灵敏度和特异性计算器

灵敏度和特异性计算器

在开发诊断测试或评估结果时，重要的是要了解这些测试以及因此获得的结果的可靠性。通过使用已知疾病状态的样本，可以计算出敏感性和特异性等值，从而进行评估。

灵敏度值告诉你什么?

的灵敏度的测试也被称为真阳性率(TPR)以及使用相关测试给出阳性结果的真正阳性样本的比例。例如，正确识别面板中所有阳性样本的测试是非常敏感的。另一项检测仅检测到60%的阳性样本，将被认为灵敏度较低，因为它遗漏了阳性，并给出了更高的a假阴性率(FNR)．也被称为II型错误，假阴性是未能拒绝错误的原假设(原假设是样本是阴性的)。

特异性测量能告诉你什么?

的特异性的测试，也称为真负利率(TNR)，是使用相关测试测试为阴性的样本中真正呈阴性的比例。例如，一项将所有健康人确定为某种特定疾病阴性的测试是非常具体的。另一项测试错误地确定了30%的健康人群患有这种疾病，将被认为是不那么具体的，有更高的假阳性率(FPR)．假阳性也被称为I型错误，是对真零假设的拒绝(零假设是样本为阴性)。

如何计算敏感性和特异性值?

一个理想的测试很少会忽略你正在寻找的东西(即它是敏感的)，也很少会把它误认为其他东西(即它是特定的)。因此，在评估诊断测试时，计算该测试的敏感性和特异性以确定其有效性是很重要的。

诊断测试的敏感性表示为假设患者患有该疾病，样本检测呈阳性的概率(以百分比表示)。

下面的公式用于计算测试的灵敏度:

敏感性=真阳性数量

(真阳性数+假阴性数)

＝真阳性数量

患病总人数

测试的特异性表示为假设患者没有患病，测试返回阴性结果的概率(以百分比表示)。

以下公式用于计算测试的特异性:

特异性=真阴性数

(真阴性数+假阳性数)

＝真阴性数

未患病的总人数

敏感性vs特异性的例子

你有一个新的诊断测试，你想评估。你有一组验证样本，你可以确定它们是否来自你所测试的疾病的患病或健康个体。你的样本包括150个阳性和400个阴性。

在对样本进行检测后，将结果与已知疾病状况进行比较，并发现:

真阳性(测试结果呈阳性，且确实呈阳性)= 144

假阳性(测试结果为阳性，但实际为阴性)= 12

真阴性(检测结果为阴性，真正为阴性)= 388

假阴性(测试结果为阴性，但实际为阳性)= 6

或者，在列联表中显示:

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

灵敏度= 144 / (144 + 6)

= 144 / 150

= 0.96

= 96%敏感性

特异性= 388 / (388 + 12)

= 388 / 400

= 0.97

= 97%特异度

欲了解更多关于敏感性和特异性的信息，请阅读全文在这里