- ตัวอย่างใส่ตัวเลขสำหรับการทดสอบวินิจฉัยที่มีความไว 67% และความจำเพาะ 91% เมื่อทดสอบกับบุคคล 2,030 คนเพื่อตรวจหาโรคที่มีความชุกในกลุ่มประชากรที่ 1.48%
|
|
คนไข้ที่มีมะเร็งลำไส้
ดังที่ยืนยันโดย
การส่องกล้อง (endoscopy)
|
| มีโรคจริง
|
ไม่มีโรค
|
ผลการ
ตรวจเลือด
ในอุจจาระ
|
ผล
บวก
|
ผลบวกจริง
(TP) = 20
|
ผลบวกปลอม
(FP) = 180
|
ค่าทำนายเมื่อผล
เป็นบวก (PPV)= TP / (TP + FP)
= 20 / (20 + 180)
= 10%
|
ผล
ลบ
|
ผลลบปลอม
(FN) = 10
|
ผลลบจริง
(TN) = 1820
|
ค่าทำนายเมื่อผล
เป็นลบ (NPV)= TN / (FN + TN)
= 1820 / (10 + 1820)
≈ 99.5%
|
|
|
ความไว = TP / (TP + FN)
= 20 / (20 + 10)
≈ 67%
|
ความจำเพาะ = TN / (FP + TN)
= 1820 / (180 + 1820)
= 91%
|
การคำนวณที่เกี่ยวข้อง
- False positive rate (α) = type I error = 1 − specificity = FP / (FP + TN) = 180 / (180 + 1820) = 9%
- False negative rate (β) = type II error = 1 − sensitivity = FN / (TP + FN) = 10 / (20 + 10) = 33%
- Power = sensitivity = 1 − β
- Likelihood ratio positive = sensitivity / (1 − specificity) = 0.67 / (1 − 0.91) = 7.4
- Likelihood ratio negative = (1 − sensitivity) / specificity = (1 − 0.67) / 0.91 = 0.37
เพราะมีผลบวกปลอมจำนวนมาก และผลลบปลอมจำนวนน้อย ดังนั้น การตรวจคัดกรองที่แสดงผลบวกอย่างเดียวจะไม่สามารถยืนยันว่ามีโรคได้ดี (PPV = 10%) และจึงต้องตรวจสอบเพิ่มขึ้น
แต่ว่า มันก็ยังสามารถระบุคนที่มีโรคจริง ๆ ได้ถึง 66.7% (ซึ่งเป็นค่าความไว)
ถึงอย่างนั้น ถ้าผลเป็นลบ มันดีมากที่จะยืนยันว่าคนไข้ไม่มีโรค (NPV = 99.5%) และการตรวจคัดกรองในเบื้องต้นที่ได้ผลลบจะระบุคน 91% ที่ไม่มีโรคได้อย่างถูกต้อง (ซึ่งเป็นค่าความจำเพาะ)
Note: This template is used as a portion of the articles on sensitivity, specificity, likelihood ratios in diagnostic testing, etc. See those articles for additional citations.