Подключиться через MCP →

Введите расчет

Математическая формула

Show calculation steps (4)
  1. Specificity (True Negative Rate)

    Specificity (True Negative Rate): Калькулятор точности диагностического теста

    Specificity = True Negatives / Total with disease absent

  2. Positive Predictive Value (PPV)

    Positive Predictive Value (PPV): Калькулятор точности диагностического теста

    PPV = True Positives / All who test positive; FP = Disease absent - test negative

  3. Negative Predictive Value (NPV)

    Negative Predictive Value (NPV): Калькулятор точности диагностического теста

    NPV = True Negatives / All who test negative; FN = Disease present - test positive

  4. Prevalence

    Prevalence: Калькулятор точности диагностического теста

    Prevalence = Total with disease / Total sample

Реклама

Результатов

Чувствительность (доля истинно положительных)
0,9
= 90%
Показатель Доля Проценты
Специфичность (доля истинно отрицательных) 0,95 95%
Доля ложноотрицательных (FNR) 0,1 10%
Доля ложноположительных (FPR) 0,05 5%
Прогностическая ценность положительного результата (PPV) 0,6429 64,29%
Прогностическая ценность отрицательного результата (NPV) 0,9896 98,96%
Распространённость 0,0909 9,09%
Болен Здоров
Тест положительный 90 (TP) 50 (FP)
Тест отрицательный 10 (FN) 950 (TN)

Что считает этот калькулятор

Калькулятор точности диагностического теста превращает таблицу сопряжённости 2×2 в стандартные показатели, которые применяются в эпидемиологии и биостатистике: чувствительность, специфичность, долю ложноотрицательных результатов (FNR), долю ложноположительных результатов (FPR), прогностическую ценность положительного результата (PPV), прогностическую ценность отрицательного результата (NPV) и распространённость заболевания. Это универсальный инструмент: математика везде одинакова и не зависит от правил конкретной страны.

2x2 confusion matrix showing disease status versus test result with cells a, b, c, d
The 2x2 diagnostic confusion matrix: true positives (a), false positives (b), false negatives (c) and true negatives (d).

Как пользоваться

Введите четыре числа людей: сколько человек действительно больны, сколько из них дали положительный результат теста, сколько человек здоровы и сколько из них дали отрицательный результат. На основе этих данных калькулятор вычисляет четыре ячейки таблицы:

a (истинно положительные) — больные с положительным результатом; c (ложноотрицательные) — общее число больных минус a; d (истинно отрицательные) — здоровые с отрицательным результатом; b (ложноположительные) — общее число здоровых минус d.

Разбор формул

Чувствительность \( = a / (a + c) \) показывает, насколько хорошо тест выявляет болезнь. Специфичность \( = d / (b + d) \) показывает, насколько хорошо он исключает болезнь у здоровых людей. \( \text{FNR} = c / (a + c) = 1 - \text{чувствительность} \), а \( \text{FPR} = b / (b + d) = 1 - \text{специфичность} \). \( \text{PPV} = a / (a + b) \) — вероятность того, что человек действительно болен при положительном результате, а \( \text{NPV} = d / (c + d) \) — вероятность того, что человек действительно здоров при отрицательном результате. Распространённость \( = (a + c) / (a + b + c + d) \) — доля больных в выборке, и именно она сильно влияет на PPV и NPV.

$$\text{Чувствительность} = \frac{a}{a + c}$$$$\text{Специфичность} = \frac{d}{b + d}$$$$\text{PPV} = \frac{a}{a + b} \qquad \text{NPV} = \frac{d}{c + d}$$$$\text{Распространённость} = \frac{a + c}{a + b + c + d}$$
Реклама
Diagram showing sensitivity and specificity as proportions within the confusion matrix columns
Sensitivity uses the diseased column (a/(a+c)); specificity uses the healthy column (d/(b+d)).

Пример расчёта

Допустим, 100 больных (90 дают положительный тест) и 1000 здоровых (950 дают отрицательный тест): \( a = 90 \), \( c = 10 \), \( d = 950 \), \( b = 50 \).

$$\text{Чувствительность} = 90/100 = 0{,}9000 \ (90\%)$$$$\text{Специфичность} = 950/1000 = 0{,}9500 \ (95\%)$$$$\text{FNR} = 0{,}1000 \qquad \text{FPR} = 0{,}0500$$$$\text{PPV} = 90/140 = 0{,}6429 \ (64{,}29\%)$$$$\text{NPV} = 950/960 = 0{,}9896 \ (98{,}96\%)$$$$\text{Распространённость} = 100/1100 = 0{,}0909 \ (9{,}09\%)$$

Частые вопросы

Почему PPV здесь намного ниже чувствительности? Потому что болезнь встречается редко (низкая распространённость): даже небольшое число ложноположительных результатов перевешивает истинно положительные и тянет PPV вниз. PPV и NPV всегда зависят от распространённости.

В чём разница между FNR и FPR? FNR — доля больных, которых тест пропускает; FPR — доля здоровых, которых тест ошибочно помечает как положительных.

Что будет, если какая-то категория пуста? Если нет больных, нет здоровых, нет положительных или нет отрицательных тестов, соответствующее отношение математически не определено и оставляется пустым.

Последнее обновление: