Калькулятор чувствительности и специфичности

Рассчитайте чувствительность, специфичность, прогностические значения и диагностическую точность по матрице ошибок.

Точность диагностического теста
Введите количество исходов каждой из четырёх категорий диагностического теста.

О чувствительности и специфичности

Чувствительность и специфичность показывают, насколько хорошо диагностический тест отличает людей или случаи с определённым состоянием от тех, у кого его нет. Расчёт начинается с матрицы ошибок, содержащей четыре количества. Истинно положительные — это случаи с состоянием, правильно отнесённые к положительным; ложноотрицательные — случаи с состоянием, пропущенные тестом. Истинно отрицательные — случаи без состояния, правильно отнесённые к отрицательным; ложноположительные — случаи без состояния, ошибочно отмеченные как положительные. Разделение этих групп проясняет смысл результатов. Чувствительность, также называемая долей истинно положительных результатов или полнотой, равна TP, делённому на TP плюс FN. Она отвечает на вопрос: какую долю всех действительно имеющих состояние случаев выявил тест? Высокочувствительный скрининговый тест даёт мало ложноотрицательных результатов. Специфичность, или доля истинно отрицательных результатов, равна TN, делённому на TN плюс FP. Она показывает, какую долю действительно не имеющих состояния случаев тест правильно исключил. Высокоспецифичный подтверждающий тест даёт мало ложноположительных результатов. Прогностическая ценность положительного результата равна TP, делённому на TP плюс FP, отрицательного — TN, делённому на TN плюс FN. Эти значения описывают вероятность правильности наблюдаемого результата в обследованной популяции. В отличие от чувствительности и специфичности, они могут существенно меняться с распространённостью состояния. Поэтому положительный результат одного и того же анализа может иметь разную прогностическую ценность в клинике высокого риска и при массовом скрининге. Точность равна сумме TP и TN, делённой на все наблюдения. Она понятна, но может скрывать плохую работу с редким классом, если один исход встречается значительно чаще. Используйте целочисленные количества из одной исследуемой популяции при одинаковом пороге решения. Не заменяйте количества процентами. При сравнении тестов учитывайте доверительные интервалы, размер выборки, распространённость, дизайн исследования и последствия каждого типа ошибок, а не выбирайте единственный наибольший процент. Медицинские решения также требуют клинического контекста, проверенных порогов и профессионального суждения. Калькулятор даёт детерминированные точечные оценки для обучения, проверки исследований, обеспечения качества и анализа классификации в машинном обучении; он не заменяет полноценный статистический анализ или клиническую интерпретацию.

Примеры чувствительности и специфичности

Эти матрицы ошибок иллюстрируют типичные варианты диагностической эффективности.

Матрица ошибокОсновные результатыИнтерпретация
TP 80, FP 10, TN 90, FN 20Чувствительность 80%; специфичность 90%; точность 85%Тест выявляет четыре из пяти случаев с состоянием и правильно исключает девять из десяти без него.
TP 95, FP 20, TN 180, FN 5Чувствительность 95%; специфичность 90%; точность 91.67%Высокая чувствительность полезна, когда пропуск случаев имеет особенно серьёзные последствия.
TP 40, FP 5, TN 95, FN 10Чувствительность 80%; специфичность 95%; точность 90%Малое число ложноположительных результатов даёт высокую специфичность и положительную прогностическую ценность 88.89%.

Как рассчитать диагностическую точность

  1. Подсчитайте истинно положительные, ложноположительные, истинно отрицательные и ложноотрицательные исходы в одной популяции.
  2. Введите каждое неотрицательное количество в соответствующее поле.
  3. Нажмите «Рассчитать показатели», чтобы получить чувствительность, специфичность, прогностические значения и точность.
  4. Интерпретируйте показатели совместно, учитывая распространённость, размер выборки и цену каждой ошибки.

Вопросы о чувствительности и специфичности

Чем чувствительность отличается от специфичности?

Чувствительность измеряет долю действительно положительных случаев, выявленных тестом. Специфичность измеряет долю действительно отрицательных случаев, правильно исключённых тестом.

Какая чувствительность или специфичность считается хорошей?

Универсального порога нет: приемлемая эффективность зависит от применения и последствий ошибок. При скрининге часто важнее чувствительность, при подтверждении — специфичность.

Почему прогностические значения меняются с распространённостью?

Они рассчитываются при условии известного результата теста, поэтому важна доля людей с состоянием в обследованной популяции. Положительная прогностическая ценность обычно растёт с распространённостью даже при неизменных чувствительности и специфичности.

Может ли точность вводить в заблуждение?

Да, особенно если один класс значительно чаще другого. Классификатор может иметь высокую точность, но плохо распознавать редкий и важный класс.

Можно ли вводить проценты вместо количеств?

Нет, введите четыре наблюдаемых количества из матрицы ошибок. Калькулятор переведёт их в проценты с соответствующими знаменателями.