Comprenez pourquoi les tests de haute précision peuvent encore produire principalement des faux positifs.
Paramètres de test
Analyse bayésienne
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
Le paradoxe des faux positifs se produit lorsque les résultats des tests faussement positifs sont plus probables que les résultats vrais positifs, généralement lorsque la condition testée est rare.
💡
Pro Tips
Réduisez la prévalence pour voir le paradoxe en action.
!
Fun Facts
"Même avec un test précis à 99 %, si une maladie ne touche qu’une personne sur 1 000, un résultat positif implique seulement environ 9 % de chances d’être atteint de la maladie."
"C’est pourquoi les médecins refont souvent le test ou utilisent un deuxième test plus spécifique."
