यह कैलकुलेटर क्या करता है
यह टूल किसी बाइनरी डायग्नोस्टिक टेस्ट या क्लासिफिकेशन मॉडल के प्रदर्शन को मापता है। 2×2 कन्फ्यूज़न मैट्रिक्स के चार खानों — True Positives (TP), False Negatives (FN), True Negatives (TN), और False Positives (FP) — से यह सेंसिटिविटी, स्पेसिफिसिटी, पॉज़िटिव और नेगेटिव प्रेडिक्टिव वैल्यू (PPV/NPV), तथा कुल एक्यूरेसी निकालता है। ये मेट्रिक्स चिकित्सा, महामारी विज्ञान और मशीन लर्निंग में व्यापक रूप से इस्तेमाल होते हैं।
इसका उपयोग कैसे करें
अपने अध्ययन या मॉडल से हर परिणाम की संख्या दर्ज करें। "पॉज़िटिव" का मतलब आमतौर पर यह होता है कि स्थिति मौजूद है (या मॉडल पॉज़िटिव क्लास का अनुमान लगाता है)। TP और FP वे मामले हैं जिन्हें टेस्ट ने पॉज़िटिव बताया; TN और FN वे हैं जिन्हें टेस्ट ने नेगेटिव बताया। पाँचों मेट्रिक्स प्रतिशत में देखने के लिए "कैलकुलेट" पर क्लिक करें।
फ़ॉर्मूले की व्याख्या
सेंसिटिविटी $$\text{Sensitivity} = \frac{\text{TP}}{\text{TP} + \text{FN}} \times 100\%$$ बताती है कि टेस्ट असली मामलों को कितनी अच्छी तरह पकड़ता है — ऊँचा मान यानी बहुत कम बीमार मरीज़ छूटते हैं। स्पेसिफिसिटी $$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$ बताती है कि वह स्वस्थ लोगों को कितनी अच्छी तरह सही पहचानता है — ऊँचा मान यानी बहुत कम झूठे अलार्म। $$\text{PPV} = \frac{\text{TP}}{\text{TP} + \text{FP}} \times 100\%$$ यह संभावना है कि पॉज़िटिव नतीजा सचमुच सही है, और $$\text{NPV} = \frac{\text{TN}}{\text{TN} + \text{FN}} \times 100\%$$ यह संभावना है कि नेगेटिव नतीजा वाकई नेगेटिव है। $$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{FN} + \text{TN} + \text{FP}} \times 100\%$$ पूरी सटीकता का सारांश देती है।
हल किया हुआ उदाहरण
मान लीजिए किसी टेस्ट में \(\text{TP} = 90\), \(\text{FN} = 10\), \(\text{TN} = 80\), \(\text{FP} = 20\) हैं। सेंसिटिविटी $$\frac{90}{90 + 10} = 90\%$$ स्पेसिफिसिटी $$\frac{80}{80 + 20} = 80\%$$ PPV $$\frac{90}{90 + 20} \approx 81.82\%$$ NPV $$\frac{80}{80 + 10} \approx 88.89\%$$ एक्यूरेसी $$\frac{90 + 80}{200} = 85\%$$
संवेदनशीलता, विशिष्टता, PPV और NPV की व्याख्या
संवेदनशीलता उन लोगों का अनुपात है जिनमें सच में वह स्थिति है और जिन्हें परीक्षण सही तरह से पहचानता है: \(\text{TP}/(\text{TP}+\text{FN})\)। विशिष्टता उन लोगों का अनुपात है जिनमें वह स्थिति नहीं है और जिन्हें परीक्षण सही तरह से नकारात्मक घोषित करता है: \(\text{TN}/(\text{TN}+\text{FP})\)।
- उच्च संवेदनशीलता (SnNout): कम झूठे नकारात्मक परिणाम, इसलिए नकारात्मक परिणाम स्थिति को नकारने में मदद करता है।
- उच्च विशिष्टता (SpPin): कम झूठे सकारात्मक परिणाम, इसलिए सकारात्मक परिणाम स्थिति की पुष्टि में मदद करता है।
- कम संवेदनशीलता: बहुत से मामले छूट जाते हैं, इसलिए नकारात्मक परिणाम बहुत भरोसेमंद नहीं होता।
- कम विशिष्टता: बहुत से स्वस्थ लोग सकारात्मक आते हैं, इसलिए सकारात्मक परिणाम की पुष्टि जरूरी है।
सीमा (थ्रेशोल्ड) का समझौता
अधिकतर परीक्षण एक सतत मान (स्कोर, सांद्रता, प्रायिकता) देते हैं, जिसे एक कट-ऑफ से सकारात्मक या नकारात्मक में बदला जाता है। कट-ऑफ घटाने से आमतौर पर संवेदनशीलता बढ़ती है पर विशिष्टता घटती है। बढ़ाने पर उल्टा होता है। किसी दिए गए परीक्षण के लिए कोई भी सीमा दोनों को एक साथ बेहतर नहीं बनाती, इसलिए सही कट-ऑफ इस पर निर्भर करता है कि छूटे मामलों और झूठे अलार्म की सापेक्ष लागत क्या है। ROC वक्र सभी सीमाओं पर इस समझौते को दर्शाता है।
PPV और NPV प्रसार (प्रिवेलेंस) पर निर्भर करते हैं
PPV \(\text{TP}/(\text{TP}+\text{FP})\) है और NPV \(\text{TN}/(\text{TN}+\text{FN})\) है। संवेदनशीलता और विशिष्टता के विपरीत, ये इस पर बदलते हैं कि परीक्षण किए गए समूह में यह स्थिति कितनी आम है। जब प्रसार कम होता है, तब एक अच्छा परीक्षण भी सच्चे सकारात्मक की तुलना में बहुत से झूठे सकारात्मक देता है, इसलिए PPV गिरता है और NPV बढ़ता है। जब प्रसार अधिक होता है, तब इसका उल्टा होता है। किसी एक अध्ययन के PPV और NPV केवल समान प्रसार वाली आबादी पर लागू होते हैं। नीचे दी तालिका देखें।
सटीकता की सीमाएँ
सटीकता \((\text{TP}+\text{TN})/\text{total}\) है। असंतुलित डेटा पर यह भ्रामक हो सकती है। यदि नमूने के केवल 1% लोगों में यह स्थिति है, और परीक्षण सभी को नकारात्मक कहता है, तो वह 99% सटीक है, फिर भी उसकी संवेदनशीलता 0% है। सटीकता को हमेशा संवेदनशीलता, विशिष्टता और PPV/NPV के साथ पढ़ें।
ये आंकड़े आपके दर्ज किए गए नमूने का वर्णन करते हैं। इनमें नमूना-अनिश्चितता होती है और ये सामान्य जानकारी हैं, व्यक्तिगत चिकित्सा सलाह नहीं। किसी भी व्यक्तिगत परिणाम पर किसी योग्य स्वास्थ्य पेशेवर से चर्चा करें।
प्रसार से PPV और NPV कैसे बदलते हैं
तालिका मानती है कि 10,000 लोगों पर 90% संवेदनशीलता और 90% विशिष्टता वाला परीक्षण लगाया गया है। केवल प्रसार बदलता है।
| प्रसार | TP | FN | TN | FP | PPV | NPV | सटीकता |
|---|---|---|---|---|---|---|---|
| 1% | 90 | 10 | 8,910 | 990 | 8.33% | 99.89% | 90% |
| 5% | 450 | 50 | 8,550 | 950 | 32.14% | 99.42% | 90% |
| 10% | 900 | 100 | 8,100 | 900 | 50.00% | 98.78% | 90% |
| 25% | 2,250 | 250 | 6,750 | 750 | 75.00% | 96.43% | 90% |
| 50% | 4,500 | 500 | 4,500 | 500 | 90.00% | 90.00% | 90% |
1% प्रसार पर कार्य-जाँच
रोगी: 10,000 × 0.01 = 100, तो TP = 100 × 0.90 = 90 और FN = 10। स्वस्थ: 9,900, तो TN = 9,900 × 0.90 = 8,910 और FP = 990।
$$\text{PPV} = \frac{90}{90+990} = \frac{90}{1080} \approx 8.33\%, \qquad \text{NPV} = \frac{8910}{8910+10} = \frac{8910}{8920} \approx 99.89\%$$
निष्कर्ष: एक ही परीक्षण के साथ, 1% प्रसार पर सकारात्मक परिणाम लगभग 12 में से केवल 1 बार सही होता है, लेकिन 50% प्रसार पर 10 में से 9 बार। हर पंक्ति में सटीकता 90% रहती है, जो दिखाता है कि अकेली सटीकता यह प्रभाव क्यों छिपा देती है।
मुख्य शब्द और शब्दावली
- भ्रम मैट्रिक्स (Confusion matrix)
- एक 2×2 तालिका जो परीक्षण के परिणामों (सकारात्मक/नकारात्मक) को वास्तविक स्थिति (मौजूद/अनुपस्थित) के साथ मिलाती है। इसके चार खाने TP, FP, FN और TN हैं।
- सच्चा सकारात्मक (TP)
- वह व्यक्ति जिसमें यह स्थिति है और जिसे परीक्षण सही तरह से सकारात्मक बताता है।
- झूठा सकारात्मक (FP)
- वह व्यक्ति जिसमें यह स्थिति नहीं है और जिसे परीक्षण गलती से सकारात्मक बताता है।
- सच्चा नकारात्मक (TN)
- वह व्यक्ति जिसमें यह स्थिति नहीं है और जिसे परीक्षण सही तरह से नकारात्मक बताता है।
- झूठा नकारात्मक (FN)
- वह व्यक्ति जिसमें यह स्थिति है और जिसे परीक्षण गलती से नकारात्मक बताता है।
- संवेदनशीलता (रिकॉल, सच्ची सकारात्मक दर)
- TP / (TP + FN)। उन लोगों का अनुपात जिनमें यह स्थिति है और जिनका परीक्षण सकारात्मक आता है।
- विशिष्टता (सच्ची नकारात्मक दर)
- TN / (TN + FP)। उन लोगों का अनुपात जिनमें यह स्थिति नहीं है और जिनका परीक्षण नकारात्मक आता है।
- सकारात्मक पूर्वानुमानित मान (PPV, प्रिसिजन)
- TP / (TP + FP)। सकारात्मक परिणामों में से वे अनुपात जो सच्चे सकारात्मक हैं।
- नकारात्मक पूर्वानुमानित मान (NPV)
- TN / (TN + FN)। नकारात्मक परिणामों में से वे अनुपात जो सच्चे नकारात्मक हैं।
- सटीकता (Accuracy)
- (TP + TN) / (TP + FP + TN + FN)। सभी परिणामों में से सही परिणामों का अनुपात।
- प्रसार (प्रिवेलेंस)
- (TP + FN) / कुल। परीक्षण किए गए समूह में से वह अनुपात जिसमें यह स्थिति है।
- झूठा सकारात्मक दर
- FP / (FP + TN), जो 1 − विशिष्टता के बराबर है।
- झूठा नकारात्मक दर
- FN / (FN + TP), जो 1 − संवेदनशीलता के बराबर है।
अक्सर पूछे जाने वाले सवाल
सेंसिटिविटी और स्पेसिफिसिटी में क्या अंतर है? सेंसिटिविटी मापती है कि टेस्ट उन लोगों को कितनी अच्छी तरह पहचानता है जिनमें वह स्थिति है; स्पेसिफिसिटी मापती है कि वह उन लोगों को कितनी सही तरह से छाँट देता है जिनमें वह स्थिति नहीं है।
PPV और NPV, सेंसिटिविटी/स्पेसिफिसिटी से अलग क्यों होते हैं? प्रेडिक्टिव वैल्यू आपके सैंपल में बीमारी की व्यापकता (प्रिवलेंस) पर निर्भर करती हैं, जबकि सेंसिटिविटी और स्पेसिफिसिटी टेस्ट के अपने अंतर्निहित गुण हैं।
क्या कोई टेस्ट 100% सेंसिटिव होकर भी बेकार हो सकता है? हाँ — जो टेस्ट हर किसी को पॉज़िटिव बता दे वह 100% सेंसिटिव है पर 0% स्पेसिफिक, इसलिए दोनों संख्याएँ साथ मिलकर ही मायने रखती हैं।