4、灵敏度、特异度及相关指标解析

灵敏度、特异度及相关指标解析

1. 引言

在疾病或设备测试领域，灵敏度、特异度以及阳性和阴性预测值等概念至关重要，它们与概率计算和贝叶斯规则密切相关。然而，许多人在评估相关概率时存在困难。例如，曾有研究向60名精英医学院的学生和工作人员提出一个问题：若检测一种患病率为1/1000的疾病的测试，其假阳性率为5%，在不了解患者症状或体征的情况下，检测呈阳性的人实际患病的概率是多少？假设患病时检测呈阳性的概率为1，答案约为2%，但只有18%的参与者给出了正确答案，最常见的回答是95%，可能是认为测试的错误率为5%，那么正确率就是95%。

2. 基本概念及符号表示

通常从给定人群中随机选取n名受试者。假设通过金标准评估确定所有受试者的真实疾病状态（患病/未患病），我们要评估针对该疾病的特定测试。以乳腺癌（BC）检测为例，乳腺钼靶检查作为测试手段，而患者的多种症状、病史和活检结果则作为金标准。
根据测试结果和真实疾病状态对患者进行分类，可构建如下表格：
| | 患病 (D) | 未患病 (C) | 总计 |
| — | — | — | — |
| 测试阳性 (P) | TP | FP | nP = TP + FP |
| 测试阴性 (N) | FN | TN | nN = FN + TN |
| 总计 | nD = TP + FN | nC = FP + TN | n = nD + nC = nP + nN |

其中：
- TP：真阳性（测试阳性且患病）
- FP：假阳性（测试阳性但未患病）
- FN：假阴性（测试阴性但患病）
- TN：真阴性（测试阴性且未患病） <