敏感度與特異度計算器

敏感度與特異度描述診斷檢驗區分有某種疾病或狀況與沒有該狀況之人員或個案的能力。計算從包含四類筆數的混淆矩陣開始。真陽性是實際有該狀況且正確判為陽性的個案，偽陰性則是實際有該狀況但遭漏檢的個案。真陰性是實際沒有該狀況且正確判為陰性的個案，偽陽性則是實際沒有該狀況卻誤判為陽性的個案。清楚區分這四組，才能掌握各項結果的意義。 敏感度也稱真陽性率或召回率，公式為 TP / (TP + FN)。它回答：所有實際有該狀況的個案中，檢驗找出了多少比例？高敏感度的篩檢產生較少偽陰性。特異度也稱真陰性率，公式為 TN / (TN + FP)。它回答：所有實際沒有該狀況的個案中，檢驗正確排除了多少比例？高特異度的確認檢驗產生較少偽陽性。 陽性預測值為 TP / (TP + FP)，陰性預測值為 TN / (TN + FN)。這些預測值描述受檢族群中，觀察到的結果正確的機率。不同於敏感度與特異度，預測值會隨盛行率改變而大幅變動。因此，同一檢驗的陽性結果，在高風險門診與一般族群篩檢中可能具有不同預測值。準確率為 (TP + TN) 除以全部觀測筆數。它容易理解，但當某類結果比另一類常見得多時，可能掩蓋少數類別表現不佳的問題。 請使用同一研究族群、同一判定閾值下的整數筆數，不要以百分比代替。比較檢驗時，應考量信賴區間、樣本數、盛行率、研究設計及各類錯誤的後果，而非只選擇最高的單一百分比。醫療決策還需結合臨床情境、經驗證的閾值與專業判斷。本計算器提供確定性的點估計，適用於教學、研究核對、品質保證及機器學習分類評估，不能取代完整統計分析或臨床判讀。