陰性尤度比・とは？初心者のための医療検査指標ガイド共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

陰性尤度比とは何か

陰性尤度比とは、検査の結果が陰性のときに「病気がある可能性がどれだけ減るか」を表す指標です。英語名は Negative Likelihood Ratio で、略して LR- と呼ばれます。

この指標は、検査の信頼性を判断するときに重要です。検査には感度と特異度という別の指標があります。感度は「病気がある人を正しく陰性にしない確率」、特異度は「病気がない人を正しく陰性にする確率」です。LR- は陰性結果が出たときに、病気がある可能性をどだけ減らせるかを数値で示します。

LR- の公式と解釈

LR- の基本的な計算式は次のとおりです。

式	LR- = (1 - 感度) / 特異度
意味	陰性結果が出たときの病気の事後確率に影響を与える度合いを示す
値の解釈	LR- が 1 より小さいほど陰性結果の信頼性が高く、0 に近いほど良いとされます

注意点として、LR- は病気の有病率（ prevalance とは別の「事前確率」）に左右されにくい指標です。つまり、場所や集団が変わってもある程度の比較はできます。ただし、実際の意思決定では事前確率と組み合わせて使うことが大切です。

具体的な例で見る LR- の使い方

例として、感度が 0.90、特異度が 0.80 の検査を考えます。LR- は LR- = (1 - 0.90) / 0.80 = 0.10 / 0.80 = 0.125 となります。

事前確率を 20% とすると、事前オッズは 0.20 / 0.80 = 0.25 です。陰性結果を受け取ると、事後オッズは 0.25 × 0.125 = 0.03125 となります。事後確率は 0.03125 ÷ (1 + 0.03125) ≈ 0.0303、約 3.0% です。

このように LR- は、検査結果が陰性だったときの判断材料として活用されます。臨床現場では、検査の「陰性での信頼性」を演繹的に評価するために、LR- を活用して事前確率と組み合わせた意思決定を行います。

別の例

別の例として、感度は 0.70、特異度は 0.95 の検査を考えます。LR- = (1 - 0.70) / 0.95 = 0.30 / 0.95 ≈ 0.316。事前確率が 30% の場合、事前オッズは 0.30 / 0.70 ≈ 0.4286。事後オッズ ≈ 0.4286 × 0.316 ≈ 0.1353。事後確率は ≈ 0.1353 ÷ (1 + 0.1353) ≈ 0.1192、約 11.9% です。陰性結果により病気の可能性は大きく下がりますが、完全にはゼロにはなりません。

このように LR- は検査の陰性結果の信頼性を判断する強力な道具です。実務では事前確率と組み合わせて post-test probability を算出し、治療や追加検査の判断材料にします。

まとめ

陰性尤度比は検査の陰性結果の信頼性を示す重要な指標です。式は LR- = (1 - 感度) / 特異度であり、値が小さいほど陰性結果の情報量が多くなります。実務では事前確率と組み合わせて post-test probability を算出し、病気の可能性をより正確に判断します。

陰性尤度比の同意語

陰性尤度比: 診断テストの陰性結果が病気でない可能性の強さを表す指標です。感度と特異度から計算され、値が小さいほど陰性結果で病気を否定しやすいことを意味します。
陰性尤度比率: 陰性尤度比の別表現。比の意味を強調する言い方で、同じ指標を指します。
ネガティブ尤度比: 陰性尤度比の言い換え表現。日本語で“ネガティブ”という語を用いた表現です。
NLR: Negative Likelihood Ratio の略称。論文や資料で頻繁に用いられる、陰性尤度比を指す国際的な表記です。

陰性尤度比の対義語・反対語

陽性尤度比: 陰性尤度比の対義語。陽性尤度比（LR+）は、検査結果が陽性だった場合に病気である可能性がどれだけ高まるかを示す指標です。計算式は感度 ÷ (1 - 特異度) で表され、LR+が大きいほど陽性結果が病気を示す確度が高いとされます。臨床や医療統計の解説では、“陽性結果の説得力”が高いという意味合いで使われます。

陰性尤度比の共起語

陰性尤度比: 検査結果が陰性だった場合に、病気があるかないかを更新する指標。式は (1-感度)/特異度。値が小さいほど陰性結果で病気を排除しやすい。
感度: 病気を持つ人を陽性と判定する確率。真陽性 / (真陽性 + 偽陰性)。高いほど見逃しを減らせる。
特異度: 病気を持たない人を陰性と判定する確率。真陰性 / (真陰性 + 偽陽性)。高いほど偽陽性を減らせる。
陽性尤度比: 陽性の検査結果が病気を持つ人で出る確率と病気を持たない人で出る確率の比。LR+ = 感度 / (1-特異度)。値が大きいほど陽性結果の診断力が高い。
偽陰性: 病気があるのに検査が陰性となる誤分類。
偽陽性: 病気がないのに検査が陽性となる誤分類。
真陽性: 病気がある人を検査が陽性と正しく判定した結果。
真陰性: 病気がない人を検査が陰性と正しく判定した結果。
事前確率: 検査を受ける前に病気があると推定する確率。
事後確率: 検査結果を踏まえた後の病気がある確率。ベイズ更新で求める。
ベイズ公式: 事前確率と尤度を組み合わせて事後確率を求める計算式。
カットオフ値: 検査値を陽性/陰性に分ける閾値。閾値を変えると感度と特異度が変化する。
閾値: 検査を陽性/陰性に分ける基準となる値。
ROC曲線: 感度と1-特異度をプロットした曲線。曲線の形で検査の性能を比較する。
AUC: ROC曲線の下面積。1に近いほど診断力が高い。
診断精度: 検査の全体的な正確さを表す指標。感度・特異度・予測値などを総合的に評価。

陰性尤度比の関連用語

陰性尤度比 (LR-): 陰性結果が病気をどれだけ除外できるかを示す指標。LR- = (1 - 感度) / 特異度。値が小さいほど陰性結果で病気を強く除外できると解釈され、0.1未満だと強い除外の根拠とされることが多い。
陽性尤度比 (LR+): 陽性結果が病気の可能性をどれだけ高めるかを示す指標。LR+ = 感度 / (1 - 特異度)。値が大きいほど陽性結果で病気の可能性を高めると解釈され、一般には4以上、10以上が強い証拠とされることがある。
感度: 病気がある人を検査で陽性と判定する割合。感度 = TP / (TP + FN)。高いほど見逃しを減らせる。 unit: 比率。
特異度: 病気がない人を検査で陰性と判定する割合。特異度 = TN / (TN + FP)。高いほど偽陽性を減らせる。 unit: 比率。
偽陰性率 (FNR): 実際には病気があるのに検査で陰性になる割合。FNR = 1 - 感度。低いほど見逃しが少なくなる。
偽陽性率 (FPR): 実際には病気がないのに検査で陽性になる割合。FPR = 1 - 特異度。低いほど誤診が少ない。
前検査確率 / 事前確率（Pre-test probability）: 検査前に病気であると推定される確率。症状や疫学情報から推定する目安の値。
事後確率 / ポストテスト確率: 検査結果を受けて病気の可能性が変化した新しい確率。ベイズ更新により算出される。
ベイズの定理 / ベイズ更新: 事前確率と検査の尤度を組み合わせて事後確率を求める統計の基本法。尤度比（LR）を用いると直感的に更新しやすい。
診断オッズ比 / DOR: 検査が病気をどう判別できるかの総合指標。DOR = LR+ / LR = (TP×TN)/(FP×FN)。値が大きいほど情報価値が高い。
ROC曲線: 感度を縦軸、1 - 特異度を横軸にとって、閾値を変えたときの検査性能を表す曲線。閾値選択の影響を視覚的に把握できる。
AUC（曲線下面積）: ROC曲線の下にある面積。1に近いほど検査の総合的な正確さが高い。0.5は全く使えないレベル。
閾値 / カットオフ値: 陽性・陰性を分ける基準値。閾値を上下させると感度と特異度が反比例的に変化する。
基準診断 / ゴールドスタンダード: 病気の真の状態を決定する最も信頼できる基準となる診断法。検証の基準として用いられる。
有病率 / 罹患率: 集団内での病気の割合。事前確率の現実的な指標として用いられ、検査結果の解釈にも影響する。