敏感性和特异性

文章

发表:2019年4月16日

|最后更新:2023年6月29日

凯伦管家博士

信贷:技术网络188金宝搏备用

希望这篇文章的一个免费的PDF版本吗?

完成下面的表格,我们将电子邮件您的PDF版本“敏感性和特异性

名字*

姓*

电子邮件地址*

国家*

公司类型*

工作职能*

你愿意接受进一步的电子邮件通信技术网络吗?188金宝搏备用

听与

喋喋不休地说

0:00

注册免费听这篇文章

谢谢你！听这篇文章使用上面的球员。✖

阅读时间:

在开发诊断测试或评估结果,重要的是要理解这些测试的可靠性如何,因此你获得的结果。通过使用样本已知的疾病状态、价值观等敏感性和特异性可以让你评估计算。

灵敏度值告诉你什么?

的灵敏度测试也被称为真阳性率(TPR)和样本的比例,真正积极的给一个积极的结果使用测试问题。例如,一个测试,正确识别所有阳性样品面板非常敏感。另一项测试,只有检测到60%的阳性样本面板将被视为低灵敏度是失踪的阳性,并给予较高的一个假阴性率(FNR)。也称为II型错误,假阴性失败拒绝虚假的零假设(零假设,样本是负的)。

特异性措施告诉你什么?

的特异性一个测试,也称为真阴性率(TNR)样本的比例,真正是负面的,给人一种消极的结果使用测试问题(更新,2022年1月25日)。例如,一个测试,识别所有健康的人是消极的特定疾病是非常具体的。另一项测试,错误地识别30%的健康人有条件将被视为不太具体,有更高假阳性率(玻璃钢)。也称为第一类错误,假阳性是一个真正的拒绝零假设(零假设,样本是负的)。

敏感性和特异性助记符

SnNouts和SpPins是一个助记符来帮助你记住敏感性和特异性的区别。

SnNout:一个测试灵敏度高值(Sn),当负面的(N),有助于排除疾病(出)。

SpPin:一个具有高特异性测试值(Sp),当积极的(P)有助于在疾病(在)。

我怎么计算敏感性和特异性的价值观?

理想的测试很少俯瞰你正在寻找(即。,它是敏感)和很少的错误为别的东西(即是具体的)。因此,评估诊断测试时,重要的是要计算的敏感性和特异性测试以确定其有效性。

诊断测试的灵敏度表示为概率(百分比),样品测试积极考虑到病人的疾病。

下面的方程是用来计算一个测试的敏感性:

敏感性=真正的阳性数
(真阳性+数量的假阴性)

=真正的阳性数
该疾病患者的总数

测试的特异性的概率表示为(百分比),测试返回一个阴性结果考虑到病人没有疾病。

下面的方程是用来计算一个测试的特异性:

特异性=真正的底片数量

(真正的底片数量+假阳性的数量)

=真正的底片数量
个体的总数没有疾病

敏感性和特异性的例子

你有一个新的诊断测试,你想评估。面板验证样本,你确定他们是否绝对患病或健康的个人为您测试的条件。样本面板由150名阳性和400阴性。

有四件事我们将致力于澄清在这个例子:

测试的是什么灵敏度吗?即多少患病个体正确识别病变吗?
测试的是什么特异性吗?也就是说,有多少健康个体正确识别健康吗?
测试的是什么阳性预测值(PPV)吗?的概率是多少,一个人返回一个积极的结果实际上是病吗?
测试的是什么阴性预测值(NPV) ?的概率是多少,一个人返回一个消极的结果实际上是健康吗?

跑后通过测定样品,你比较结果已知的疾病状态,发现:

真正的阳性(测试结果是积极和真诚的积极的)= 144

假阳性(试验结果阳性,但实际上是消极的)= 12

真正的底片(试验结果阴性和真正负)= 388

假阴性(测试结果-但实际上是积极的)= 6

敏感性和特异性的计算器

要计算的敏感性和特异性测试?你的结果添加到我们的计算器在这里。

敏感性和特异性表

或者,在一个显示列联表:

	检测呈阳性	测试-	行总
真正积极的	144年	6	150年
真正的负	12	388年	400年
列总	156年	394年	550年

灵敏度= 144 / (144 + 6)
= 144/150
= 0.96
= 96%敏感

特异性= 388 / (388 + 12)
= 388/400
= 0.97
= 97%特定

敏感性和特异性是一样的阳性预测值(PPV)以及阴性预测值(NPV) ?

简而言之,尽管他们是相关的。的阳性预测值(PPV)的概率是一个主题/样本返回一个积极的结果是积极的。的阴性预测值(NPV)的概率是一个主题/样本返回一个消极的结果真的是负的。这种信息可以非常有用的讨论结果与病人为例,评估他们可能有任何测试的可靠性。相同的值用来计算敏感性和特异性也被用来计算阳性和阴性预测值。看它的一个方法是,敏感性和特异性评估测试,而PPV和净现值评估结果。

的阳性预测值计算使用以下方程:

PPV =真正的阳性数

(真阳性+假阳性的数量)

=真正的阳性数
检测呈阳性的样本数量

负面预测值计算使用以下方程:

净现值=真正的底片数量

(真正的底片数量+假阴性)

=真正的底片数量
测试的样品数量为负

从上面的例子中使用的值:

PPV = 144 / (144 + 12)
= 144/156
= 0.923076923…= 92%

净现值= 388 / (388 + 6)
= 388/394
= 0.984771573…= 98%

所以,如果测试结果是积极的,有92%的可能性是正确的,如果它是负的有98%的可能性是正确的。

PPV互补的价值,是错误发现率(罗斯福),补充NPV的价值错误遗漏率()和分别相当于1 - PPV或NPV。罗斯福是结果或“发现”的比例是错误的。的是假阴性的比例错误地拒绝。从本质上讲,PPV和净现值越高,罗斯福和将越低——这是一个好消息对您的测试结果的可靠性。

我该如何平衡敏感性与特异性?

结果按收入比例的值,而不是一个明确的积极或消极,敏感性和特异性价值观尤其重要。他们允许你确定画的否决调用一个积极或消极的结果,甚至显示一个灰色地带,重新测试会推荐。例如,通过将截止为一个积极的结果在一个非常低的水平(蓝色虚线),你可能捕获所有积极的样本,所以测试是非常敏感的。然而,这可能意味着许多样本实际负可以被视为积极的,所以测试将被视为贫穷的特异性。找到一个平衡是至关重要的一个有效和可用性测试。