Gevoeligheid en specificiteit
Gevoeligheid en specificiteit zijn fundamentele metrieken voor de nauwkeurigheid van diagnostische tests. Gevoeligheid is de kans dat een test een persoon met de ziekte correct identificeert (positief voorspellende waarde: TP / (TP + FN)). Specificiteit is de kans dat een test een persoon zonder de ziekte correct identificeert (negatief voorspellende waarde: TN / (TN + FP)). Elke test kent een afweging: het verhogen van de gevoeligheid (alle zieke personen opsporen) vermindert vaak de specificiteit (meer vals alarm). De keuze van de testdrempel hangt af van de klinische context: screening op ernstige ziekten bevoordeelt gevoeligheid; het bevestigen van een diagnose bevoordeelt specificiteit.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Sensitivity and Specificity in Diagnostic Testing and Binary Classification. ScholarGate. https://scholargate.app/nl/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.
- EffectgrootteOnderzoeksstatistiek↔ compare
- Hypothesetoetsing met de nulhypotheseOnderzoeksstatistiek↔ compare
- P-waarde en statistische significantieOnderzoeksstatistiek↔ compare
- Type I- en Type II-foutenOnderzoeksstatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →