Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
スクリーニング評価の注意点
Search
funain
December 28, 2022
Education
0
760
スクリーニング評価の注意点
スクリーニングを評価する際に考慮しないといけないバイアスについて紹介します。
funain
December 28, 2022
Tweet
Share
More Decks by funain
See All by funain
第3回 クイズ大会 問題
funain
0
95
第3回 クイズ大会 解答
funain
0
94
第2回 クイズ大会 問題
funain
0
160
第2回 クイズ大会 解答
funain
0
130
2023年度にやりたいこと(めぐろLT会 #2)
funain
0
540
第1回 クイズ大会 問題
funain
0
1.4k
第1回 クイズ大会 解答
funain
0
270
フェアな比較を崩すもの ~交絡と効果修飾~ / Confounding EffectModification
funain
1
550
確率分布の紹介
funain
0
830
Other Decks in Education
See All in Education
Data Processing and Visualisation Frameworks - Lecture 6 - Information Visualisation (4019538FNR)
signer
PRO
1
2.4k
ふりかえり研修2025
pokotyamu
0
1.2k
仮説の取扱説明書/User_Guide_to_a_Hypothesis
florets1
4
300
JOAI2025講評 / joai2025-review
upura
0
150
サンキッズゾーン 春日井駅前 ご案内
sanyohomes
0
310
Gamified Interventions for Composting Behavior: A Case Study Using the Gamiflow Framework in a Workplace Setting
ezefranca
1
120
Design Guidelines and Principles - Lecture 7 - Information Visualisation (4019538FNR)
signer
PRO
0
2.4k
Human-AI Interaction - Lecture 11 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
450
日本の教育の未来 を考える テクノロジーは教育をどのように変えるのか
kzkmaeda
1
210
i-GIP 2025 中高生のみなさんへ資料
202200
0
480
Visualisation Techniques - Lecture 8 - Information Visualisation (4019538FNR)
signer
PRO
0
2.4k
プレゼンテーション実践
takenawa
0
4.7k
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
42
7.5k
BBQ
matthewcrist
89
9.7k
Visualization
eitanlees
146
16k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
161
15k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.8k
Large-scale JavaScript Application Architecture
addyosmani
512
110k
Art, The Web, and Tiny UX
lynnandtonic
299
21k
The Cult of Friendly URLs
andyhume
79
6.5k
Become a Pro
speakerdeck
PRO
28
5.4k
RailsConf 2023
tenderlove
30
1.1k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
Transcript
スクリーニング評価の注意点 1
とあるスクリーニング利用者の声 とあるスクリーニング検査で とある疾患の診断と治療を受けたら 10年間生き延びることができました. 検査を受けずに症状が現れてから 診断と治療を受けたら 7年しか生き延びられませんでした. ⇒ スクリーニングは 3
年寿命を延ばしたので 疾患の早期発見は至高です!! 2
とあるスクリーニング利用者の声 とあるスクリーニング検査で とある疾患の診断と治療を受けたら 10年間生き延びることができました. 検査を受けずに症状が現れてから 診断と治療を受けたら 7年しか生き延びられませんでした. ⇒ スクリーニングは 3
年寿命を延ばしたので 疾患の早期発見は至高です!! 3
1. 疾患の自然経過 4
正常 前臨床期 臨床期 疾患なし 生物学的な 疾患の始まり 最初の 症状の出現 診断 治療
疾患の自然経過 (natural history) 5
正常 前臨床期 臨床期 1次予防 疾患の原因の 除去あるいは 予防接種 2次予防 スクリーニング, 検出および
早期治療 3次予防 死亡や合併症予防 のための治療 疾患なし 生物学的な 疾患の始まり 最初の 症状の出現 診断 治療 6
正常 前臨床期 臨床期 疾患なし 生物学的な 疾患の始まり 最初の 症状の出現 診断 治療
スクリーニング検査で疾患 の検出が可能となる時点 検出可能な前臨床期 : DPCP(Detectable PreClinical Phase) 7
正常 前臨床期 臨床期 疾患なし 生物学的な 疾患の始まり 最初の 症状の出現 診断 治療
スクリーニング検査の実際の早期診断 リードタイム(lead time) 8
2. スクリーニング評価関連のバイアス 9
スクリーニング評価関連のバイアス ① 選択バイアス (selection bias) ② レングスバイアス (length bias) ③
新規/既存バイアス (incidence-prevalence bias) ④ リードタイムバイアス (lead time bias) ⑤ 過剰診断バイアス (overdiagnosis bias) 10
① 選択バイアス • 受ける人々と受けない人々で特性が異なる可能性 Ex. • スクリーニングを受ける人は健康意識高い人が集まる ⇒ スクリーニングの効果と関係なく予後が良い結果 ⇒
研究デザインがRCTならば, 群間の共変量が確率的に バランスするが, RCTでないならば, 調整する必要あり 11
• スクリーニングで発見される患者は, スクリーニングの 間に発病し, 発見される患者(インターバルケース)より 予後が良い ② レングスバイアス 2回目スクリーニング 1回目スクリーニング
DPCP 12
• DPCPが長い患者の方がスクリーニングで発見しやすい • DPCPが長い患者は病気の経過が緩やかで予後が良い ⇒ スクリーニングで発見された患者とインターバル ケースを比較してはいけない • 次の新規/既存バイアスにも関連している ②
レングスバイアス 13
③ 新規/既存バイアス • スクリーニングを 2 回実施したとする • 最初に発見された患者(既存患者)と, その回では異常が なかったが
2 回目で発見された患者(新規患者)の比較 ⇒ 新規患者より既存患者の方が平均生存期間が長くなる (既存患者に長期生存者の割合が高くなるため) ⇒ スクリーニングの導入で予後が悪化したように見える ⇒ 新規患者と既存患者で比較してはいけない 14
④ リードタイムバイアス スクリーニングによる診断と治療 診断と治療 死亡 死亡 生物学的な 疾患の始まり 生物学的な 疾患の始まり
スクリー ニング群 コントロ ール群 2010 2010 2012 2022 2022 2015 15
④ リードタイムバイアス スクリーニングによる診断と治療 診断と治療 死亡 死亡 生物学的な 疾患の始まり 生物学的な 疾患の始まり
リードタイムバイアス : 3 年 スクリー ニング群 2010 2010 2012 2022 2022 2015 コントロ ール群 16
• スクリーニングの早期発見の有効性を示すには… 1. スクリーニング群の生存期間を, コントロール群の生 存期間とリードタイムを加えたもので比較する 2. スクリーニングで発見された患者の致死率を調べるの ではなく, スクリーニング群全体における疾患による
死亡率を非スクリーニング群と比較する ④ リードタイムバイアス 17
• 過剰診断は, 治療しなくても症状を起こしたり, 死亡の原因に なったりしない病気を診断すること (過剰診断の定義が異なることもあって, 検査関係者の意気込み等で誤診断(偽陽性)が 増えることという意味の場合もあるが, これは古い定義か分野の違いか?⇒最後に補足) Ex.
• 70歳以上の男性の65~100%に前立腺がんが存在する • ただし, その多くは非浸潤性のもので死因にならない ⇒症状が出てから診断された患者の方が, スクリーニングで 診断された前立腺がんの患者の方より, 悪性の割合が高くなり, そのまま比較するとバイアスが生じる ⑤ 過剰診断バイアス 18
[再掲]とあるスクリーニング利用者の声 とあるスクリーニング検査で とある疾患の診断と治療を受けたら 10年間生き延びることができました. 検査を受けずに症状が現れてから 診断と治療を受けたら 7年しか生き延びられませんでした. ⇒ スクリーニングは 3
年寿命を延ばしたので 疾患の早期発見は至高です!! 19
[再掲]スクリーニング評価関連のバイアス ① 選択バイアス (selection bias) ② レングスバイアス (length bias) ③
新規/既存バイアス (incidence-prevalence bias) ④ リードタイムバイアス (lead time bias) ⑤ 過剰診断バイアス (overdiagnosis bias) 20
• Gordis(著), 木原ら(翻訳),『疫学 -医学的研究と実践のサイエンス』第18章 • Szklo and Nieto(著),『アドバンスト分析疫学 369の図表で読み解く疫学的推論の論理と数理 』の第4章
• 名取宏, NATROMのブログ『「過剰診断」の定義の違いを認識しよう』 • https://natrom.hatenablog.com/entry/2022/03/30/110000 • 坂本,『過剰診断(overdiagnosis)の定義と過剰手術(oversurgery)/過剰治療(overtreatment)の用 法:病理医と疫学者の見解の差異』 • https://www.jstage.jst.go.jp/article/jaesjsts/38/4/38_265/_pdf/-char/ja • 祖父江友孝,『検診の効果とバイアス』 • http://www.haigan.gr.jp/journal/full/043071013.pdf 参考文献 21
• Gordisの方のテキストでは誤診断の方の定義になっていて, Szklo and Nietoでは死因になら ない方の定義になっている. • 名取宏, NATROMのブログ『「過剰診断」の定義の違いを認識しよう』では,坂本『過剰 診断(overdiagnosis)の定義と過剰手術(oversurgery)/過剰治療(overtreatment)の用
法:病理医と疫学者の見解の差異』を引用して, 疫学と病理の違いとしている. • 祖父江友孝『検診の効果とバイアス』では定義が変わってきているとしている. [補足] 過剰診断の定義の違い 22