حاسبة مفارقة الإيجابية الكاذبة

حاسبة مفارقة الإيجابية الكاذبة

شائع AI Skill PRO

أدخل الحساب

صيغة رياضية

PPV=Sens·PrevSens·Prev+(1−Spec)(1−Prev)×100%where{Prev=Prevalence (%)100Sens=Sensitivity (%)100Spec=Specificity (%)100\begin{gathered} \text{PPV} = \frac{\text{Sens} \cdot \text{Prev}}{\text{Sens} \cdot \text{Prev} + (1 - \text{Spec})(1 - \text{Prev})} \times 100\% \\[1.5em] \text{where}\quad \left\{ \begin{aligned} \text{Prev} &= \dfrac{\text{Prevalence (\%)}}{100} \\ \text{Sens} &= \dfrac{\text{Sensitivity (\%)}}{100} \\ \text{Spec} &= \dfrac{\text{Specificity (\%)}}{100} \end{aligned} \right. \end{gathered}
إحصاءات الاستخدام

اعلان

نتائج

احتمال الإصابة بالمرض بعد نتيجة فحص إيجابية (القيمة التنبؤية الإيجابية)
١٦٫٦٧%
القيمة التنبؤية الإيجابية
معدل الاكتشاف الكاذب ٨٣٫٣٣%
الإيجابيات الصحيحة (نسبة من السكان) ٠٫٩٩%
الإيجابيات الكاذبة (نسبة من السكان) ٤٫٩٥%

الإبلاغ عن خطأ في هذه الصفحة

ما هي مفارقة الإيجابية الكاذبة؟

تكشف مفارقة الإيجابية الكاذبة عن حقيقة تبدو غير منطقية في الفحوصات الطبية وبرامج المسح الصحي: حتى الفحص شديد الدقة قد يُنتج إنذارات كاذبة في معظم الحالات عندما يكون المرض الذي يبحث عنه نادرًا. تستخدم هذه الحاسبة نظرية بايز لتُظهر لك الاحتمال الحقيقي لإصابتك بالمرض بعد ظهور نتيجة فحص إيجابية — وهو ما يُعرف بالقيمة التنبؤية الإيجابية (PPV) — والذي يكون غالبًا أقل بكثير مما توحي به نسبة دقة الفحص المُعلنة.

شبكة من 1000 مربع تُظهر مجموعة صغيرة من النتائج الإيجابية الحقيقية مقابل مجموعة أكبر من النتائج الإيجابية الكاذبة بين الأصحاء
شبكة سكانية: عندما يكون معدل الانتشار منخفضًا، قد يفوق عدد النتائج الإيجابية الكاذبة عدد النتائج الإيجابية الحقيقية حتى مع اختبار دقيق.

كيفية الاستخدام

أدخِل ثلاث نسب مئوية: الانتشار (مدى شيوع المرض بين الفئة الخاضعة للفحص)، والحساسية (احتمال ظهور نتيجة إيجابية لدى الشخص المريض، أي معدل الإيجابيات الصحيحة)، والنوعية (احتمال ظهور نتيجة سلبية لدى الشخص السليم، أي معدل السلبيات الصحيحة). تُظهر لك الحاسبة احتمال أن تكون النتيجة الإيجابية حقيقية، إضافةً إلى معدل الاكتشاف الكاذب.

شرح المعادلة

تجمع نظرية بايز بين احتمال ظهور نتيجة إيجابية لدى المرضى واحتمال ظهور نتيجة إيجابية خاطئة لدى الأصحاء:

$$P(D|+) = \frac{\text{الحساسية} \times \text{الانتشار}}{\text{الحساسية} \times \text{الانتشار} + (1 - \text{النوعية}) \times (1 - \text{الانتشار})}$$

يمثّل البسط نسبة الأشخاص المرضى فعلًا والذين رُصدوا بشكل صحيح. أما المقام فيضيف الإيجابيات الكاذبة — أي الأصحاء الذين رُصدوا خطأً. وعندما يكون الانتشار ضئيلًا جدًا، يطغى عامل الإيجابيات الكاذبة على النتيجة.

اعلان
مخطط شجري يقسم السكان إلى فرعَي المرضى والأصحاء، ثم إلى نتائج اختبار إيجابية وسلبية
شجرة احتمالات توضّح كيف يجتمع معدل الانتشار والحساسية والنوعية لتنتج نتائج إيجابية حقيقية وأخرى كاذبة.

مثال تطبيقي

لنفترض أن مرضًا ما يصيب 1٪ من الناس (الانتشار = \(0.01\))، وأن الفحص يتمتع بحساسية 99٪ ونوعية 95٪. الإيجابيات الصحيحة = \(0.99 \times 0.01 = 0.0099\). الإيجابيات الكاذبة = \(0.05 \times 0.99 = 0.0495\). القيمة التنبؤية الإيجابية = $$\frac{0.0099}{0.0099 + 0.0495} = \frac{0.0099}{0.0594} \approx 16.7\%$$ أي أنه رغم أن الفحص "دقيق بنسبة 99٪"، فإن نتيجة إيجابية واحدة فقط من كل ست نتائج تقريبًا تكون صحيحة.

كيف يغيّر الانتشار القيمة التنبؤية الإيجابية

يعرض الجدول أدناه الحساسية عند 99% والنوعية عند 95%، ويغيّر الانتشار فقط. يستخدم كل صف المعادلة \(\text{PPV} = \frac{ \text{الحساسية} \cdot \text{الانتشار} }{ \text{الحساسية} \cdot \text{الانتشار} + (1-\text{النوعية})(1-\text{الانتشار}) }\)، ومعدل الاكتشافات الكاذبة (FDR) هو \(1-\text{PPV}\).

الانتشار PPV معدل الاكتشافات الكاذبة
0.1% 1.94% 98.06%
1% 16.67% 83.33%
5% 51.03% 48.97%
10% 68.75% 31.25%
25% 86.84% 13.16%
50% 95.19% 4.81%

تحقق عملي للصف 1%: \(\text{PPV} = \frac{0.99 \times 0.01}{0.99 \times 0.01 + 0.05 \times 0.99} = \frac{0.0099}{0.0594} \approx 0.1667\)، أي نحو 16.7%. حتى مع اختبار يبدو دقيقاً، يكون نحو خمسة من كل ستة إيجابيات خاطئة عندما تكون الحالة نادرة. وهذه هي مفارقة الإيجابية الكاذبة.

تأثير النوعية عند انتشار 1%

تبقى الحساسية عند 99% والانتشار عند 1%.

النوعية PPV معدل الاكتشافات الكاذبة
95% 16.67% 83.33%
99% 50.00% 50.00%
99.9% 90.91% 9.09%

عند الانتشار المنخفض، تؤثر النوعية تأثيراً كبيراً جداً في PPV لأن الإيجابيات الكاذبة تأتي من المجموعة السليمة الكبيرة.

اعلان

المصطلحات الأساسية: الحساسية والنوعية والقيمة التنبؤية الإيجابية وغيرها

  • الانتشار: نسبة السكان المختبَرين الذين يصابون بالحالة فعلاً.
  • المعدل الأساسي: اسم آخر للانتشار، أو الاحتمال المسبق للحالة قبل معرفة أي نتيجة اختبار.
  • الحساسية (معدل الإيجابية الحقيقية): نسبة الأشخاص المصابين بالحالة الذين تظهر نتيجتهم إيجابية.
  • النوعية (معدل السلبية الحقيقية): نسبة الأشخاص غير المصابين بالحالة الذين تظهر نتيجتهم سلبية.
  • معدل الإيجابية الكاذبة: نسبة الأشخاص غير المصابين الذين تظهر نتيجتهم إيجابية، وتساوي \(1-\text{النوعية}\).
  • معدل السلبية الكاذبة: نسبة الأشخاص المصابين الذين تظهر نتيجتهم سلبية، وتساوي \(1-\text{الحساسية}\).
  • القيمة التنبؤية الإيجابية (PPV): نسبة النتائج الإيجابية التي هي إيجابيات حقيقية.
  • معدل الاكتشافات الكاذبة (FDR): نسبة النتائج الإيجابية التي هي إيجابيات كاذبة، وتساوي \(1-\text{PPV}\).
  • القيمة التنبؤية السلبية (NPV): نسبة النتائج السلبية التي هي سلبيات حقيقية.

الحساسية والنوعية خصائص للاختبار ولا تعتمدان على الانتشار. أما PPV وNPV فتعتمدان على الانتشار، لذلك يعطي الاختبار نفسه قيماً تنبؤية مختلفة في مجموعات سكانية مختلفة.

الأسئلة الشائعة

لماذا يكون الاحتمال منخفضًا إلى هذا الحد؟ لأن ندرة المرض تعني وجود عدد أكبر بكثير من الأصحاء، وبالتالي فإن معدل الإيجابيات الكاذبة ولو كان صغيرًا يُنتج إنذارات كاذبة أكثر بكثير من الإيجابيات الصحيحة.

كيف يمكنني رفع القيمة التنبؤية الإيجابية؟ عن طريق فحص الفئات الأعلى خطورة (انتشار أعلى)، أو استخدام فحوصات أكثر نوعية، أو تأكيد النتيجة بفحص ثانٍ مستقل.

هل ينطبق هذا على الفحوصات الطبية فقط؟ لا — فالمنطق البايزي نفسه ينطبق على مرشّحات البريد المزعج، وكشف الاحتيال، وفحوصات المخدرات، وأي نظام تصنيف يتعامل مع أحداث نادرة.

آخر تحديث:

الأكثر شيوعًا في الرياضيات والإحصاء

عرض جميع حاسبات الرياضيات والإحصاء