這個計算器能做什麼
診斷檢測準確度計算器能把一張 2x2 混淆矩陣，換算成流行病學與生物統計常用的各項指標：靈敏度（sensitivity）、特異度（specificity）、偽陰性率（FNR）、偽陽性率（FPR）、陽性預測值（PPV）、陰性預測值（NPV）以及盛行率（prevalence）。這是一個通用工具——背後的數學公式放諸四海皆準，不涉及任何特定國家的規定，無論在臺灣或世界各地，算法都完全相同。
使用方式
請輸入四個人數：實際患病的總人數、其中檢測結果為陽性的人數、未患病的總人數，以及其中檢測結果為陰性的人數。計算器會由此推導出矩陣的四個欄位：
a（真陽性）＝患病且檢測為陽性者；c（偽陰性）＝患病總人數減去 a；d（真陰性）＝未患病且檢測為陰性者；b（偽陽性）＝未患病總人數減去 d。
公式詳解
靈敏度 \(= a / (a + c)\)，衡量檢測「找出疾病」的能力。
$$\text{靈敏度} = \frac{a}{a + c}$$特異度 \(= d / (b + d)\)，衡量檢測在健康者身上「排除疾病」的能力。
$$\text{特異度} = \frac{d}{b + d}$$偽陰性率 \(\text{FNR} = c / (a + c) = 1 - \text{靈敏度}\)；偽陽性率 \(\text{FPR} = b / (b + d) = 1 - \text{特異度}\)。陽性預測值 \(\text{PPV} = a / (a + b)\)，代表在檢測結果為陽性時，你真正患病的機率；陰性預測值 \(\text{NPV} = d / (c + d)\)，代表在檢測結果為陰性時，你真正健康的機率。盛行率 \(= (a + c) / (a + b + c + d)\)，是樣本中患病者所佔的比例，會強烈影響 PPV 與 NPV 的高低。
$$\text{盛行率} = \frac{a + c}{a + b + c + d}$$
實例試算
假設有 100 名患病者（其中 90 人檢測為陽性），以及 1000 名未患病者（其中 950 人檢測為陰性）：\(a = 90\)、\(c = 10\)、\(d = 950\)、\(b = 50\)。
$$\text{靈敏度} = \frac{90}{100} = 0.9000\ (90\%)$$$$\text{特異度} = \frac{950}{1000} = 0.9500\ (95\%)$$$$\text{FNR} = 0.1000$$$$\text{FPR} = 0.0500$$$$\text{PPV} = \frac{90}{140} = 0.6429\ (64.29\%)$$$$\text{NPV} = \frac{950}{960} = 0.9896\ (98.96\%)$$$$\text{盛行率} = \frac{100}{1100} = 0.0909\ (9.09\%)$$常見問題
為什麼這裡的 PPV 遠低於靈敏度？因為這個疾病很罕見（盛行率低），即使偽陽性人數不多，也會超過真陽性人數，把 PPV 拉低。PPV 與 NPV 永遠都會受到盛行率的影響。
FNR 和 FPR 有什麼不同？FNR 是檢測「漏掉」的患病者比例；FPR 則是檢測把健康者「誤判」為陽性的比例。
如果某一類人數是 0 怎麼辦？如果沒有患病者、沒有未患病者、沒有陽性結果或沒有陰性結果，對應的比值在數學上就無法定義，會留白不顯示。
