こんな人におすすめ：
- 医療や品質管理分野で診断性能評価を担当している研究者や技術者
- 費用対効果分析やシミュレーション結果の不確実性を評価する分析者
- 統計学やデータ分析の応用で感度分析の指標比較を学びたい学生や研究者
プロンプト例：
「感度分析における感度指標の種類と特徴を比較してください。特に感度、特異度、ROC曲線、確率的感度分析の概要と使い分けをわかりやすく解説してください。」
プロンプト例の出力結果：
感度分析には複数の感度指標があります。代表的なものには以下があります。
- 感度（Sensitivity）：真陽性率とも呼ばれ、実際に陽性であるものを正しく陽性と識別する割合です。例えば、医療検査で病気の人を見逃さない指標として重要です。
- 特異度（Specificity）：真陰性率とも呼ばれ、実際に陰性であるものを正しく陰性と識別する割合です。感度とトレードオフの関係にあり、閾値の設定により感度が上がると特異度が下がることがあります[2]。
- ROC曲線（Receiver Operating Characteristics Curve）：各閾値での感度と1−特異度をプロットした曲線です。診断性能の総合的な評価に使用され、最適な閾値設定を検討する際に有効です[2]。
- 確率的感度分析：モデルの複数パラメータに分布を設定し、不確実性を考慮して総合的に感度を評価する手法です。単一パラメータだけでなく複数同時の影響を評価し、費用効果分析などで用いられます[3]。
これらの指標は目的やデータ特性に応じて使い分ける必要があります。例えば医療検査での誤診を減らすには感度や特異度のバランスが重要で、ビジネスの費用対効果分析では確率的感度分析が効果的です。
まとめると、感度分析の指標は単独ではなく組み合わせて評価し、ROC曲線を用いてトレードオフを視覚化しながら最適な判断が求められます。最新の研究では、統計的に信頼区間を示す方法や多変量感度分析の発展も見られます[3][4]。
