免费假阳性计算器

假阳性计算器有什么作用？

假阳性计算器帮助用户确定错误地将健康个体分类为患病的检测结果比例。它是评估诊断测试准确度的重要工具，依靠特异性和患病率等关键参数来量化筛查中的错误。

假阳性的定义

在任何诊断测试中，将检测结果与实际疾病状态进行比较时，可能出现四种结果。假阳性是指健康人获得阳性检测结果，即检测错误地表明存在疾病。检测结果与真实健康状况之间的关系通常用2×2列联表表示：

检测结果	患有疾病	未患疾病
阳性	真阳性 (TP)	假阳性 (FP)
阴性	假阴性 (FN)	真阴性 (TN)

术语假阳性特指检测结果为阳性但个体实际健康的单元格。

如何计算假阳性数

要获得假阳性数（或百分比），你需要两个信息：

• 患病率 ($P$) – 实际患有疾病的人口比例。
• 特异性 ($Sp$) – 健康人检测结果为阴性的概率（也称为真阴性率）。

假阳性百分比的公式为：

$$\text{False Positives (\%)} = (100\% - \text{Specificity}) \times (100\% - \text{Prevalence})$$

用变量表示：

$$FP_{\%} = (1 - Sp) \times (1 - P)$$

其中 $Sp$ 和 $P$ 统一用小数或百分比表示。例如，如果特异性为95%，患病率为10%，则假阳性率（占总人口的比例）为 $(1 - 0.95) \times (1 - 0.10) = 0.05 \times 0.90 = 0.045$ 或 4.5%。

计算真阴性

真阴性是指健康人正确检测为阴性。计算直接：

$$\text{True Negatives (\%)} = \text{Specificity} \times (100\% - \text{Prevalence})$$

或

$$TN_{\%} = Sp \times (1 - P)$$

该值表示总研究群体中被正确识别为无疾病的比例。

理解假阳性率

**假阳性率（FPR）**是一个与原始假阳性计数不同的指标。它衡量所有健康个体中阳性检测结果的比例：

$$\text{FPR} = \frac{\text{False Positives}}{\text{False Positives} + \text{True Negatives}} \times 100\%$$

同样，由于特异性是真阴性率，假阳性率即为：

$$\text{FPR} = 100\% - \text{Specificity}$$

因此，当你了解检测的特异性时，你立即知道其假阳性率。例如，特异性为93%的检测，其假阳性率为7%。

为什么参数重要

• 患病率影响假阳性的绝对数量，但不改变假阳性率。FPR仅由检测的特异性决定。
• 因此，特异性是检测准确度的关键指标：特异性越高，假阳性越少。
• 患病率计算器可帮助估计疾病频率，而特异性计算器可根据数据计算检测性能。

假阳性计算器结合这些输入，为用户提供假阳性原始计数和相关的假阳性率，全面了解诊断测试错误。