敏感性与特异性

敏感性 - 医学统计

  在医学统计里,任何一个诊断指标,都有两个最基本的特征,即敏感性和特异性,所谓敏感性,就是指其在诊断疾病的时候不漏诊(假阴性)的机会有多大(小),所谓特异性就是指该指标在诊断某疾病时,不误诊(假阳性)的机会有多大(小)。单独一个指标,如果提高其诊断的敏感性,必然降低其诊断的特异性,换句话说,减少漏诊必然增加误诊,反之亦然。

(1)灵敏性,即病人中得出阳性检测的样本占病人总数的百分比;例,感冒病人,血常规中白细胞数高的比率;

(2)特异性,即健康人中得出阴性检测的样本占健康人总数的百分比;

(3)阳性预测值,即得出阳性检测的样本总数中,病人样本占阳性检测样本总数的百分比;

(4)阴性预测值,即得出阴性检测的样本总数中,正常人样本占阴性检测样本总数的百分比。

特异性中提到的健康人是相对的,指没有观察疾病的人,例如在研究肿瘤指标对于胃癌的特异性时,胃溃疡患者也是健康人。你的检出标准未必能够在胃溃疡组里面得出全阴性的结果,如果得不出全阴性的结果,这组数据就说明了正常人误诊的概率。

时间: 2024-10-12 08:44:08

敏感性与特异性的相关文章

计算二分类的特异性和灵敏度

考虑一个二分类的情况,类别为1和0,我们将1和0分别作为正类(positive)和负类(negative),则实际分类的结果有4种,表格如下(混淆矩阵): 真实情况 预测结果 正例 反例 正例 TP(真正例) FN(假反例) 反例 FP(假正例) TN(真反例) 敏感性Sensitivity (Sen): Sen=TP/(TP+FN)*100% 特异性 Specificity (Spe) spe=TN/(TN+FP)*100% https://www.baidu.com/link?url=mIa

分类指标准确率(Precision)和正确率(Accuracy)的区别

http://www.cnblogs.com/fengfenggirl/p/classification_evaluate.html 一.引言 分类算法有很多,不同分类算法又用很多不同的变种.不同的分类算法有不同的特定,在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法. 正确率确实是一个很好很直观的评价指标,但是有时候正确率高并不能代表一个算法就好.比如某个

ROC曲线

ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系,它通过将连续变量设定出多个不同的临界值,从而计算出一系列敏感性和特异性,再以敏感性为纵坐标.(1-特异性)为横坐标绘制成曲线,曲线下面积越大,诊断准确性越高.在ROC曲线上,最靠近坐标图左上方的点为敏感性和特异性均较高的临界值. ROC曲线的例子 考虑一个二分问题,即将实例分成正

实验组和对照组的样本量一定要“均衡”才行?

AME统计025|实验组和对照组的样本量一定要"均衡"才行? 原创 2015-10-27 胡志德 AME科研时间 "随机.对照.重复.均衡"是统计学和流行病学老师在课堂上经常强调的内容之一.受此影响,很多同行在开展科研的过程中不分青红皂白地遵循这四大原则.特别是对于"均衡"这一概念,很多研究者总是觉得要是实验组和对照组不平衡(样本量相差甚远)的话,研究结果就不够可靠.殊不知,并非所有的研究都要遵循"均衡"原则的.而且,部分研究

分类器模型评价指标

Spark mllib 自带了许多机器学习算法,它能够用来进行模型的训练和预测.当使用这些算法来构建模型的时候,我们需要一些指标来评估这些模型的性能,这取决于应用和和其要求的性能.Spark mllib 也提供一套指标用来评估这些机器学习模型. 具体的机器学习算法归入更广泛类型的机器学习应用,例如:分类,回归,聚类等等,每一种类型都很好的建立了性能评估指标.本节主要分享分类器模型评价指标. ROC曲线 ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating

抗环瓜氨酸肽抗体

抗环瓜氨酸肽抗体(CCP)是环状聚丝蛋白的多肽片段,是以IgG型为主的抗体,对类风湿性关节炎(RA)具有很好的敏感性和特异性,且抗CCP抗体阳性的RA病人骨破坏较抗CCP抗体阴性者严重.抗环瓜氨酸肽抗体是风湿自身抗体系统的一种,类风湿关节炎(RA)具有高特异性的瓜氨酸相关自身抗体系统包括AKA.APF.AFA.抗CCP抗体,这些抗体对早期RA诊断具有较好的特异性.这些指标越高患风湿的可能性也越大. 编辑摘要 编辑信息模块 通用名:抗环瓜氨酸肽抗体   英文名:Resistance to ring

《Benign and maligenant breast tumors classification based on region growing and CNN segmentation》翻译阅读与理解

注明:本人英语水平有限,翻译不当之处,请以英文原版为准,不喜勿喷,另,本文翻译只限于学术交流,不涉及任何版权问题,若有不当侵权或其他任何除学术交流之外的问题,请留言本人,本人立刻删除,谢谢!! <基于区域生长的良性和恶性乳腺肿瘤的分类> 摘要 良性肿瘤被认为是导致女性死亡的常见起因之一,对良性肿瘤的早期检测能够提高患者的生存率,因此创造一个能够检测乳腺的可疑组织的系统是非常重要的.本文提出两种自动检测良性和恶性肿瘤的方法,第一种方法中,使用自动的区域生长法进行图形分割,区域生长法的门限值是通过

文章翻译第七章10-12

10  Measuring prediction performance using 测量预测性能 A receiver operating characteristic (ROC) curve is a plot that illustrates the performance of a binary classifier system, and plots the true positive rate against the false positive rate for different

五.Classification (I) – Tree, Lazy, and Probabilisti

五.Classification (I) – Tree, Lazy, and Probabilistic 五.分类(I)-树,延迟,和概率 In this chapter, we will cover the following recipes: 在本章中,我们将介绍下列菜谱:准备培训和测试数据集 1.Preparing the training and testing datasets Introduction 介绍 Classification is used to identify a c