分类评价指标
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
诊断界值=5
诊断 金标准 结果 异常 正常 + 33 2 18 56
诊断界值=4
诊断 金标准 结果 异常 正常 + 44 13 7 45
诊断界值=3
FPR 0.0345 TPR 0 0.6471
0.2241 0.8627
0.3296 0.9020
0.4310 0.9412
诊断界值=2
1
诊断 金标准 结果 异常 正常 + 46 19 5 39
诊断准确度较低（ <0.7 ）
ï Ï Õ ¶ × ¼ È ·¶ È Ö Ð µ È £ ¨ 0.7~0.9 £ ©
0.8 1.0 FPR
0.8 1.0 FPR
（> 0.9 ） 诊断准确度较高
特点
ROC曲线反映了灵敏度与特异度间的平衡 (增加灵敏 度将降低特异度；增加特异度将降低灵敏度)。 在ROC曲线空间，如果曲线沿着左边线，然后沿着 上边线越紧密，则试验准确度越高。 在ROC曲线空间，如果曲线沿着机会线（45度对角 线）越紧密，则试验准确度越低。 在诊断界值（cutpoint）处的正切线的斜率就是该试 验值对应的阳性似然比（likelihood ratio，LR)。在 ROC曲线空间的左下角LR+最大，随着曲线从左下往 右上方移动，LR+逐渐减小。 ROC曲线下面积是重要的试验准确度指标。
有序分类数据的
ROC曲线工作点（TPR，FPR）计算
某放射医生对 109 份 CT 影像的分类
诊 断 分 类 将诊断分类数据按 金标准 合计 1 2 3 4 5 大到小排序，以前4个分 3 2 2 11 33 51 异常 33 6 6 11 2 58 类作为诊断界值，大于 正常 等于诊断界值者为阳性， 小于该值者为阴性。这 样，可整理出4个四格表， 该资料不同诊断界值的 FPR 和 TPR 值 每个四格表对应的ROC 诊断界值（诊断分类） 1 5 4 3 2 曲线的工作点见下表。 0 1
（三）样本大小的计算
与筛检试验研究的样本量有关的因素： ①对试验灵敏度的要求，即假阴性率控制在什么 水平； ②对试验特异度的要求，即假阳性率控制在什么 水平； ③显著性检验水平（a值），一般为0.05 ， u0.05=1.96 ； ④容许误差，一般为0.05-0.10。
二、试验评价的指标
（一）真实性 1 灵敏度(sensitivity)(真阳性率) 即实际有病而按该筛检标准被正确地判为有 病的百分率。 灵敏度＝[a/(a＋c)]×100% 2 特异度(Specificity)(真阴性率) 实际无病按该诊断标准被正确地判为无病的 百分率。 特异度＝[ d/(b＋d)]×100%
受试者工作特性曲线(receiver operator characteristic curve, ROC)
是用真阳性率和假阳性率作图得出的曲线，它可 表示灵敏度和特异度之间的关系。
ROC曲线常用来决定最佳临界点，通常最接近左 上角那一点，可定为最佳临界点。
ROC曲线也可用来比较两种和两种以上诊断试 验的诊断价值，从而帮助临床医师作出最佳选择。
一、ROC曲线工作点的计算与曲线绘制
主要任务： 计算ROC曲线工作点 连接相邻两点
连续型数据的
ROC曲线工作点（TPR，FPR）计算
将这9个数据从 大到小排列，以前8 个数，分别作为诊断 界值，大于等于诊断 界值者判为阳性，小 于该值者判为阴性。 这样，可整理成8个 四格表
表：假想的连续型数据
（2）灵敏度和特异度对预测值的影响
在患病率不变的情况下，随着灵敏度的升高，阴 性预测值上升；随着特异度的升高，阳性预测值上 升。
（3）患病率、灵敏度和特异度对预测值的影 响
100 80
© ¨%£ µ £ â Ö ¤² Ô
60 40 20 0 0 20 40 ¼² » ¡Â Ê£ ¨%£ © Í ¼ 15£ 10 Ô ¤² âÖ µÓ ë» ¼² ¡Â Ê¡ ¢Á éà ô¶ Ⱥ ÍÌ ×Ò ì¶ Èµ Ĺ ×Ï µ 60 80 100
ROC曲线是一种全面、准确评价诊断试 验非常有效的方法，并可以比较两种或 多种诊断试验的诊断价值，除了直观方 法比较外，还可以计算ROC曲线下的面积， 来比较几种诊断试验的诊断效率。 ROC曲 线下的面积越大，越接近1.0，其诊断的 真实度越高，越接近0.5，其诊断的真实 度越差。
ROC曲线下面积（Area）与诊断准确度高低 高 0.90-1.00 = excellent (A) 中 0.80-0.90 = good (B) 0.70-0.80 = fair (C) 低 0.60-0.70 = poor (D) 0.50-0.60 = fail (F)
ROC曲线下面积 (Area)
部分ROC曲线下的面积 FPR为某值对应的TPR值
第三节 筛检效果的评价
一、估计筛检阳性或阴性者患病的临床意义
1 阳性预测值(positive predictive value): 是指试验阳性结果中真正患病（真阳性）的比例。 阳性预测值= a/(a＋b) 2 阴性预测值(negative predictive value): 是指试验阴性结果中真正未患病（真阴性）的比例。 阴性预测值=d/(c＋d)
诊断界值=13.5
诊断 金标准 结果 病例 对照 + 2 0 3 4
诊断界值=12.8
金标准 病例 对照 3 0 2 4
诊断界值=11.2
诊断 金标准 结果 病例 对照 + 4 0 1 4
诊断界值=8.5
诊断 金标准 结果 病例 对照 + 4 1 1 3
诊断界值=6.4
诊断 金标准 结果 病例 对照 + 4 2 1 2
诊断 金标准 结果 异常 正常 + 48 25 3 33
1.0 T P R 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0 ¼ 2 Ó Í Ð Ð ò · Ö À à × Ê Á Ï µ Ä Î ´ ¹ â » ¬ ROCÇ ú Ï ß FPR
二、ROC曲线下面积的计算
理想的预测方法，其灵敏度、特异度均应接 近100%。但在实际工作中很难达到，往往表 现为灵敏度高者，则特异度低；反之亦然。 两者高低的转换与确定筛检试验阳性结果的 截断值(cut off point)或临界点的选择密切相关。
糖尿病血糖试验不同血糖水平的灵敏度和特异度分布
餐后2小时血糖 70 （mg/100ml） 80 90 100 110 120 130 140 150 160 170 180 190 200 灵敏度（％） 98.6 97.1 94.3 88.6 85.7 71.4 64.3 57.1 50.0 47.1 42.9 38.6 34.3 27.1 特异度（％） 8.8 25.5 47.6 69.8 84.1 92.5 96.9 99.4 99.6 99.8 100.0 100.0 100.0 100.0
诊断界值=5.0
诊断 结果 + 金标准 病例 对照 5 2 0 2
诊断界值=4.6
诊断 金标准 结果 病例 对照 + 5 3 0 1
表13.4 表13.3资料不同诊断界值的FPR和TPR值
诊 断 界 值 16.5 FPR TPR 0 1/5 13.5 0 2/5 12.8 0 3/5 11.2 0 4/5 8.5 1/4 4/5 6.4 2/4 4/5 5.0 2/4 5/5 4.6 3/4 5/5
预测性能的计算和检验
1. 样本/检验数据：阳性数据(P)，阴性数据(N)
a. 阳性数据(P)：真实的，被实验所证实的数据 b. 阴性数据(N)：被实验所证明为无功能的数据
2. 对于预测结果的评测，定义：
a. 真阳性 (TP): 阳性数据中被预测为阳性的数据 b. 假阳性 (FP): 阴性数据中被预测为阳性的数据 c. 真阴性 (TN): 阴性数据中被预测为阴性的数据
1.0 0.8 0.6 0.4 0.2 0.0
1.0 T 0.8 P R 0.6 0.4 0.2 0.0
0.0 0.2 0.4 0.6 0.8 1.0 FPR
1.0 T 0.8 P R 0.6 0.4 0.2 0.0
A ＝0.664
A ＝ 0.830
0.0 0.2 0.4 0.6
A ＝ 0.938
0.0 0.2 0.4 0.6
即实际有病，但根据该诊断标准被定为非病者的百 分率。 假阴性率＝[c/( a＋c)] ×100%＝l－灵敏度
4 假阳性率(false positive rate)(误诊率、第一类 错误)
即实际无病，但根据该诊断标准被定为有病的百分 率。 假阳性率＝[b/(b＋d)] ×100%＝1－特异度
5 正确指数/约登指数（Youden’s index）
算。
（1）阳性似然比： 诊断试验中，真阳性在‘有病’患者中的比例与 假阳性在‘无病’例数中比例的比值。 表明诊断试验阳性时患病与不患病机会的比值。比 值越大患病的概率越大。 +LR=[a/(a+c)/b/(b+d)]=灵敏度/(1-特异度) （2）阴性似然比 诊断试验中，假阴性在‘有病’例数中之比与真阴 性在‘无病’例数中比例的比值。 -LR=[c/(a+c)/d/(b+d)]=(1-灵敏度)/特异度
分类效果的评价
一、分类效果的评价方法（医学为例）
（一）确定‘金标准’ ‘金标准’：是指当前临床医学界公认 的诊断疾病的最可靠的方法。也称为标准 诊断。 通常包括：活检、手术发现、微生物培 养、尸检、特殊检查和影像诊断，以及长 期随访的结果。
（二）选择研究对象
（1）病例组：是指用金标准确诊‘有病’ 的病例，应包含典型的、不典型病例，早、 中、晚期病例，轻、中、重病例、有和无 并发症的患者。 （2）对照组：是指用金标准证实没有目标 疾病的其他病例，特别是与该病容易混淆 的病例。正常人一般不宜纳入对照组。
是灵敏度和特异度之和减去1。 指数范围介于0~1之间。 表示筛检方法发现真正病人与非病人总的 能力。指数越大，其真实性越高。
正确指数＝ （灵敏度十特异度）－ 1 ＝l－（假阳性率十假阴性率）
6 似然比(likelihood ratio, LR)
是反映真实性的一种指标，是可以同时反映灵敏 度和特异度的复合指标。 即有病者中得出某一筛检试验结果的概率与病 者得出这一概率可能性的比值。 该指标避免了将试验结果简单地划为正常和异 常，全面反映筛检试验的诊断价值，且非常稳定， 比灵敏度、特异度更稳定，更不受患病率的影响。 不足之处是：它是比而不是率，应用时需要换
响，其取值范围均在（0, 1）之间，其值 越接近于1，说明其诊断准确性越好。 缺点：当比较两个诊断试验时，单独使 用灵敏度或特异度，可能出现矛盾。 解决办法：将两指标结合：Youden指数、 阳性似然比、阴性似然比等
3 假阴性率(false negative rate)(漏诊率、第二类 错误)
7 符合率（agreement/consistency rate）
试验判定的结果与标准诊断的结果相比 时，二者相同的百分率叫符合率。
符合率（粗一致率）=[(a+d)/(a+b+c+d)]×100%
调整一致率=1/4[a/(a+b)+a/(a+c)+d/(c+d)+d/(b+d)]×100%
8 评价真实性时阳性界定值的选择
金标准 病例组 对照组 16.5 8.5 13.5 6.4 检测结果 12.8 4.6 11.2 1.7 5.0
表13.3
金标准 病例组 对照组 16.5 8.5
假想的连续性资料
检测结果 13.5 12.8 6.4 4.6 诊断 结果 + 11.2 1.7 5.0
Baidu Nhomakorabea
诊断界值=16.5
诊断 金标准 结果 病例 对照 + 1 0 4 4
d. 假阴性 (FN): 阳性数据中被预测为阴性的数据
常用的检验指标
1. 灵敏度 (Sensitivity, Sn): 对于真实的数据，能够预 测成“真”的比例是多少 - (Type II error) 2. 特异性 (Specificity, Sp): 对于阴性的数据，能够预 测成“假”的比例是多少 - (Type I error) 3. 准确性 (Accuracy, Ac): 对于整个数据集(包括阳性 和阴性数据)，预测总共的准确比例是多少 4. 马修相关系数(Mathew correlation coefficient, MCC): 当阳性数据的数量与阴性数据的数量差别较 大时，能够更为公平的反映预测能力，值域[-1,1]
Test variable
灵敏度,特异度,假阴性率,假阳性率
百分率（％） 100
80 60 40 20 0
50 60 70 80 90 100
特异度 灵敏度
Test variable 不同诊断界值时
灵敏度与特异度间的平衡(trade off)
灵敏度与特异度的优缺点
优点：灵敏度与特异度不受患病率的影
诊断 金标准 结果 异常 正常 + 33 2 18 56
诊断界值=4
诊断 金标准 结果 异常 正常 + 44 13 7 45
诊断界值=3
FPR 0.0345 TPR 0 0.6471
0.2241 0.8627
0.3296 0.9020
0.4310 0.9412
诊断界值=2
1
诊断 金标准 结果 异常 正常 + 46 19 5 39
诊断准确度较低（ <0.7 ）
ï Ï Õ ¶ × ¼ È ·¶ È Ö Ð µ È £ ¨ 0.7~0.9 £ ©
0.8 1.0 FPR
0.8 1.0 FPR
（> 0.9 ） 诊断准确度较高
特点
ROC曲线反映了灵敏度与特异度间的平衡 (增加灵敏 度将降低特异度；增加特异度将降低灵敏度)。 在ROC曲线空间，如果曲线沿着左边线，然后沿着 上边线越紧密，则试验准确度越高。 在ROC曲线空间，如果曲线沿着机会线（45度对角 线）越紧密，则试验准确度越低。 在诊断界值（cutpoint）处的正切线的斜率就是该试 验值对应的阳性似然比（likelihood ratio，LR)。在 ROC曲线空间的左下角LR+最大，随着曲线从左下往 右上方移动，LR+逐渐减小。 ROC曲线下面积是重要的试验准确度指标。
有序分类数据的
ROC曲线工作点（TPR，FPR）计算
某放射医生对 109 份 CT 影像的分类
诊 断 分 类 将诊断分类数据按 金标准 合计 1 2 3 4 5 大到小排序，以前4个分 3 2 2 11 33 51 异常 33 6 6 11 2 58 类作为诊断界值，大于 正常 等于诊断界值者为阳性， 小于该值者为阴性。这 样，可整理出4个四格表， 该资料不同诊断界值的 FPR 和 TPR 值 每个四格表对应的ROC 诊断界值（诊断分类） 1 5 4 3 2 曲线的工作点见下表。 0 1
（三）样本大小的计算
与筛检试验研究的样本量有关的因素： ①对试验灵敏度的要求，即假阴性率控制在什么 水平； ②对试验特异度的要求，即假阳性率控制在什么 水平； ③显著性检验水平（a值），一般为0.05 ， u0.05=1.96 ； ④容许误差，一般为0.05-0.10。
二、试验评价的指标
（一）真实性 1 灵敏度(sensitivity)(真阳性率) 即实际有病而按该筛检标准被正确地判为有 病的百分率。 灵敏度＝[a/(a＋c)]×100% 2 特异度(Specificity)(真阴性率) 实际无病按该诊断标准被正确地判为无病的 百分率。 特异度＝[ d/(b＋d)]×100%
受试者工作特性曲线(receiver operator characteristic curve, ROC)
是用真阳性率和假阳性率作图得出的曲线，它可 表示灵敏度和特异度之间的关系。
ROC曲线常用来决定最佳临界点，通常最接近左 上角那一点，可定为最佳临界点。
ROC曲线也可用来比较两种和两种以上诊断试 验的诊断价值，从而帮助临床医师作出最佳选择。
一、ROC曲线工作点的计算与曲线绘制
主要任务： 计算ROC曲线工作点 连接相邻两点
连续型数据的
ROC曲线工作点（TPR，FPR）计算
将这9个数据从 大到小排列，以前8 个数，分别作为诊断 界值，大于等于诊断 界值者判为阳性，小 于该值者判为阴性。 这样，可整理成8个 四格表
表：假想的连续型数据
（2）灵敏度和特异度对预测值的影响
在患病率不变的情况下，随着灵敏度的升高，阴 性预测值上升；随着特异度的升高，阳性预测值上 升。
（3）患病率、灵敏度和特异度对预测值的影 响
100 80
© ¨%£ µ £ â Ö ¤² Ô
60 40 20 0 0 20 40 ¼² » ¡Â Ê£ ¨%£ © Í ¼ 15£ 10 Ô ¤² âÖ µÓ ë» ¼² ¡Â Ê¡ ¢Á éà ô¶ Ⱥ ÍÌ ×Ò ì¶ Èµ Ĺ ×Ï µ 60 80 100
ROC曲线是一种全面、准确评价诊断试 验非常有效的方法，并可以比较两种或 多种诊断试验的诊断价值，除了直观方 法比较外，还可以计算ROC曲线下的面积， 来比较几种诊断试验的诊断效率。 ROC曲 线下的面积越大，越接近1.0，其诊断的 真实度越高，越接近0.5，其诊断的真实 度越差。
ROC曲线下面积（Area）与诊断准确度高低 高 0.90-1.00 = excellent (A) 中 0.80-0.90 = good (B) 0.70-0.80 = fair (C) 低 0.60-0.70 = poor (D) 0.50-0.60 = fail (F)
ROC曲线下面积 (Area)
部分ROC曲线下的面积 FPR为某值对应的TPR值
第三节 筛检效果的评价
一、估计筛检阳性或阴性者患病的临床意义
1 阳性预测值(positive predictive value): 是指试验阳性结果中真正患病（真阳性）的比例。 阳性预测值= a/(a＋b) 2 阴性预测值(negative predictive value): 是指试验阴性结果中真正未患病（真阴性）的比例。 阴性预测值=d/(c＋d)
诊断界值=13.5
诊断 金标准 结果 病例 对照 + 2 0 3 4
诊断界值=12.8
金标准 病例 对照 3 0 2 4
诊断界值=11.2
诊断 金标准 结果 病例 对照 + 4 0 1 4
诊断界值=8.5
诊断 金标准 结果 病例 对照 + 4 1 1 3
诊断界值=6.4
诊断 金标准 结果 病例 对照 + 4 2 1 2
诊断 金标准 结果 异常 正常 + 48 25 3 33
1.0 T P R 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0 ¼ 2 Ó Í Ð Ð ò · Ö À à × Ê Á Ï µ Ä Î ´ ¹ â » ¬ ROCÇ ú Ï ß FPR
二、ROC曲线下面积的计算
理想的预测方法，其灵敏度、特异度均应接 近100%。但在实际工作中很难达到，往往表 现为灵敏度高者，则特异度低；反之亦然。 两者高低的转换与确定筛检试验阳性结果的 截断值(cut off point)或临界点的选择密切相关。
糖尿病血糖试验不同血糖水平的灵敏度和特异度分布
餐后2小时血糖 70 （mg/100ml） 80 90 100 110 120 130 140 150 160 170 180 190 200 灵敏度（％） 98.6 97.1 94.3 88.6 85.7 71.4 64.3 57.1 50.0 47.1 42.9 38.6 34.3 27.1 特异度（％） 8.8 25.5 47.6 69.8 84.1 92.5 96.9 99.4 99.6 99.8 100.0 100.0 100.0 100.0
诊断界值=5.0
诊断 结果 + 金标准 病例 对照 5 2 0 2
诊断界值=4.6
诊断 金标准 结果 病例 对照 + 5 3 0 1
表13.4 表13.3资料不同诊断界值的FPR和TPR值
诊 断 界 值 16.5 FPR TPR 0 1/5 13.5 0 2/5 12.8 0 3/5 11.2 0 4/5 8.5 1/4 4/5 6.4 2/4 4/5 5.0 2/4 5/5 4.6 3/4 5/5
预测性能的计算和检验
1. 样本/检验数据：阳性数据(P)，阴性数据(N)
a. 阳性数据(P)：真实的，被实验所证实的数据 b. 阴性数据(N)：被实验所证明为无功能的数据
2. 对于预测结果的评测，定义：
a. 真阳性 (TP): 阳性数据中被预测为阳性的数据 b. 假阳性 (FP): 阴性数据中被预测为阳性的数据 c. 真阴性 (TN): 阴性数据中被预测为阴性的数据
1.0 0.8 0.6 0.4 0.2 0.0
1.0 T 0.8 P R 0.6 0.4 0.2 0.0
0.0 0.2 0.4 0.6 0.8 1.0 FPR
1.0 T 0.8 P R 0.6 0.4 0.2 0.0
A ＝0.664
A ＝ 0.830
0.0 0.2 0.4 0.6
A ＝ 0.938
0.0 0.2 0.4 0.6
即实际有病，但根据该诊断标准被定为非病者的百 分率。 假阴性率＝[c/( a＋c)] ×100%＝l－灵敏度
4 假阳性率(false positive rate)(误诊率、第一类 错误)
即实际无病，但根据该诊断标准被定为有病的百分 率。 假阳性率＝[b/(b＋d)] ×100%＝1－特异度
5 正确指数/约登指数（Youden’s index）
算。
（1）阳性似然比： 诊断试验中，真阳性在‘有病’患者中的比例与 假阳性在‘无病’例数中比例的比值。 表明诊断试验阳性时患病与不患病机会的比值。比 值越大患病的概率越大。 +LR=[a/(a+c)/b/(b+d)]=灵敏度/(1-特异度) （2）阴性似然比 诊断试验中，假阴性在‘有病’例数中之比与真阴 性在‘无病’例数中比例的比值。 -LR=[c/(a+c)/d/(b+d)]=(1-灵敏度)/特异度
分类效果的评价
一、分类效果的评价方法（医学为例）
（一）确定‘金标准’ ‘金标准’：是指当前临床医学界公认 的诊断疾病的最可靠的方法。也称为标准 诊断。 通常包括：活检、手术发现、微生物培 养、尸检、特殊检查和影像诊断，以及长 期随访的结果。
（二）选择研究对象
（1）病例组：是指用金标准确诊‘有病’ 的病例，应包含典型的、不典型病例，早、 中、晚期病例，轻、中、重病例、有和无 并发症的患者。 （2）对照组：是指用金标准证实没有目标 疾病的其他病例，特别是与该病容易混淆 的病例。正常人一般不宜纳入对照组。
是灵敏度和特异度之和减去1。 指数范围介于0~1之间。 表示筛检方法发现真正病人与非病人总的 能力。指数越大，其真实性越高。
正确指数＝ （灵敏度十特异度）－ 1 ＝l－（假阳性率十假阴性率）
6 似然比(likelihood ratio, LR)
是反映真实性的一种指标，是可以同时反映灵敏 度和特异度的复合指标。 即有病者中得出某一筛检试验结果的概率与病 者得出这一概率可能性的比值。 该指标避免了将试验结果简单地划为正常和异 常，全面反映筛检试验的诊断价值，且非常稳定， 比灵敏度、特异度更稳定，更不受患病率的影响。 不足之处是：它是比而不是率，应用时需要换
响，其取值范围均在（0, 1）之间，其值 越接近于1，说明其诊断准确性越好。 缺点：当比较两个诊断试验时，单独使 用灵敏度或特异度，可能出现矛盾。 解决办法：将两指标结合：Youden指数、 阳性似然比、阴性似然比等
3 假阴性率(false negative rate)(漏诊率、第二类 错误)
7 符合率（agreement/consistency rate）
试验判定的结果与标准诊断的结果相比 时，二者相同的百分率叫符合率。
符合率（粗一致率）=[(a+d)/(a+b+c+d)]×100%
调整一致率=1/4[a/(a+b)+a/(a+c)+d/(c+d)+d/(b+d)]×100%
8 评价真实性时阳性界定值的选择
金标准 病例组 对照组 16.5 8.5 13.5 6.4 检测结果 12.8 4.6 11.2 1.7 5.0
表13.3
金标准 病例组 对照组 16.5 8.5
假想的连续性资料
检测结果 13.5 12.8 6.4 4.6 诊断 结果 + 11.2 1.7 5.0
Baidu Nhomakorabea
诊断界值=16.5
诊断 金标准 结果 病例 对照 + 1 0 4 4
d. 假阴性 (FN): 阳性数据中被预测为阴性的数据
常用的检验指标
1. 灵敏度 (Sensitivity, Sn): 对于真实的数据，能够预 测成“真”的比例是多少 - (Type II error) 2. 特异性 (Specificity, Sp): 对于阴性的数据，能够预 测成“假”的比例是多少 - (Type I error) 3. 准确性 (Accuracy, Ac): 对于整个数据集(包括阳性 和阴性数据)，预测总共的准确比例是多少 4. 马修相关系数(Mathew correlation coefficient, MCC): 当阳性数据的数量与阴性数据的数量差别较 大时，能够更为公平的反映预测能力，值域[-1,1]
Test variable
灵敏度,特异度,假阴性率,假阳性率
百分率（％） 100
80 60 40 20 0
50 60 70 80 90 100
特异度 灵敏度
Test variable 不同诊断界值时
灵敏度与特异度间的平衡(trade off)
灵敏度与特异度的优缺点
优点：灵敏度与特异度不受患病率的影