Comprenda por qué las pruebas de alta precisión aún pueden producir en su mayoría falsos positivos.
Parámetros de prueba
Análisis bayesiano
If you test Positive, Probability you are Sick:
9.02%
Positive Predictive Value (PPV)
Population Breakdown (100,000)
Has Disease: 100
True Positive: 99
False Negative: 1
Healthy: 99,900
True Negative: 98,901
False Positive: 999
The Paradox: Even though the test is 99% accurate, out of 1,098 positive results, 999 are false alarms!
Overview
La paradoja del falso positivo ocurre cuando los resultados falsos positivos de la prueba son más probables que los resultados verdaderos positivos, generalmente cuando la condición que se está analizando es poco común.
💡
Pro Tips
Reduzca la prevalencia para ver la paradoja en acción.
!
Fun Facts
"Incluso con una prueba con una precisión del 99%, si una enfermedad afecta sólo a 1 de cada 1.000 personas, un resultado positivo implica sólo una probabilidad de ~9% de padecer la enfermedad."
"Esta es la razón por la que los médicos suelen volver a realizar la prueba o utilizar una segunda prueba más específica."
