senryakuken

ベイズの定理とは、「ある検査結果が得られたときに、その人が本当に病気である確率」＝事後確率を求めるためのものです。

つまり、「陽性」と出たときにその人が本当に感染している確率（P(感染｜陽性))を求めるには、

という式で表されます。

⚙️ 各項目の意味

項目意味
P(感染)検査を受けた集団における感染率（有病率）
P(陽性｜感染)感度（真に感染している人を陽性とする確率）
P(陽性｜非感染)1−特異度（感染していないのに陽性と出る確率＝偽陽性率）

💡 具体例で考える

仮に、

  • 感度：99％
  • 特異度：99％
  • 有病率（実際に感染している人の割合）：1％

とします。

このとき、1万人を検査すると：

状況人数陽性になる人
感染している（100人）100人99人（真陽性）
感染していない（9,900人）9,900人99人（偽陽性）

よって、「陽性」と出た人は198人（99+99人）ですが、
実際に感染しているのは99人だけ。

つまり：

したがって、PCR陽性＝感染確定ではなく、感染している確率は有病率によって変化します。

感染がまん延しているとき（有病率が高いとき）は陽性の信頼性が高くなり、
感染者が少ないとき（有病率が低いとき）は偽陽性が増えます。

臨床現場での意味

このため医師は、PCR検査だけでなく以下の情報を事前確率として考慮します。

  • 症状の有無（発熱、咳など）
  • 接触歴
  • 地域の流行状況

これらを合わせて「感染している可能性（事前確率）」を上げたうえで検査を行うと、
ベイズの定理上、陽性の信頼性が高まります。

  • PCRは非常に感度・特異度が高い検査だが、それでも100%正確ではない。
  • ベイズの定理により、「陽性＝感染」ではなく「陽性のときに感染している確率」を求めるのが正しい。
  • 有病率が低い状況では、陽性の半分近くが偽陽性になる可能性もある。

ベイズの定理を踏まえると、コロナ禍では「無症候でもPCR陽性＝感染者」と扱ったことには確かに理論的な違和感があります。
しかし、当時そのような運用が採られたのには、科学的・社会的・政策的な複合理由がありました。
以下で分解して説明します。

1. 検査の目的が「診断」ではなく「感染制御」だった

ベイズ的に考えれば、PCR検査は「感染の確率を推定する診断手段」です。
しかしコロナ禍では、多くの場面で目的が変わっていました。
すなわち、

個々の診断ではなく、集団の感染拡大を防ぐスクリーニング手段として使われた
という点です。

🔹診断（diagnostic）目的

  • 症状や接触歴をもとに感染を疑う個人に実施
  • 「この人が感染しているか？」を知る（事前確率が高い）
    → ベイズ的に意味がある

🔹スクリーニング（screening）目的

  • 感染の有無が不明な人を集団的に調べる
  • 「感染を見逃さない」ことが優先
    → 偽陽性が出ても「隔離・再検査」で抑え込む政策的判断

したがって、当時のPCR集団検査は「感染診断」ではなく、感染拡大防止ツールとして運用されていました。

 2. 感度・特異度が非常に高い検査であったこと

PCRは、理論上ほぼ100％近い特異度（偽陽性がほとんど出ない）を持つとされていました。
（ただし実際は検体採取やラボ条件によって変動します）

つまり、

「陽性が出た以上、感染している確率は極めて高い」とする運用上の前提が置かれました。

この「PCR＝確定診断」という“神話”が行政や報道で定着したのも、現場の理解を単純化する意図がありました。

 3. 公衆衛生上のリスク・ベネフィットのバランス

当時の判断は、「偽陽性による隔離の不利益」よりも「感染者を見逃す（偽陰性）のリスク」が社会的に大きいとされたのです。

▶︎ 政策上の考え方

  • 偽陽性：実際は感染していないのに隔離される（個人の不利益）
  • 偽陰性：感染しているのに陰性とされ、感染を拡大させる（社会的リスク）

感染拡大フェーズでは「偽陰性＞偽陽性」と判断され、結果的に「陽性＝感染者」とみなす方針が取られました。

 4. 「感染者」の定義が臨床的ではなく行政的だった

実は、「感染者（case）」という言葉は行政上の定義です。
WHOや日本の感染症法上は、

検査で病原体が検出された場合、症状の有無に関わらず「感染者」とする
と明記されています。

つまり、

  • 「陽性＝ウイルス遺伝子が体内に存在」
  • 「それが発症・感染力を持つか」は別問題

にも関わらず、感染症法上では「陽性者＝感染者」としてカウントされたのです。
これは医学的というより法的・行政的運用と言えます。

 5. 結果としての問題点

この一律運用には副作用もありました：

  • 無症候で他者に感染させる可能性が低い人まで隔離対象となった
  • 医療・社会インフラが逼迫
  • 社会的スティグマや不安の増幅
  • 統計上、「感染＝発症」と誤解されやすい構造が生まれた

つまり、ベイズ的思考（確率的解釈）を欠いたまま、二値的な「陽性／陰性」判断が政策に使われた結果です。

まとめ

観点内容
科学的陽性＝感染ではない。感染確率は事前確率（有病率）次第
政策的感染拡大防止のため、偽陽性を許容し「陽性＝感染者」と扱った
行政的感染症法上、PCR陽性者は無症候でも「感染者」に分類される
倫理的個人の不利益より社会的リスク回避を優先した判断
  • 有病率0.5%（広くスクリーニング）
    • 特異度99%：陽性適中率PPV ≈ 32%（3人に1人が真の感染）
    • 特異度99.5%：PPV ≈ 49%
  • 有病率1%：
    • 99%：PPV ≈ 49%
    • 99.5%：PPV ≈ 66%
  • 有病率5%（クラスター・発熱外来など）：
    • 99%：PPV ≈ 83%
    • 99.5%：PPV ≈ 90%
  • いずれも NPVは常に非常に高い（>98%）—陰性は「まず感染していない」の根拠になりやすい。

結論：2020年のように有病率が低い集団へ「広く一斉PCR」をすると、陽性の一部は偽陽性になりやすいため、無症候陽性＝即感染確定という扱いはベイズ的には過大判断になり得ます。一方、流行期・高リスク群での検査ではPPVが大きく上がり、陽性の信頼性が高まります。

·  2020年4月（流行ピーク想定：有病率0.6%）

  • 特異度99% → PPV≈36%、99.5% → PPV≈53%

·  2020年12月（冬の増加：有病率1.2%）

  • 99% → PPV≈53%、99.5% → PPV≈70%

·  低流行期（0.1%未満）ではPPVは10%未満になり得て、無症候・一斉検査ほど偽陽性が相対的に目立つことが分かります。いっぽうNPVは常に非常に高く、陰性は「まず感染していない」の根拠になりやすいです。