免费验后概率计算器

探索验后概率计算器：贝叶斯诊断工具

这款免费在线贝叶斯诊断计算器不仅计算验后概率，还确定验前概率（患病率），并与似然比无缝协作，提供完整的诊断评估。通过整合这些功能，该工具集验前概率计算器和似然比计算器于一体。

关键概念：灵敏度、特异度和似然比

要理解计算器如何得出结果，您需要熟悉几个基本指标：

• 灵敏度 – 检测正确识别真正患病者的能力。它是所有患病者（TP + FN）中真阳性（TP）的比例：

  $$\text{Sensitivity} = \dfrac{TP}{TP + FN}$$

• 特异度 – 检测正确识别未患病者为阴性的能力。它是所有非患病者（FP + TN）中真阴性（TN）的比例：

  $$\text{Specificity} = \dfrac{TN}{FP + TN}$$

• 阳性似然比 (LR+) – 在患病者中检测结果为阳性的可能性相对于非患病者的倍数。由灵敏度和特异度导出：

  $$LR+ = \dfrac{\text{Sensitivity}}{1 - \text{Specificity}}$$

• 阴性似然比 (LR–) – 在非患病者中检测结果为阴性的可能性相对于患病者的倍数：

  $$LR- = \dfrac{1 - \text{Sensitivity}}{\text{Specificity}}$$

两个似然比均为非负值（≥0）。高LR+（例如>10）提供强烈证据以确诊疾病，而低LR–（例如<0.1）提供强烈证据以排除疾病。

患病率作为验前概率

疾病的患病率，也称为验前概率，是人口中患有该疾病的比例。它由标准2×2四格表的相同四个单元格计算得出：

$$\text{Prevalence} = \dfrac{TP + FN}{TP + FN + FP + TN}$$

下表总结了符号：

类别	含义
TP	真阳性 – 患病且检测为阳性的个体
FN	假阴性 – 患病且检测为阴性的个体
FP	假阳性 – 未患病但检测为阳性的个体
TN	真阴性 – 未患病且检测为阴性的个体

从验前到验后概率

验后概率表示接收检测结果后患病的可能性。该转换依赖于贝叶斯框架，包含三个步骤：

1. 将验前概率转换为验前比值：

   $$\text{Pre‑test odds} = \dfrac{\text{Prevalence}}{1 - \text{Prevalence}}$$

2. 乘以相应的似然比（LR+或LR–）以获得验后比值：

   $$\text{Post‑test odds} = \text{Pre‑test odds} \times LR$$

3. 将验后比值转换回概率：

   $$\text{Post‑test probability} = \dfrac{\text{Post‑test odds}}{1 + \text{Post‑test odds}}$$

这些公式构成该计算器使用的贝叶斯诊断方法的核心。通过输入所需数值（或让工具从原始计数计算），您可以快速获得验前和验后概率。

实际使用

• 如果您没有直接患病率，可以输入四个单元格计数（TP、FN、FP、TN），计算器将自动推导患病率和所需的似然比。
• 或者，您也可以提供验前概率和似然比，工具将直接计算验后概率。
• 无论是考虑阳性还是阴性检测结果，逻辑相同；只需选择相应的似然比。

这款免费在线验后概率计算器对于希望将贝叶斯推理融入诊断工作流程而无需手动计算的临床医生、流行病学专业人员和学生都非常有价值。理解验前概率、似然比和验后概率之间的关系有助于您更准确地解读检测结果，做出更明智的临床决策。