这个计算器能做什么
本工具用于评估二分类诊断试验或分类模型的表现。只需输入2×2混淆矩阵中的四个数值——真阳性（TP）、假阴性（FN）、真阴性（TN）和假阳性（FP），即可一键计算出灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）以及总体准确率。这些指标在医学、流行病学和机器学习领域都被广泛使用。
使用方法
把研究或模型中每一类结果的数量分别填入对应输入框。这里的"阳性"通常表示存在某种疾病或状况（或模型预测为正类）。TP和FP是被判定为阳性的病例，TN和FN则是被判定为阴性的病例。填好后点击"计算"，五项指标就会以百分比形式一并呈现。
计算公式详解
灵敏度 = TP /（TP + FN），反映试验"抓出"真实患者的能力——数值越高，说明被漏诊的患者越少。特异度 = TN /（TN + FP），反映试验排除健康人群的能力——数值越高，说明误报越少。PPV（阳性预测值）= TP /（TP + FP），表示检测结果为阳性时确实患病的概率；NPV（阴性预测值）= TN /（TN + FN），表示结果为阴性时确实未患病的概率。准确率 =（TP + TN）/ 总例数，用来概括整体判断的正确程度。
$$\text{Sensitivity} = \frac{\text{TP}}{\text{TP} + \text{FN}} \times 100\%$$
$$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$
$$\text{PPV} = \frac{\text{TP}}{\text{TP} + \text{FP}} \times 100\%$$
$$\text{NPV} = \frac{\text{TN}}{\text{TN} + \text{FN}} \times 100\%$$
$$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{FN} + \text{TN} + \text{FP}} \times 100\%$$
实例演算
假设某项检测得到 \(\text{TP} = 90\)、\(\text{FN} = 10\)、\(\text{TN} = 80\)、\(\text{FP} = 20\)。那么灵敏度 $$\frac{90}{90 + 10} = 90\%$$；特异度 $$\frac{80}{80 + 20} = 80\%$$；PPV $$\frac{90}{90 + 20} \approx 81.82\%$$；NPV $$\frac{80}{80 + 10} \approx 88.89\%$$；准确率 $$\frac{90 + 80}{200} = 85\%$$。
常见问题
灵敏度和特异度有什么区别？灵敏度衡量的是试验能否准确检出真正患病的人；特异度衡量的是试验能否准确判定未患病的人。
为什么PPV、NPV和灵敏度、特异度不一样？预测值（PPV/NPV）会随样本中疾病的患病率而变化，而灵敏度和特异度则是试验本身固有的特性，不受患病率影响。
灵敏度达到100%的试验就一定好用吗？不一定。如果一个试验把所有人都判为阳性，那它的灵敏度是100%，但特异度却是0%，毫无实用价值。所以这两个数值必须结合起来看。
