- 診断についての話
- 感度、特異度
- 感度とは、真に陽性なものを、陽性とする確率
- 特異度とは、真に陰性なものを、陰性とする確率
- 注意点
- 感度、特異度
- 描いてみる
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
z = 1
def f(x,a,b):
return (a*x + 1-b)/((1-a)*x+b)
def main(a,b,c):
global z
T = 10
ans = [0 ]* T
ans[0] = z
for i in range(T-1):
ans[i+1] = f(ans[i],a,b)
t = [i for i in range(T)]
plt.title("Diagnosis Entangled Curve")
plt.xlabel("iteration number")
plt.ylabel("probability ratio")
plt.plot(t,ans,color = c)
main(0.3,0.7,"red")
main(0.5,0.7,"blue")
main(0.3,0.2,"orange")
main(0.5,0.2,"green")
main(0.5,0.5,"cyan")
main(0.8,0.6,"purple")
#print(f(8,0.3,7),"f")
plt.show()
- ここで、注目すべきことが2(×3=6)つある。
- 1、感度と特異度の比が、1より大きい、等しい、小さいということが、収束先を決めていること
- 2、感度と特異度の和が1より大きい、等しい、小さいということが、収束の仕方を決めていること
- 大きい場合、振動し、
- 等しいなら、2回目以降は、一定。
- 小さいなら、単調に変化する。
- 実際は、そんなことはあんまりない(推測)
- 診断結果が陽性、陰性だった場合、そのような結果を返すような、真の陽性、陰性の確率を考えることで、診断の指標にする。
- なので、同じ操作をすると、単純にその確率比が、増幅または減衰するし、あんまり意味はない
- しかし、診断の間に、診断結果に基づいた何らかの介入をする場合は、意味があるかもしれない。
- 陽性と出たひとに、陽性のままでいてもらい、
- 陰性と出たひとに、陰性のままでいてもらう。
- 例:人の集団に対して、うつかそうでないかを調べる。
- 「病は気から」を仮定する
- うつと診断された人は、その言葉を信じ、うつとなる。
- うつでないと診断された人は、うつではない状態となる。
- うつの人でも、偽陰性なら、うつが治る??(あくまで妄想の話)
- この場合、今回の議論の適用が考えられる
- 例:人の集団に対して、うつかそうでないかを調べる。
- ちなみに、病は気から、ということは、あながち間違いではない。
- 実際、マウスにストレス(睡眠不足など)を与え続けたときに、心臓、神経、消化管などの、異常により、突然死を起こること、及び、その仕組みが研究されている。詳しくはこちら。
- Diagnosis Entangled Curveの特性については、また考えたい。
バイバイ!