| 人群 | |
| 判断结果 |
| 患病 | 未患病 | |
|---|---|---|
| 检测阳性 | 4 (TP真阳性) | 0 (FP假阳性) |
| 检测阴性 | 0 (FN假阴性) | 6 (TN真阴性) |
| 指标 | 值 |
|---|---|
| 敏感性 (Sensitivity) = TP/(TP + FN) | 100.00% |
| 特异性 (Specificity) = TN/(TN + FP) | 100.00% |
| 阳性预测值 (PPV) = TP/(TP + FP) | 100.00% |
| 阴性预测值 (NPV) = TN/(TN + FN) | 100.00% |
根据敏感性、特异性、患病率计算 PPV 和 NPV
说明
1、本程序基于 10 个样本的真实值和预测值来进行四项指标的实时计算，通过可视化的方式便于学习巩固
2、样本圆圈红色表示阳性（患病），蓝色表示阴性（未患病），点击每个圆圈可以切换其状态
3、PPV 全称为 Positive Prediction Value, NPV 全称为 Negative Prediction Value。 PPV、NPV跟灵敏度、特异性、以及疾病在被检测人群中的患病率有关系；灵敏度越高，NPV越高；特异性越高，PPV越高； 对于患病率很低的疾病，PPV也会较低，即使灵敏度和特异性都很高 （参考：https://www.health.ny.gov/diseases/chronic/discreen.htm）
4、本程序适合在 PC 端浏览器上访问，在移动端访问效果可能会不佳
5、如果有任何的意见或建议，可以在公众号「有点才艺的孟仔」上留言
2、样本圆圈红色表示阳性（患病），蓝色表示阴性（未患病），点击每个圆圈可以切换其状态
3、PPV 全称为 Positive Prediction Value, NPV 全称为 Negative Prediction Value。 PPV、NPV跟灵敏度、特异性、以及疾病在被检测人群中的患病率有关系；灵敏度越高，NPV越高；特异性越高，PPV越高； 对于患病率很低的疾病，PPV也会较低，即使灵敏度和特异性都很高 （参考：https://www.health.ny.gov/diseases/chronic/discreen.htm）
4、本程序适合在 PC 端浏览器上访问，在移动端访问效果可能会不佳
5、如果有任何的意见或建议，可以在公众号「有点才艺的孟仔」上留言