TN, de sanna negativa, är de utan tillståndet som testet friar; FP, de falska positiva, är de utan det som testet felaktigt flaggar. Nämnaren är alla som inte har tillståndet, och specificiteten är andelen av dem testet får rätt.
Räkneexempel
Av 80 personer utan ett tillstånd friar ett test 76 och flaggar 4: Sp = 76 / (76 + 4) = 0,95, eller 95 %. De övriga 5 % är falsklarm. Vänt på det har ett test med specificiteten 0,90 som gav 4 falsklarm friat 0,90 · 4 / 0,10 = 36 personer.
Tabellen den kommer ur
|
Tillstånd finns |
Tillstånd saknas |
| Test positivt |
TP |
FP |
| Test negativt |
FN |
TN |
Specificiteten läses nedåt i andra kolumnen; sensitiviteten läses nedåt i den första. Tillsammans beskriver de själva testet, oberoende av hur många av de testade som har tillståndet, och det är det som skiljer dem från de prediktiva värdena.
Bytet
Ett test med ett ställbart gränsvärde kan göras mer sensitivt genom att flagga fler, och varje extra flagga är ett sant fall eller ett falsklarm. Att höja sensitiviteten sänker specificiteten och tvärtom; rätt balans beror på vad en miss kostar mot vad ett falsklarm kostar. 1 − Sp är andelen falska positiva, och den positiva sannolikhetskvoten, Se / (1 − Sp), lägger de två i ett tal.
Vanliga misstag
- Att dela med de negativa. TN / (TN + FN) är det negativa prediktiva värdet, en annan fråga.
- Att läsa en hög specificitet som ett bra test. Ett test som inte flaggar någon har specificiteten 1 och hittar ingenting.
- Att blanda ihop de två kolumnerna. Specificiteten handlar om de friska; sensitiviteten om de sjuka.
Vanliga frågor
Vad är en bra specificitet?
Hög nog att falsklarm är sällsynta för ändamålet: ett bekräftande test ställs in för specificitet,
efter att ett sensitivt screeningtest gjort letandet.
Vad är false positive rate?
1 − Sp: andelen friska som testet flaggar. Specificiteten kallas också true negative rate.
Var får jag intervallet?
Kalkylatorn för sensitivitet och specificitet ger ett 95-procentigt Wilson-intervall ur antalen.