b+c+d 計 □=事後オッズ  事前オッズ×  事前オッズ=(a+c)/(b+d)  事後オッズ=a/b (検査陽性の場合) =c/d (検査陰性の場合) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  38. 38. 疾患(+) 疾患(-) 計 a b a+b 検査(+) c d c+d 検査(-) a+c b+d a+b+c+d 計 (検査陽性の場合) □=事後オッズ (a+c)/(b+d)×□=a/b □=a/b×(b+d)/(a+c) 事前オッズ× =a/(a+c)/b/(b+d) =Sn/(1-Sp) これを陽性尤度比(LR+)と呼ぶ 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  39. 39. 疾患(+) 疾患(-) 計 a b a+b 検査(+) c d c+d 検査(-) a+c b+d a+b+c+d 計 (検査陰性の場合) □=事後オッズ (a+c)/(b+d)×□=c/d □=c/d×(b+d)/(a+c) 事前オッズ× =c/(a+c)/d/(b+d) =(1-Sn)/Sp これを陰性尤度比(LR-)と呼ぶ 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  40. 40. 尤度比(ゆうどひ)  検査の結果が,事前オッズを事後オッズへ 何倍に変えるか――この「何倍」を「尤度 比」(LR:likelihood ratio)という 事前オッズ × LR = 事後オッズ  LRは有病割合に影響されない,検査に固有 の数値である 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  41. 41. 尤度比(ゆうどひ)の目安      LRが>10 or<0.1 LRが5-10 or 0.1-0.2 LRが2-5 or 0.2-0.5 LRが<2 or>0.5 LRが1 2008/02/17 効果大 効果中 効果小 効果僅か 効果なし E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  42. 42. 感度が高い検査は? 疾患(+) 疾患(-) 検査(+) 検査(-) 計 a c 0 a+c a b d b+d 計 a+b d c+d a+b+c+d  Sn=a/(a+c)  感度100%(Sn=1)とは,c=0  Snが大きいほど,検査が陰性(Negative)だった ときに疾患がrule Outできる(SnNOut) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  43. 43. 特異度が高い検査は? 疾患(+) 疾患(-) 検査(+) 検査(-) 計 a c a+c b 0 d b+d d 計 a a+b c+d a+b+c+d  Sp=d/(b+d)  特異度100%(Sp=1)とは,b=0  Spが大きいほど,検査が陽性(Positive)だったと き疾患がrule Inできる(SpPIn) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  44. 44. 再び,感度と特異度とは?  LR+= Sn/(1-Sp)  LR-= (1-Sn)/Sp  Snが大きいほど,LR-が0に近づく   つまり,SnNOut Spが大きいほど,LR+が∞に近づく  つまり,SpPin 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  45. 45. 実際の臨床では?  LR+= Sn/(1-Sp)  LR-= (1-Sn)/Sp  肺梗塞に対する感度・特異度  低酸素血症の存在 : →LR+= 1.1 LR-= 0.8  D-dimmer>0.5mg/ml →LR+= 1.7 LR-= 0.1 2008/02/17 Sn 73%,Sp 33% 事後割合は? : Sn 95%,Sp 45% 事後割合は? E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  46. 46. 実際の臨床では? 計算が 事前割合 事後割合 × めんどくさい!! 直接は計算できない ベイズの定理 事前オッズ 問診・身体所見・検査事後オッズ 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  47. 47. Fagan nomogram  オッズを計算せずに 事後割合を求めるこ とができるツール  低酸素血症   LR+ 1.1,LR- 0.8 D-dimer>0.5mg/ml  LR+ 1.7,LR- 0.1 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  48. 48. 身体所見もいろいろ  心窩部圧痛 : LR+ 0.9,LR- 1.2  McBurney圧痛 : LR+ 3.4,LR- 0.4  CVA knock pain : LR+ 27.7,LR- 0.9  肺野のcrackles : LR+ 2.0,LR- 0.8  下肢伸展挙上試験 : LR+ 1.8,LR- 0.2 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  49. 49. 身体所見よりも検査が優れる?  尿管結石に対する所見  CVA knock pain   事前割合50%なら,事後割合は97%,47% 顕微鏡的血尿  : LR+ 27.7,LR- 0.9 : LR+ 1.25,LR- 0.4 事前割合50%なら,事後割合は56%,29% →尿管結石というならCVAの方が役に立つ 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  50. 50. 検査の特性  感度が高い検査,特異度が高い検査を 挙げてみよう 特異度が高い 特異度が低い 感度が高い 感度が低い 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  51. 51. 検査の特性 特異度が高い CT 感度が高い 上部下部内視鏡 インフルエンザキット 感度が低い 2008/02/17 結核菌培養 特異度が低い CRP アミラーゼ バリウム検査 腫瘍マーカー E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  52. 52. 陥りがちな誤り  検査が陽性なら疾患あり   低血圧患者で経皮的酸素飽和度が低下   老人健診で見つかった顕微鏡的血尿 肺炎患者において喀痰培養でMRSAが検出 検査が陰性なら正常  下血の患者の便潜血検査が陰性  体重減少の患者の腫瘍マーカーが基準範囲内  喘息発作患者で胸部聴診所見が正常 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  53. 53. 診断を考えるにあたって  診療においては,有病割合が大切である  問診から得られた情報や身体所見も検査 と同じくらいの威力を持つことがある   迷っているときだからこそ,検査をする 意味がある(自分の予想はアテになる) 問診,身体所見,検査は個々の特性を理 解して過少でも過剰でもなく選び,患者 が納得できる診断を行なう 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  54. 54. 診断に有用な書籍  身体診察の感度・特異度,尤度比が載っ ている書籍  マクギーの身体診察(10,403円) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  55. 55. 診断に有用な書籍  検査の感度・特異度,尤度比が載っている書籍  Diagnostic Strategies for Common Medical Problems(5,607円)  Evidence Based Acute Medicine 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital
  56. 56. 診断に有用な書籍  有病割合が載っている書籍  The Patient History: Evidence-Based Approach  聞く技術―答えは患者の中にある(2,940円×2) 2008/02/17 E. Nango, Dep. of GM, Tokyo-kita Social Insuarance Hospital

×