Kết nối qua MCP →

Nhập phép tính

Công thức

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

    Specificity (True Negative Rate): Công cụ tính độ nhạy và độ đặc hiệu

    Proportion of actual negatives correctly identified

  2. Positive Predictive Value (PPV)

    Positive Predictive Value (PPV): Công cụ tính độ nhạy và độ đặc hiệu

    Proportion of positive test results that are true positives

  3. Negative Predictive Value (NPV)

    Negative Predictive Value (NPV): Công cụ tính độ nhạy và độ đặc hiệu

    Proportion of negative test results that are true negatives

  4. Accuracy

    Accuracy: Công cụ tính độ nhạy và độ đặc hiệu

    Proportion of all results that are correct

Quảng cáo

Kết quả

Độ nhạy (Tỷ lệ dương tính thật)
90%
khả năng nhận diện đúng các ca dương tính
Độ đặc hiệu (Tỷ lệ âm tính thật) 80%
Giá trị tiên đoán dương (PPV) 81,82%
Giá trị tiên đoán âm (NPV) 88,89%
Độ chính xác 85%

Công cụ này làm gì

Công cụ này đánh giá hiệu năng của một xét nghiệm chẩn đoán nhị phân hoặc một mô hình phân loại. Từ bốn ô của ma trận nhầm lẫn (confusion matrix) 2×2 — Dương tính thật (TP), Âm tính giả (FN), Âm tính thật (TN) và Dương tính giả (FP) — công cụ sẽ tính ra độ nhạy (sensitivity), độ đặc hiệu (specificity), giá trị tiên đoán dương và âm (PPV/NPV) cùng độ chính xác tổng thể. Đây là những chỉ số quen thuộc trong y học, dịch tễ học và học máy.

Ma trận nhầm lẫn hai nhân hai hiển thị các ô TP, FP, FN và TN
Ma trận nhầm lẫn sắp xếp các dự đoán thành dương tính thật, dương tính giả, âm tính giả và âm tính thật.

Cách sử dụng

Hãy nhập số ca tương ứng với từng kết quả từ nghiên cứu hoặc mô hình của bạn. "Dương tính" thường có nghĩa là tình trạng bệnh hiện diện (hoặc mô hình dự đoán thuộc lớp dương). TP và FP là những ca mà xét nghiệm cho kết quả dương; TN và FN là những ca xét nghiệm cho kết quả âm. Nhấn nút tính toán để xem cả năm chỉ số dưới dạng phần trăm.

Giải thích các công thức

Độ nhạy = TP / (TP + FN) cho biết xét nghiệm phát hiện đúng các ca bệnh thật tốt đến đâu — giá trị cao nghĩa là rất ít người bệnh bị bỏ sót.

$$\text{Độ nhạy} = \frac{\text{TP}}{\text{TP} + \text{FN}} \times 100\%$$

Độ đặc hiệu = TN / (TN + FP) cho biết xét nghiệm loại trừ người khỏe mạnh tốt đến đâu — giá trị cao nghĩa là ít báo động giả.

$$\text{Độ đặc hiệu} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$

PPV = TP / (TP + FP) là xác suất một kết quả dương thực sự đúng, còn NPV = TN / (TN + FN) là xác suất một kết quả âm thực sự là âm tính.

$$\text{PPV} = \frac{\text{TP}}{\text{TP} + \text{FP}} \times 100\%$$$$\text{NPV} = \frac{\text{TN}}{\text{TN} + \text{FN}} \times 100\%$$

Độ chính xác = (TP + TN) / tổng số tóm gọn mức độ đúng tổng thể.

$$\text{Độ chính xác} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{FN} + \text{TN} + \text{FP}} \times 100\%$$
Quảng cáo
Sơ đồ đối chiếu độ nhạy từ các dương tính thực và độ đặc hiệu từ các âm tính thực
Độ nhạy được tính trên các trường hợp dương tính thực, độ đặc hiệu trên các trường hợp âm tính thực.

Ví dụ minh họa

Giả sử một xét nghiệm cho TP = 90, FN = 10, TN = 80, FP = 20. Độ nhạy = 90 / (90 + 10) = 90%. Độ đặc hiệu = 80 / (80 + 20) = 80%. PPV = 90 / (90 + 20) ≈ 81,82%. NPV = 80 / (80 + 10) ≈ 88,89%. Độ chính xác = (90 + 80) / 200 = 85%.

$$\text{Độ nhạy} = \frac{90}{90 + 10} = 90\%$$$$\text{Độ đặc hiệu} = \frac{80}{80 + 20} = 80\%$$$$\text{PPV} = \frac{90}{90 + 20} \approx 81{,}82\%$$$$\text{NPV} = \frac{80}{80 + 10} \approx 88{,}89\%$$$$\text{Độ chính xác} = \frac{90 + 80}{200} = 85\%$$

Câu hỏi thường gặp

Độ nhạy và độ đặc hiệu khác nhau ở điểm nào? Độ nhạy đo khả năng phát hiện đúng những người thực sự mắc bệnh; độ đặc hiệu đo khả năng xác định đúng những người không mắc bệnh.

Vì sao PPV và NPV lại khác với độ nhạy/độ đặc hiệu? Giá trị tiên đoán phụ thuộc vào tỷ lệ hiện mắc (prevalence) trong mẫu của bạn, trong khi độ nhạy và độ đặc hiệu là đặc tính nội tại của chính xét nghiệm.

Một xét nghiệm có thể nhạy 100% mà vẫn vô dụng không? Có — một xét nghiệm cho mọi người đều dương tính sẽ có độ nhạy 100% nhưng độ đặc hiệu 0%, nên cả hai con số phải được xem xét cùng nhau.

Cập nhật lần cuối: