[文極長，小編已放棄排版，慎入]
雖然遲到了一點，但文已維修完畢，請大家安心服用
總之為了臨床上方便
Sensitivity你可以把它約略看成NPV，specificity可以看成PPV
如果圖中這個邏輯還是無法說服你的話
那就繼續往下看吧，追根究底的好孩子們
-----------------------------------------
首先在看此圖前，請先好好複習生統裡面的幾個名詞：
傳送門👉https://ppt.cc/fBNMbx
-敏感性（Sensitivity）有病的群體中真正測出來有病的機率 = 1-偽陰性
-特異度（Specificity）沒病的群體中真正測出來沒病的機率 = 1-偽陽性
-陽性檢測率/陽性預測值（Positive predictive value, PPV）測出來陽性中真正有病的機率
-陰性檢測率/陰性預測值（Negative predictive value, NPV）測出來陰性中真正測出來的機率
依照以上的定義，能否納入或排除一個疾病應該是看PPV和NPV
Sensitivity跟Specificity用定義去想是不可能排除或納入一個疾病的，但為什麼大家都喜歡這麼說？
-----------------------------------------
因為臨床應用上只會講Sensitivity和Specificity，PPV和NPV是一種「馬後砲」一樣的數值， 玩統計的人會叫他「事後機率」，是一種需要提供事前機率（以疾病來講就是盛行率）才能估算的得病率，而如果同一個檢驗多測幾次為陽性，事前機率也會改變（概念有點像是我連續擲出三個聖茭和三百萬個聖茭，估算神明真正存在的機率會不一樣的差別），此人的PPV也會改變，這也就是為什麼平平測出來是陽性，有相關症狀或有risk factor的人會需要特別小心，因為他的PPV可能跟別人長得不太一樣
((我猜還有一個原因是因為，一個檢驗法推出時，如果只公布該檢驗的PPV和NPV，會被質疑說你找來那群所謂「測出陽性的人」到底取樣有沒有問題
了解事後機率👉https://ppt.cc/fVquQx
-----------------------------------------
而PPV又可以以Sensitivity、Specificity和盛行率推算而出（詳細公式請見連結）
有些認真的湯粉會說欸啊照你這個算式算出來，sensitivity越大、Specificity越小的檢驗的PPV是越大啊
恩是沒錯，可是sensitivity越小、Specificity越大的檢驗，PPV也是越大
而且「sensitivity大、Specificity小的PPV」會比「sensitivity小、Specificity大的PPV」還要小，也就是說sensitivity大的PPV反而會小，這也應證了我這張圖的說法是正確的
更何況影響PPV和NPV最大的其實還是盛行率
((在所有條件都一樣的情況下，要你國民病和罕病猜一個鐵定是猜罕病比較容易猜錯啊
-----------------------------------------
拉哩拉雜講了這麼多
其實就是怕小編被critisize的時候會陷入似是而非的邏輯裡面
就算你不相信小編也要相信數學，數學是凌駕於EBM之上神聖不可侵犯的(?)
再不相信數學也要相信台大電子報(?)
http://epaper.ntuh.gov.tw/health/201606/health_5.html
最後大家不要忘了
影響PPV和NPV的最大因素還是盛行率
即使是sensitivity 98%、specificity 98.4%的檢查陽性，在盛行率十萬分之八的罕病來說，PPV也只有0.488％
這就是為什麼臨床上明明症狀跟lab data不合還是要相信症狀
盡信數字不如無數字
risk factor 定義 在 「認識疾病的「危險因子」 - YouTube 的推薦與評價
以應用流行病學為主題，課程內容包含:認識疾病的「危險因子」、疾病危險因子的衛教介入、應用流行病學的人時地、統計圖表如何解讀流行病學的資訊、 ... ... <看更多>