ماشین‌حساب حساسیت و ویژگی

درباره این ابزار

هر آزمون تشخیصی با جدول 2×2 از مثبت‌های واقعی، مثبت‌های کاذب، منفی‌های واقعی و منفی‌های کاذب سنجیده می‌شود و از آن چهار شمارش، معیارهایی به دست می‌آیند که تعیین می‌کنند آزمون واقعاً چقدر خوب است: حساسیت = TP / (TP + FN)، کسری از افراد دارای وضعیت که آزمون به‌درستی نشانشان می‌کند، و ویژگی = TN / (TN + FP)، کسری از افراد فاقد وضعیت که آزمون به‌درستی تأییدشان می‌کند — و دقت کلی = (TP + TN) / کل آزمون‌شده‌ها.

این دو عدد به دلایل متفاوتی اهمیت دارند: حساسیت بالا برای آزمون‌های غربالگری که از دست‌دادن یک مورد واقعی (منفی کاذب) خطرناک است در اولویت است، در حالی که ویژگی بالا زمانی در اولویت است که مثبت کاذب پیگیری تهاجمی غیرضروری را به راه بیندازد؛ به همین دلیل همان ریاضی آزمون به‌طور متفاوت برای غربالگری سرطان در برابر سنجش تشخیصی تأییدی به‌کار می‌رود.

اپیدمیولوژیست‌ها و زیست‌آمارشناسانی که ابزارهای تشخیصی جدید را ارزیابی می‌کنند، متخصصان آزمایشگاه که عملکرد سنجش را اعتبارسنجی می‌کنند و دانشجویان پزشکی و سلامت عمومی که آمار مشخصه‌های آزمون را می‌آموزند، همگی از این محاسبه به‌عنوان گام نخست استاندارد برای قضاوت درباره سودمندی واقعی هر آزمون تشخیصی استفاده می‌کنند.