特異度怎麼算?
acc:classification accuracy,描述分類器的分類準確率
計算公式為:ACC=(TP+TN)/(TP+FP+FN+TN)
ber:balanced error rate
計算公式為:BER=1/2*(FPR+FN/(FN+TP))
tpr:true positive rate,描述識別出的所有正例佔所有正例的比例
計算公式為:TPR=TP/ (TP+ FN)
fpr:false positive rate,描述將負例識別為正例的情況佔所有負例的比例
計算公式為:FPR= FP / (FP + TN)
tnr:true negative rate,描述識別出的負例佔所有負例的比例
計算公式為:TNR= TN / (FP + TN)
ppv:positive predictive value
計算公式為:PPV=TP / (TP + FP)
npv:negative predictive value
計算公式:NPV=TN / (FN + TN)
其中tpr即為敏感度(sensitivity),tnr即為特異度(specificity)。
診斷試驗或者篩查試驗中,一般透過某方法與金標準的比較,計算相應靈敏度、特異度、陽性預測值以及陰性預測值等指標,從而評價這種方法的診斷或篩查價值
臨床上,我們會經常遇到這樣一種情況,兩種檢查方法都可以用於診斷疾病,但都不是金標準,於是乎就想比較一下哪種方法更好。舉個栗子,200人參加了某項臨床研究,分別進行了CT和超聲兩種檢查,計算CT和超聲相對於金標準的靈敏度和特異度
特異度是實際無病按該診斷標準被正確地判為無病的百分比。
特異度(specificity,SPE),又稱 真陰性率(true negative rate,TNR),即它反映篩檢試驗確定非病人的能力。
特異度=真陰性人數/(真陰性人數+假陽性人數))*100%。正確判斷非病人的率;其中真陽性、假陰性、真陰性和假陽性均為檢測值
特異度(specificity,SPE),又稱為真陰性率(TNR),即實際無病按該診斷標準正確地判為無病的百分比。
即真陰性人數/(真陰性人數+假陽性人數)*100%。
例如,某項胃癌診斷試驗,受試人數100人,實際患癌10人,無病90人,以該診斷方法測試患癌15人,無病85人,真陰性人數90,假陽性人數5人,特異度為:90/(90+5)*100%=94。74%。