後測機率計算器

後測機率是指在得知診斷檢驗結果後，病人罹患某種疾病的修正後機率。它依據貝氏定理計算，會根據新證據正式更新原有判斷。此計算器實作了實證醫學、臨床決策支援與醫學教育中使用的核心診斷準確性框架。 所需的三個輸入是：(1) 先驗機率——檢驗前的患病機率或疾病盛行率；(2) 敏感度——真陽性率，也就是疾病存在時檢驗為陽性的機率；(3) 特異度——真陰性率，也就是疾病不存在時檢驗為陰性的機率。 對陽性結果而言，後測機率等於陽性預測值（PPV），其公式為：PPV = (敏感度 × 先驗) / (敏感度 × 先驗 + (1−特異度) × (1−先驗))。對陰性結果而言，疾病機率為 1 − NPV，其中 NPV = (特異度 × (1−先驗)) / (特異度 × (1−先驗) + (1−敏感度) × 先驗)。 似然比（LR）提供了另一種更新機率的方法。LR+ = 敏感度 / (1−特異度)，表示陽性結果會將疾病勝算提高多少；LR− = (1−敏感度) / 特異度，表示陰性結果會將疾病勝算降低多少。經驗法則是：LR+ 高於 10 或 LR− 低於 0.1，代表檢驗具有很強的診斷力。 醫學統計中最反直覺的結果之一是基準率效應：即使檢驗非常準確，當疾病很少見時，PPV 仍然可能偏低。例如，一項敏感度與特異度皆為 99% 的檢驗，若套用於盛行率 0.1% 的疾病，PPV 也只有約 9%。這表示 91% 的陽性結果是假陽性——這在族群篩檢計畫中是關鍵考量。 本計算器適合臨床醫師解讀診斷檢驗結果、設計篩檢流程的研究人員、學習貝氏推理的醫學生，以及評估不同盛行率下檢驗表現的流行病學家。 請務必記得，先驗機率應盡量根據最佳可得證據估計：已發表的盛行率資料、臨床病史、理學檢查所見與病人風險因子。你的後測估計品質，直接取決於先驗估計的準確性，以及檢驗已發表敏感度與特異度數值的有效性。