Introduce clinical reasoning as evidence-based diagnostic approach.

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. 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. 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. “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. “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. “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. “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. “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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 「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. 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. 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. 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. 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. “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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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