灵敏度与特异度计算器

灵敏度和特异度描述诊断试验区分有某种疾病或状况与没有该状况的人或病例的能力。计算从包含四类计数的混淆矩阵开始。真阳性是实际有该状况且被正确判为阳性的病例，假阴性是实际有该状况但被漏检的病例。真阴性是实际没有该状况且被正确判为阴性的病例，假阳性则是实际没有该状况却被误判为阳性的病例。明确区分这四组，有助于理解每项结果。 灵敏度也称真阳性率或召回率，公式为 TP / (TP + FN)。它回答的是：所有实际有该状况的病例中，试验检出了多少比例？高灵敏度的筛查试验产生较少假阴性。特异度也称真阴性率，公式为 TN / (TN + FP)。它回答的是：所有实际没有该状况的病例中，试验正确排除了多少比例？高特异度的确证试验产生较少假阳性。 阳性预测值为 TP / (TP + FP)，阴性预测值为 TN / (TN + FN)。预测值描述在受检人群中，观察到的结果正确的概率。与灵敏度和特异度不同，预测值可随患病率变化而显著改变。因此，同一种检测的阳性结果，在高风险门诊与广泛人群筛查中可能具有不同的预测值。准确率为 (TP + TN) 除以全部观测数。它易于理解，但当某类结果远比另一类常见时，可能掩盖少数类别表现不佳的问题。 请使用来自同一研究人群、采用同一判定阈值的整数计数，不要用百分比代替计数。比较试验时，应综合考虑置信区间、样本量、患病率、研究设计及各类错误的后果，而不是只选择最高的单一百分比。医疗决策还需要临床背景、经过验证的阈值和专业判断。本计算器提供确定性点估计，适用于教学、研究核查、质量保证及机器学习分类评估，不能代替完整的统计分析或临床解读。