Что считает этот калькулятор
Инструмент оценивает качество бинарного диагностического теста или классификационной модели. По четырём ячейкам матрицы ошибок 2×2 — истинно положительные (TP), ложноотрицательные (FN), истинно отрицательные (TN) и ложноположительные (FP) — он рассчитывает чувствительность, специфичность, прогностическую ценность положительного и отрицательного результата (PPV/NPV), а также общую точность. Эти показатели широко применяются в медицине, эпидемиологии и машинном обучении.
Как пользоваться
Введите количество исходов каждого типа из вашего исследования или модели. «Положительный» обычно означает, что состояние присутствует (или модель относит объект к положительному классу). TP и FP — это случаи, которые тест признал положительными; TN и FN — случаи, которые тест признал отрицательными. Нажмите «Рассчитать», чтобы увидеть все пять метрик в процентах.
Разбор формул
Чувствительность \(= \text{TP} / (\text{TP} + \text{FN})\) показывает, насколько хорошо тест выявляет реальные случаи: высокое значение означает, что мало больных остаётся незамеченными.
$$\text{Sensitivity} = \frac{\text{TP}}{\text{TP} + \text{FN}} \times 100\%$$Специфичность \(= \text{TN} / (\text{TN} + \text{FP})\) показывает, насколько хорошо тест исключает здоровых: высокое значение означает мало ложных тревог.
$$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$PPV \(= \text{TP} / (\text{TP} + \text{FP})\) — это вероятность того, что положительный результат верен, а NPV \(= \text{TN} / (\text{TN} + \text{FN})\) — вероятность того, что отрицательный результат действительно отрицательный.
$$\text{PPV} = \frac{\text{TP}}{\text{TP} + \text{FP}} \times 100\%$$$$\text{NPV} = \frac{\text{TN}}{\text{TN} + \text{FN}} \times 100\%$$Точность \(= (\text{TP} + \text{TN}) /\) общее число обобщает корректность теста в целом.
$$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{FN} + \text{TN} + \text{FP}} \times 100\%$$
Пример расчёта
Предположим, тест даёт TP = 90, FN = 10, TN = 80, FP = 20.
$$\text{Sensitivity} = \frac{90}{90 + 10} = 90\%$$$$\text{Specificity} = \frac{80}{80 + 20} = 80\%$$$$\text{PPV} = \frac{90}{90 + 20} \approx 81{,}82\%$$$$\text{NPV} = \frac{80}{80 + 10} \approx 88{,}89\%$$$$\text{Accuracy} = \frac{90 + 80}{200} = 85\%$$Частые вопросы
В чём разница между чувствительностью и специфичностью? Чувствительность показывает, насколько хорошо тест обнаруживает людей с заболеванием; специфичность — насколько верно тест признаёт здоровыми тех, у кого заболевания нет.
Почему PPV и NPV отличаются от чувствительности и специфичности? Прогностические значения зависят от распространённости заболевания в вашей выборке, тогда как чувствительность и специфичность — это внутренние свойства самого теста.
Может ли тест быть на 100% чувствительным, но при этом бесполезным? Да. Тест, который признаёт положительными вообще всех, чувствителен на 100%, но специфичен на 0%, поэтому оба показателя важны только вместе.
