Sensitivitäts- und Spezifitätsrechner

Sensitivität und Spezifität beschreiben, wie gut ein diagnostischer Test Personen oder Fälle mit einem Zustand von solchen ohne ihn unterscheidet. Grundlage ist eine Konfusionsmatrix mit vier Fallzahlen. Richtig positive Fälle sind Betroffene, die korrekt positiv eingestuft wurden; falsch negative Fälle sind Betroffene, die der Test übersieht. Richtig negative Fälle sind Nichtbetroffene, die korrekt negativ eingestuft wurden; falsch positive Fälle sind Nichtbetroffene, die irrtümlich positiv eingestuft wurden. Die klare Trennung dieser Gruppen macht die Ergebnisse verständlich. Die Sensitivität, auch Richtig-positiv-Rate oder Recall, ist TP geteilt durch TP plus FN. Sie beantwortet die Frage: Welchen Anteil aller tatsächlich betroffenen Fälle hat der Test erkannt? Ein hochsensitiver Screeningtest erzeugt wenige falsch negative Ergebnisse. Die Spezifität, auch Richtig-negativ-Rate, ist TN geteilt durch TN plus FP. Sie zeigt, welcher Anteil der tatsächlich Nichtbetroffenen korrekt ausgeschlossen wurde. Ein hochspezifischer Bestätigungstest erzeugt wenige falsch positive Ergebnisse. Der positive Vorhersagewert ist TP geteilt durch TP plus FP, der negative Vorhersagewert TN geteilt durch TN plus FN. Diese Werte beschreiben die Wahrscheinlichkeit, dass ein beobachtetes Ergebnis in der getesteten Population richtig ist. Anders als Sensitivität und Spezifität können sie sich bei veränderter Prävalenz deutlich verschieben. Ein positives Ergebnis desselben Tests kann daher in einer Hochrisikosprechstunde einen anderen Vorhersagewert haben als beim allgemeinen Bevölkerungsscreening. Die Genauigkeit ist die Summe aus TP und TN geteilt durch alle Beobachtungen. Sie ist anschaulich, kann aber schlechte Leistungen bei der Minderheitsklasse verdecken, wenn ein Ergebnis viel häufiger ist. Verwenden Sie ganzzahlige Fallzahlen aus derselben Studienpopulation und mit derselben Entscheidungsschwelle. Geben Sie keine Prozentsätze statt Fallzahlen ein. Vergleichen Sie Tests anhand von Konfidenzintervallen, Stichprobengröße, Prävalenz, Studiendesign und Folgen beider Fehlerarten, statt nur den höchsten Einzelwert zu wählen. Medizinische Entscheidungen erfordern außerdem klinischen Kontext, validierte Schwellen und fachliches Urteil. Dieser Rechner liefert deterministische Punktschätzungen für Lehre, Forschungsprüfungen, Qualitätssicherung und die Bewertung von Klassifikationen im maschinellen Lernen; er ersetzt keine vollständige statistische Analyse oder klinische Interpretation.