Loading AI tools
来自维基百科，自由的百科全书
灵敏度和特异度（英语：Sensitivity and specificity），或称敏感性和特异性[1]，是从数学角度描述某种病症检验的准确性，在医学中广为使用。
 | 此条目需要扩充。 (2015年4月4日) |
 | 此条目需要补充更多来源。 (2021年2月5日) |
必须注意的是“阳性”与“阴性”这两个词并不指涉固定的值，仅是表示存在或不存在，当使用在不同主题时，其意义不会相同。例如应用在讨论疾病时，“阳性”可以表示“染病”，“阴性”可以表示“健康”。
包括医学诊断检验的许多测试中，灵敏度是指真阳性没有被忽视的程度（所以伪阴性很少），而特异度是真阴性确实鉴别的程度（所以伪阳性很少）。因此，一个高灵敏度的检验很少忽略真阳性（例如：即使有异常仍然检验为无异常）；而高特异度检验则很少将不是检验目标的其他东西鉴别为阳性（例如：检验出一种非常相似的细菌却将其误判为目标细菌）。一个高灵敏度且高特异度的检验表示其两方面都做得好，所以这个检验“很少忽略它正在寻找的目标并且很少将其他东西误判为目标。”
灵敏度可以作为避免假阴性的量化指标，而特异度可以作为避免假阳性的量化指标。对于任何测试而言，都需要在灵敏度及特异度之间进行取舍。例如机场安检中对于登机人员是否有携带危险物品的检查，扫描器可能会在检查到像皮带头或锁匙等低危险物品时触发（低特异度），但会减少实际携带了危险物品，但没有检查到的可能性（高灵敏度）。这个取舍可以用ROC曲线（接收者操作特征曲线）来表示。完美的分类器可以达到100%的灵敏度（所有生病的人都会检测为生病），及100%的特异度（没有一个健康不生病的人会被检测为生病）。但是理论上所有的分类器都会有最小的误差范围，称为贝叶斯错误率。
在个100人的样本中，有10人事实上患有A病（阳性），经过检测后，9人判定患有A病（真阳性），而1人判定并不患有A病（假阴性）； 另外的90人实际上并不患有A病（阴性），然后经过检测后，其中的5人被判定患有A病（假阳性），另外的85人判定不患有A病（真阴性）。
灵敏度=真阳性/(真阳性+假阴性)=9/(9+1)=90%;
特异度=真阴性/(真阴性+假阳性)=85/(85+5)=94.4%.
此处，灵敏度即为在患病人群中，成功确证患病的概率；而特异度即为在不患病的人群中，成功排除患病的概率。
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
