免费灵敏度和特异度计算器

诊断试验评价从根本上依赖于两个核心指标：灵敏度和特异度。这个免费的在线灵敏度和特异度计算器简化了流程，不仅能计算这两个值，还能计算阳性预测值（PPV）、阴性预测值（NPV）、阳性和阴性似然比以及总体准确度——所有这些都来自一个简单的2 × 2表格的测试结果。

关键输入：所需的四个数字

每项计算都始于列联表中的四个计数：

• 真阳性（TP） – 患有疾病且测试结果为阳性的个体。
• 真阴性（TN） – 健康且测试结果为阴性的个体。
• 假阳性（FP） – 健康但测试结果为阳性的个体。
• 假阴性（FN） – 患有疾病但测试结果为阴性的个体。

这四个数字是计算灵敏度、特异度、准确度和似然比所需的唯一输入。对于PPV和NPV，您还需要疾病的患病率（受影响人群的比例）。

灵敏度和特异度定义

灵敏度（真阳性率）回答：“在所有患病者中，测试发现了多少？”其公式为

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

分母 $TP + FN$ 是患病个体总数。高灵敏度意味着很少的假阴性——测试很少漏诊。

特异度（真阴性率）回答：“在所有健康者中，有多少被正确判定为无病？”其公式为

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

这里 $TN + FP$ 是健康个体总数。高特异度意味着低假阳性率。

总体准确度

准确度能快速反映测试在所有结果中正确的频率：

$$\text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}$$

尽管易于解读，但患病率极低或极高时，准确度可能具有误导性；在这种情况下，灵敏度和特异度通常能更清晰地反映测试性能。

预测值和患病率

PPV和NPV通过纳入患病率超越了原始比率。阳性预测值（PPV） 是阳性结果真阳性的概率；阴性预测值（NPV） 是阴性结果真阴性的概率。两者均依赖于患病率，如下所示：

$$\text{PPV} = \frac{\text{Sensitivity} \times \text{Prevalence}}{(\text{Sensitivity} \times \text{Prevalence}) + ((1 - \text{Specificity}) \times (1 - \text{Prevalence}))}$$ $$\text{NPV} = \frac{\text{Specificity} \times (1 - \text{Prevalence})}{((1 - \text{Sensitivity}) \times \text{Prevalence}) + (\text{Specificity} \times (1 - \text{Prevalence}))}$$

患病率通常以百分比或小数表示。只要输入患病率，计算器会自动应用这些公式。

似然比

似然比将灵敏度和特异度合并为单个数字，可以更新测试后的疾病概率。

$$\text{Positive likelihood ratio (LR+)} = \frac{\text{Sensitivity}}{1 - \text{Specificity}}$$ $$\text{Negative likelihood ratio (LR-)} = \frac{1 - \text{Sensitivity}}{\text{Specificity}}$$

LR+高于10（或LR‑低于0.1）被认为是排除或确认疾病的有力证据。该工具同时输出这两个值。

实际应用

这个在线灵敏度和特异度工具完全免费，无需手动计算。无论是评估新的筛查测试、比较诊断方法还是教授统计学，只需几个数字即可获得所有主要指标——灵敏度、特异度、PPV、NPV、准确度和似然比。对于需要快速、准确测试评估统计数据的医学研究人员、临床医生和学生来说，这是一个可靠资源。