什麼是驗後機率？
驗後機率（post-test probability）指的是在得知某項診斷檢查結果之後，病人罹患某疾病的更新機率。這正是實證診斷的核心：一項檢查並不是單純回答「有」或「沒有」，而是把你原本的估計值往上或往下調整。本計算器採用貝氏定理便於運算的「勝算形式」，透過概似比（likelihood ratio, LR）來更新驗前機率。
使用方式
請輸入驗前機率（檢查前你對疾病可能性的估計值，以百分比表示），以及該檢查結果的概似比。陽性結果請使用陽性概似比（LR+），陰性結果則使用陰性概似比（LR−）。工具會回傳驗後機率，並一併顯示中間運算的驗前勝算與驗後勝算。
公式說明
由於機率與勝算其實在描述同一件事，我們先把機率換算成勝算：驗前勝算 \(= P /（1 - P）\)。乘上概似比即可得到驗後勝算：驗後勝算 \(=\) 驗前勝算 \(\times\) LR。最後再換算回機率：驗後機率 \(=\) 驗後勝算 \(/（1 + 驗後勝算）\)。
$$\begin{gathered} \text{Post-Test Prob} = \frac{O_{post}}{1 + O_{post}} \times 100\% \\[1.5em] \text{where}\quad \left\{ \begin{aligned} O_{pre} &= \frac{p}{1 - p}, \quad p = \dfrac{\text{Pre-Test (\%)}}{100} \\ O_{post} &= O_{pre} \times \text{Likelihood Ratio} \end{aligned} \right. \end{gathered}$$LR 大於 1 會提高罹病機率；LR 小於 1 會降低；LR 剛好等於 1 則維持不變。
實際範例
假設驗前機率為 30%，檢查結果的 LR 為 10。驗前勝算 \(= 0.30 / 0.70 = 0.4286\)。驗後勝算 \(= 0.4286 \times 10 = 4.2857\)。驗後機率 \(= 4.2857 /（1 + 4.2857）= 0.8108\)，約為 81%。這個陽性結果把疾病的可能性從 30% 一舉拉高到 81%。
常見問題
概似比是從哪裡來的？它源自檢查的敏感度（sensitivity）與特異度（specificity）：\(\text{LR+} = 敏感度 /（1 - 特異度）\)，\(\text{LR−} =（1 - 敏感度）/ 特異度\)。
怎樣才算「好」的 LR？一般原則是，LR+ 大於 10、或 LR− 小於 0.1，通常能讓機率產生大幅且往往足以下定論的變化；數值接近 1 的檢查在臨床上幫助不大。
驗前機率可以是 100% 嗎？當機率為 0% 或 100% 時，勝算會變成 0 或無限大，任何檢查都無法改變一個「百分之百確定」的判斷——這也是為什麼實務上會採用接近、但不等於極端值的估計。
