Herkkyys ja spesifisyys
Herkkyys ja spesifisyys ovat diagnostisten testien tarkkuuden perusmittareita. Herkkyys on todennäköisyys, että testi tunnistaa oikein sairaan henkilön (todellinen positiivinen osuus: TP / (TP + FN)). Spesifisyys on todennäköisyys, että testi tunnistaa oikein henkilön ilman sairautta (todellinen negatiivinen osuus: TN / (TN + FP)). Jokainen testi sisältää kompromissin: herkkyyden lisääminen (kaikkien sairaiden henkilöiden löytäminen) vähentää usein spesifisyyttä (enemmän vääriä hälytyksiä). Testikynnyksen valinta riippuu kliinisestä kontekstista: vakavien sairauksien seulonta suosii herkkyyttä; diagnoosin varmistaminen suosii spesifisyyttä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Altman, D. G., & Bland, J. M. (1994). Diagnostic tests 1: Sensitivity and specificity. BMJ, 308(6943), 1552. link ↗
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Metz, C. E. (1978). Basic principles of ROC analysis. Seminars in Nuclear Medicine, 8(4), 283–298. DOI: 10.1016/S0001-2998(78)80014-2 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Sensitivity and Specificity in Diagnostic Testing and Binary Classification. ScholarGate. https://scholargate.app/fi/research-statistics/sensitivity-specificity
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- EfektikokoTutkimuksen tilastomenetelmät↔ compare
- Nollahypoteesin testausTutkimuksen tilastomenetelmät↔ compare
- P-arvo ja tilastollinen merkitsevyysTutkimuksen tilastomenetelmät↔ compare
- Tyypin I ja tyypin II virheetTutkimuksen tilastomenetelmät↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →