灵敏度和特异性计算器

在开发诊断测试或评估结果时，重要的是要了解这些测试的可靠性以及您获得的结果。通过使用已知疾病状态的样本，可以计算出诸如灵敏度和特异性之类的价值，从而使您能够对此进行评估。

灵敏度值告诉您什么？

这灵敏度测试也称为真正的正率（TPR）并且是真正阳性的样品的比例，这些样品使用所讨论的测试产生了积极的结果。例如，正确识别面板中所有正样品的测试非常敏感。另一个仅检测面板中60％的阳性样品的测试将被视为具有较低的灵敏度，因为它缺失了阳性并给予更高的敏感性假阴性率（FNR）。也称为II型错误，假阴性是未能拒绝虚假零假设的（零假设是样本为负）。

特异性措施告诉您什么？

这特异性测试，也称为真正的负率（TNR），是使用所讨论的测试的样本的比例，这些样品的比例是真实负面的。例如，一项将所有健康人识别为对特定疾病负面的测试非常具体。另一个错误地识别30％的健康人员的测试将被视为不那么具体，更高误报率（FPR）。也称为I型错误，假阳性是对真实假设的排斥（原假设是样本为负）。

如何计算灵敏度和特异性值？

理想的测试很少忽略您要寻找的东西（即它很敏感），很少将其误认为其他东西（即特定于）。因此，在评估诊断测试时，重要的是要计算该测试的敏感性和特异性以确定其有效性。

诊断测试的敏感性表示为鉴于患者患有疾病的概率（百分比），样品测试呈阳性。

以下方程用于计算测试的敏感性：

灵敏度=真正的积极数量

（真实积极的数量 +假否定数的数量）

=真正的积极数量

患病的人总数

测试的特异性表示为鉴于该患者没有疾病的概率（百分比）返回负面结果。

以下方程用于计算测试的特异性：

特异性=真正的否定数量

（真正的负面数量 +假阳性数量）

=真正的否定数量

没有生病的个人总数

灵敏度与特异性示例

您需要评估新的诊断测试。您有一个验证样本小组，您可以确定它们是否肯定是来自患病的人还是健康的人。您的样品面板包括150个阳性和400个负面因素。

在通过测定过程中运行样品后，您将结果与他们已知的疾病状况进行了比较，并发现：

真正的阳性（测试结果为积极，是真正积极的）= 144

假阳性（测试结果呈阳性，但实际上为负）= 12

真正的负面因素（测试结果为负，真正为负）= 388

假阴性（测试结果为负，但实际上是积极的）= 6

或者，显示在应急表中：

	真正的积极	真正的负面	行总计
测试阳性	144	12	156
测试阴性	6	388	394
列总计	150	400	550

灵敏度= 144 /（144 + 6）

= 144 /150

= 0.96

= 96％敏感

特异性= 388 /（388 + 12）

= 388 /400

= 0.97

= 97％的特异性

有关灵敏度和特异性的更多信息，请阅读全文这里