विशिष्टता (Specificity) क्या है?
विशिष्टता, जिसे ट्रू नेगेटिव रेट भी कहते हैं, यह मापती है कि कोई टेस्ट या क्लासिफायर नेगेटिव मामलों को कितनी सही तरह से पहचानता है। यह इस सवाल का जवाब देती है: "जिन लोगों को वास्तव में वह स्थिति या बीमारी नहीं है, उनमें से कितने हिस्से को टेस्ट ने सही रूप से नेगेटिव बताया?" विशिष्टता मेडिकल डायग्नोस्टिक्स, एपिडेमियोलॉजी और मशीन-लर्निंग क्लासिफिकेशन में एक अहम मेट्रिक है, और यह संवेदनशीलता (सेंसिटिविटी यानी ट्रू पॉज़िटिव रेट) की पूरक है।
इस कैलकुलेटर का उपयोग कैसे करें
अपने कन्फ्यूज़न मैट्रिक्स से दो संख्याएँ दर्ज करें: ट्रू नेगेटिव (TN) की संख्या — वे नेगेटिव मामले जिन्हें सही पहचाना गया — और फॉल्स पॉज़िटिव (FP) की संख्या — वे नेगेटिव मामले जिन्हें गलती से पॉज़िटिव बता दिया गया। कैलकुलेटर विशिष्टता को दशमलव अनुपात और प्रतिशत, दोनों रूपों में दिखाता है।
फॉर्मूला समझें
विशिष्टता:
$$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$हर में मौजूद \((\text{TN} + \text{FP})\) वास्तविक नेगेटिव मामलों की कुल संख्या है। 1.0 (100%) की विशिष्टता का मतलब है कि टेस्ट ने कभी कोई फॉल्स पॉज़िटिव नहीं दिया। कम मान का मतलब है कि ज़्यादा स्वस्थ या नेगेटिव व्यक्तियों को गलती से पॉज़िटिव बता दिया गया।
हल किया गया उदाहरण
मान लीजिए कि 100 स्वस्थ लोगों पर एक स्क्रीनिंग टेस्ट किया जाता है। यह उनमें से 80 को सही रूप से ठीक बताता है (TN = 80), लेकिन 20 को गलती से पॉज़िटिव बता देता है (FP = 20)। विशिष्टता:
$$\text{Specificity} = \frac{80}{80 + 20} = \frac{80}{100} = 0.80 = 80\%$$इस तरह यह टेस्ट सही मायने में नेगेटिव 80% लोगों की सही पहचान करता है।
अक्सर पूछे जाने वाले सवाल
अच्छी विशिष्टता का मान क्या होता है? जितना ज़्यादा, उतना बेहतर; 1.0 (100%) के करीब के मान दर्शाते हैं कि फॉल्स अलार्म बहुत कम हैं। स्वीकार्य सीमा इस बात पर निर्भर करती है कि आपके उपयोग में फॉल्स पॉज़िटिव की कितनी कीमत चुकानी पड़ती है।
विशिष्टता और संवेदनशीलता में क्या फ़र्क है? विशिष्टता नेगेटिव मामलों की सही पहचान (TN रेट) को मापती है, जबकि संवेदनशीलता पॉज़िटिव मामलों की सही पहचान (TP रेट) को मापती है। दोनों मिलकर किसी टेस्ट की समग्र सटीकता बताती हैं।
अगर TN और FP दोनों शून्य हों तो? ऐसे में विशिष्टता अपरिभाषित होती है क्योंकि कोई वास्तविक नेगेटिव मामला ही नहीं है; शून्य से भाग से बचने के लिए कैलकुलेटर 0 लौटाता है।
