Rechner für Sensitivität und Spezifität

Über diesen Rechner

Dieser Rechner ermittelt die Sensitivität eines diagnostischen Tests (die Richtig-positiv-Rate, TP/(TP+FN) – der Anteil der tatsächlich positiven Fälle, die der Test korrekt erkennt), die Spezifität (die Richtig-negativ-Rate, TN/(TN+FP) – der Anteil der tatsächlich negativen Fälle, die er korrekt als unauffällig einstuft) und die Gesamtgenauigkeit aus einer 2×2-Konfusionsmatrix tatsächlicher und vorhergesagter Ergebnisse. Eine hohe Sensitivität bedeutet, dass wenige echte Fälle übersehen werden; eine hohe Spezifität bedeutet, dass wenige Gesunde fälschlich markiert werden – und beide stehen typischerweise in einem Zielkonflikt, je nachdem, wo der Entscheidungsschwellenwert eines Tests gesetzt wird.

Kliniker und Epidemiologen nutzen diese Kennzahlen, um zu beurteilen, ob ein Screening-Test für die Prävalenz einer bestimmten Erkrankung zuverlässig genug ist, Hersteller von Medizinprodukten und Labortests melden sie im Rahmen der Validierung an Behörden, und Gesundheitsbehörden nutzen sie bei der Entscheidung, ob ein Massenscreening-Programm eingeführt werden soll. Data Scientists, die Klassifikatoren für maschinelles Lernen entwickeln, verwenden genau dieselbe Mathematik – unter den Namen Recall und Richtig-negativ-Rate –, um die Modellleistung zu bewerten, und Biostatistik-Studierende nutzen diesen Rechner, um Aufgaben zur Konfusionsmatrix durchzurechnen.