Zrozum, dlaczego testy o wysokiej dokładności nadal mogą dawać głównie fałszywe alarmy.
Parametry testowe
Analiza bayesowska
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
Paradoks fałszywie dodatni występuje, gdy wyniki fałszywie dodatnie są bardziej prawdopodobne niż wyniki prawdziwie dodatnie, zazwyczaj gdy badany stan jest rzadki.
💡
Pro Tips
Obniż częstość występowania, aby zobaczyć paradoks w działaniu.
!
Fun Facts
"Nawet przy 99% dokładnym teście, jeśli choroba dotyka tylko 1 na 1000 osób, pozytywny wynik oznacza jedynie ~9% szans na zachorowanie."
"Z tego powodu lekarze często powtarzają badanie lub stosują bardziej szczegółowy drugi test."
