当开发诊断测试或评估的结果,重要的是要理解这些测试的可靠性如何,因此你获得的结果。通过使用样本已知的疾病状态、价值观等敏感性和特异性可以让你评估计算。
灵敏度值告诉你什么?
的灵敏度测试也被称为真阳性率(TPR)和样本的比例,真正积极的给一个积极的结果使用测试问题。例如,一个测试,正确识别所有阳性样品面板非常敏感。另一项测试,只有检测到60%的阳性样本面板将被视为低灵敏度是失踪的阳性,并给予较高的一个假阴性率(FNR)。也称为二型错误,假阴性的失败拒绝虚假的零假设(零假设,样本是负的)。
特异性措施告诉你什么?
的特异性一个测试,也称为真阴性率(TNR)样本的比例,测试-使用真正的测试问题-。例如,一个测试,识别所有健康的人是消极的特定疾病是非常具体的。另一项测试,错误地识别30%的健康人有条件将被视为不太具体,有更高假阳性率(玻璃钢)。也称为第一类错误,误报是一个真正的拒绝零假设(零假设,样本是负的)。
我怎么计算敏感性和特异性的价值观?
理想的测试很少俯瞰你正在寻找(即。,它是敏感)和很少的错误为别的东西(即是具体的)。因此,评估诊断测试时,重要的是要计算的敏感性和特异性测试以确定其有效性。
诊断测试的灵敏度表示为概率(百分比),样品测试积极考虑到病人的疾病。
下面的方程是用来计算一个测试的敏感性:
敏感性=真正的阳性数
(真阳性+数量的假阴性)
=真正的阳性数
该疾病患者的总数
测试的特异性的概率表示为(百分比),测试返回一个阴性结果考虑到病人没有疾病。
下面的方程是用来计算一个测试的特异性:
特异性=真正的底片数量
(真正的底片数量+假阳性的数量)
=真正的底片数量
个体的总数没有疾病
敏感性和特异性的例子
你有一个新的诊断测试,你想评估。面板验证样本,你确定他们是否绝对患病或健康的个人为您测试的条件。样本面板由150名阳性和400阴性。
跑后通过测定样品,你比较结果已知的疾病状态,发现:
真正的阳性(测试结果是积极和真诚的积极的)= 144
假阳性(试验结果阳性,但实际上是消极的)= 12
真正的底片(试验结果阴性和真正负)= 388
假阴性(测试结果-但实际上是积极的)= 6
或者,在列联表中显示:
|
真正积极的
|
真正的负
|
行总
|
检测呈阳性
|
144年
|
12 |
156年 |
测试-
|
6 |
388年 |
394年 |
列总
|
150年 |
400年 |
550年 |
灵敏度= 144 / (144 + 6)
= 144/150
= 0.96
= 96%敏感
特异性= 388 / (388 + 12)
= 388/400
= 0.97
= 97%特定
为进一步的信息敏感性和特异性阅读全文在这里
注意:填写4个值来计算您的测试的敏感性和特异性。点击这里了解更多关于敏感性和特异性的计算器。