Falešně pozitivní je výsledek rozhodování v obousměrné výběru (pozitivní i negativní), které byly prohlášeny za pozitivní, pokud to je vlastně negativní. Výsledek může pocházet z testu hypotézy , algoritmu automatické klasifikace nebo jednoduše z libovolné volby.
hledaná příčina (virus, poplach atd.) | pozitivní test | negativní test |
---|---|---|
absence | falešně pozitivní | pravda negativní |
přítomnost | skutečně pozitivní | falešně negativní |
V praxi je v případech, kdy je výsledek použit k varování (poplach, detekce viru atd.), Falešný poplach falešný poplach .
V oblastech, kde je očekávaný výsledek pozitivní, je však třeba rozlišovat mezi falešně pozitivním a falešným poplachem . Falešný poplach je falešně negativní případ .
Když to, co hledáte, je vzácné a použitý test není zcela konkrétní , je mnohem pravděpodobnější, že pozitivní případ je ve skutečnosti falešně pozitivní .
Koncept falešně pozitivního se používá v mnoha oblastech:
Například screening na trizomii 21, jak se běžně praktikuje ve Francii, vede k míře detekce 90% (tj. Míře falešně negativních 10%), míře falešně negativních pozitivních 5%.
Výsledek testu má určité rozdělení pro „normální“ populaci a další pro „abnormální“ populaci. Test je o to více diskriminační, že tyto výsledky jsou jasně odlišné, ale obecně se obě distribuce na okraji překrývají. V oblastech, kde se výsledky mohou překrývat, by měla být stanovena prahová hodnota, při které se bude rozhodovat, zda je test „pozitivní“ nebo „negativní“.
Čím lepší je test, tím vyšší je míra detekce (tj. Nízká míra falešně negativních výsledků) a nízká míra falešně pozitivních výsledků. Míra falešně pozitivních výsledků a míra detekce závisí na zvolené prahové hodnotě a mění se ve stejném směru, což znamená, že je nemožné současně zvýšit míru detekce a snížit míru falešně pozitivních výsledků: vše, co člověk může udělat, je najít přijatelný kompromis mezi citlivostí a specificitou .
Volba prahové hodnoty závisí na tom, co chcete s testem dělat, a na kompromisu mezi rizikem falešně pozitivního výsledku a rizikem slabé detekce.
V medicíně platí, že čím vzácnější je onemocnění, tím větší je riziko nadměrné diagnózy . Takže pokud náhodně otestujete 1 000 lidí testem, který produkuje 5% falešně pozitivních výsledků, 50 lidem se řekne, že test je pozitivní. Pokud onemocnění postihuje pouze 1 osobu z 1 000 v běžné populaci, můžeme podle Bayesovy věty ukázat, že daná osoba má (přibližně) pouze 2% šanci, že bude skutečně postižena (intuitivně je hlášena 50 lidem, z nichž pouze jedna je ovlivněn).
Test jistě umožňuje identifikovat potenciálně postiženou populaci, na které lze provádět přesnější (a dražší) testy. Bude však generovat úzkost a riziko léčby neexistujícího onemocnění (na základě mylného názoru, že test je „95% jistý“, je pravděpodobnost, že bude skutečně ovlivněn, velmi vysoká, pokud je d. „Čím nižší je onemocnění je vzácné).
Z tohoto důvodu se obvykle nepřihlíží k rutinnímu screeningu vzácných onemocnění; dáváme přednost cílení na rizikové populace.
Teoretická analýza falešných pozitiv a falešných negativů využívá Bayesovu větu .