ماشین‌حساب حساسیت و ویژگی

درباره این ابزار

این ماشین‌حساب حساسیت (نرخ مثبت راستین، TP/(TP+FN) — کسری از موارد واقعاً مثبت که آزمون درست علامت می‌زند)، ویژگی (نرخ منفی راستین، TN/(TN+FP) — کسری از موارد واقعاً منفی که درست کنار می‌گذارد) و دقت کلی یک آزمون تشخیصی را از ماتریس درهم‌ریختگی ۲×۲ پیامدهای واقعی و پیش‌بینی‌شده می‌یابد. حساسیت بالا یعنی موارد واقعی کمی از قلم می‌افتند؛ ویژگی بالا یعنی افراد سالم کمی به‌اشتباه علامت می‌خورند — و این دو معمولاً بسته به جای تنظیم آستانهٔ تصمیم آزمون با هم مبادله می‌شوند.

بالینگران و همه‌گیرشناسان از این ارقام برای قضاوت دربارهٔ اینکه آیا یک آزمون غربالگری برای شیوع یک بیماری به‌قدر کافی قابل‌اعتماد است استفاده می‌کنند، سازندگان تجهیزات پزشکی و آزمایش‌های آزمایشگاهی آن‌ها را به‌عنوان بخشی از اعتبارسنجی به مراجع نظارتی گزارش می‌دهند، و مسئولان بهداشت عمومی هنگام تصمیم دربارهٔ اجرای برنامهٔ غربالگری انبوه از آن‌ها بهره می‌برند. دانشمندان داده‌ای که رده‌بندهای یادگیری ماشین می‌سازند همین ریاضی را — با نام‌های بازخوانی و نرخ منفی راستین — برای ارزیابی عملکرد مدل به کار می‌برند، و دانشجویان زیست‌آمار از این ماشین‌حساب برای حل مسائل ماتریس درهم‌ریختگی بهره می‌برند.