Перегляд вихідного коду сторінки Чутливість та специфічність

{{short description|Статистичні міри продуктивності правила бінарної класифікації}}
{{technical|date=грудень 2020}}
[[Файл:Sensitivity and specificity uk.svg|thumb|350px|Чутливість та специфічність]]
'''Чутли́вість''' ({{lang-en|sensitivity}}) та '''специфі́чність''' ({{lang-en|specificity}})&nbsp;— це широко вживані в медицині статистичні міри продуктивності {{нп|Правило класифікації|тестів||Classification rule}} [[Бінарна класифікація|бінарної класифікації]]:

* '''Чутливість''' вимірює частку істинно позитивних, що є визначеними правильно (наприклад, частку з тих, хто справді має певний стан (уражені), яку було правильно визначено як таких, що мають цей стан).
* '''Специфічність''' вимірює частку істинно негативних (наприклад, частку тих, хто справді не має певного стану (не уражені), яку було правильно визначено як таких, що не мають цього стану).

Терміни «істинно позитивний», «хибно позитивний», «істинно негативний» та «хибно негативний» позначують наявність або відсутність якогось стану, та правильність цієї класифікації. Наприклад, якщо станом є захворювання, то «істинно позитивний» означає «правильно діагностований як хворий», «хибно позитивний» означає «неправильно діагностований як хворий», «істинно негативний» означає «правильно діагностований як не хворий», а «хибно негативний» означає «неправильно діагностований як не хворий». Таким чином, якщо чутливість тесту складає 98&nbsp;%, а специфічність&nbsp;— 92&nbsp;%, то його рівень хибно негативних становить 2&nbsp;%, а рівень хибно позитивних&nbsp;— 8&nbsp;%.

У діагностичному тестуванні чутливість є мірою того, наскільки добре тест може визначати істинно позитивних. Чутливість також називають [[Повнота (інформаційний пошук)|повнотою]] ({{lang-en|recall}}), коефіцієнтом влучання ({{lang-en|hit rate}}), та істиннопозитивним рівнем ({{lang-en|true positive rate}}). Вона є відсотком або часткою істинно позитивних серед усіх зразків, що мають заданий стан (істинно позитивних та хибно негативних). Чутливість тесту може допомагати показувати, наскільки добре він може класифікувати зразки, що мають цей стан. Високе значення чутливості означає, що тест правильно класифікує зразок без заданого стану як негативний частіше, ніж тест, що має нижчу чутливість.

У діагностичному тестуванні специфічність є мірою того, наскільки добре тест може визначати істинно негативних. Специфічність також називають вибірністю ({{lang-en|selectivity}}) та істиннонегативним рівнем ({{lang-en|true negative rate}}), і вона є відсотком або часткою істинно негативних серед усіх зразків, що не мають певного стану (істинно негативних та хибно позитивних). Наявність в тесту високого значення специфічності означає, що він правильно класифікує зразки із заданим станом частіше за тест із низькою специфічністю.

У «доброму» діагностичному тесті (такім, що намагається точно визначати людей, що мають певний стан) хибно позитивні повинні бути дуже низькими. Тобто, люди, яких визначають як носіїв стану, повинні з великою правдоподібністю справді мати цей стан. Це пов'язане з тим, що люди, яких ідентифікують як носіїв стану (але які, насправді, його не мають) можуть піддаватися: додатковому тестуванню (що може бути дорогим), стигматизації (наприклад, позитивний тест на ВІЛ), тривозі (наприклад, я хворий… я можу померти).

Для будь-якого тестування, як діагностичного, так і [[Скринінг (медицина)|скринінгового]], існує компроміс між чутливістю та специфічністю. Вищі чутливості означатимуть нижчі специфічності, й навпаки.

Терміни «чутливість» ({{lang-en|sensitivity}}) та «специфічність» ({{lang-en|specificity}}) запровадив 1947 року американський біостатистик Джейкоб Єрушалми.<ref>{{cite journal | author = Yerushalmy J | title = Statistical problems in assessing methods of medical diagnosis with special reference to x-ray techniques | journal = Public Health Reports | volume = 62 | issue = 2 | pages = 1432–39 | date = 1947 | pmid = 20340527 | doi = 10.2307/4586294 | jstor = 4586294 }} {{ref-en}}</ref>

{{Терміни матриці невідповідностей}}

== Застосування в скринінгових дослідженнях ==
Кожна особа, якій роблять тест, або має, або не має це захворювання. Результат тесту може бути позитивним (класифікуючи особу як таку, що має захворювання) або негативним (класифікуючи особу як таку, що не має цього захворювання). Результати тесту для кожного суб'єкта можуть відповідати, а можуть і не відповідати справжньому станові суб'єкта. Таким чином є:
* Істинно позитивні: Хворі люди, правильно визначені як хворі
* Хибно позитивні: Здорові люди, неправильно визначені як хворі
* Істинно негативні: Здорові люди, правильно визначені як здорові
* Хибно негативні: Хворі люди, неправильно визначені як здорові
Після отримання чисел істинно позитивних, хибно позитивних, істинно негативних, та хибно негативних, можливо обчислити чутливість та специфічність тесту. Якщо виявляється, що чутливість є високою, тоді будь-яка особа, яку тест класифікує як позитивну, швидше за все, є істинно позитивною. З іншого боку, якщо специфічність є високою, то будь-яка особа, яку цей тест класифікує як негативну, швидше за все, є істинно негативною.

== Матриця невідповідностей ==
Розгляньмо групу з '''П''' позитивними та '''Н''' негативними екземплярами якогось стану. Чотири результати в ''[[Таблиця невідповідностей|таблиці невідповідностей]]'', або ''[[Матриця невідповідностей|матриці невідповідностей]]'' 2×2, а також виведення декількох метрик із застосуванням цих чотирьох результатів, може бути сформульовано наступним чином:

{{Діаграма діагностичного дослідження}}

== Чутливість ==
Розгляньмо приклад медичного тесту для діагностування якогось стану. Чутливість означає здатність тесту правильно виявляти хворих пацієнтів, які справді мають цей стан.<ref name=BMJ>{{cite journal | author = Altman DG, Bland JM | title = Diagnostic tests. 1: Sensitivity and specificity | journal = BMJ | volume = 308 | issue = 6943 | pages = 1552 | date = June 1994 | pmid = 8019315 | pmc = 2540489 | doi = 10.1136/bmj.308.6943.1552 }} {{ref-en}}</ref> В прикладі медичного тесту, який використовують для виявляння якогось стану, чутливість (яку також іноді в клінічній постановці називають рівнем виявляння) тесту є пропорцією людей, які отримують позитивний тест на це захворювання, серед них, хто це захворювання має. Математично це можливо виразити так:

: чутливість = {{ндріб|число істинно позитивних|число істинно позитивних + число хибно негативних}}
:::: = {{ндріб|число істинно позитивних|загальне число хворих осіб у генеральній сукупності}}
:::: = ймовірність позитивного тесту за умови, що пацієнт має захворювання

Негативний результат у тесті з високою чутливістю є корисним для виключення захворювання.<ref name=BMJ /> Тест із високою чутливістю є надійним, коли його результат є негативним, оскільки він рідко ставить помилковий діагноз тим, хто має захворювання. Тест із 100&nbsp;%-ю чутливістю розпізнаватиме всіх пацієнтів із захворюванням, даючи позитивний результат. Негативний результат тесту однозначно ''виключатиме'' наявність захворювання в пацієнта. Проте позитивний результат тесту з високою чутливістю не обов'язково є корисним для встановлення захворювання. Припустімо, що «підробний» тестувальний набір розроблено таким чином, щоби він завжди видавав позитивні покази. При використанні на хворих пацієнтах всі пацієнти отримуватимуть позитивний тест, що даватиме цьому тестові чутливість 100&nbsp;%. Проте чутливість не бере до уваги хибно позитивні. Цей підробний тест також повертає позитивний результат для всіх здорових пацієнтів, що дає йому хибнопозитивний рівень 100&nbsp;%, роблячи його марним для виявляння або «встановлювання» захворювання.

Розрахунок чутливості не враховує невизначені результати тесту. Якщо повторити тест неможливо, то невизначені зразки потрібно або виключити з аналізу (число виключень повинно бути вказано при оголошенні чутливості), або їх можливо розглядати як хибно негативні (що дає значення найгіршого випадку для чутливості, й може відтак недооцінювати її).

== Специфічність ==
Розгляньмо приклад медичного тесту для діагностування якогось захворювання. Специфічність означає здатність цього тесту правильно відхиляти здорових пацієнтів, що не мають цього стану. Специфічність тесту є пропорцією серед тих, хто справді не має цього стану, тих, хто отримав негативний тест на цей стан. Математично це також можливо записати так:

: специфічність = {{ндріб|число істинно негативних|число істинно негативних + число хибно позитивних}}
:::: = {{ндріб|число істинно негативних|загальне число нехворих осіб у генеральній сукупності}}
:::: = імовірність негативного тесту за умови, що пацієнт не є хворим

Позитивний результат у тесті з високою специфічністю є корисним для встановлювання захворювання. Такий тест рідко видає позитивні результати для здорових пацієнтів. Позитивний результат означає високу ймовірність наявності захворювання.<ref name="cebm">{{cite web|title=SpPins and SnNouts|url=http://www.cebm.net/sppin-and-snnout/|publisher=Centre for Evidence Based Medicine (CEBM)|access-date=26 грудня 2013|archive-date=20 липня 2014|archive-url=https://web.archive.org/web/20140720004350/http://www.cebm.net/sppin-and-snnout/}} {{ref-en}}</ref> Тест зі 100&nbsp;%-ю специфічністю розпізнаватиме всіх пацієнтів без захворювання як негативних, тож позитивний результат однозначно встановлюватиме наявність захворювання. Проте негативний результат тесту з високою специфічністю не обов'язково є корисним для виключення захворювання. Наприклад, тест, що завжди повертає негативний результат, матиме специфічність 100&nbsp;%, оскільки специфічність не бере до уваги хибно негативні. Такий тест повертатиме негативний результат для пацієнтів із захворюванням, роблячи його марним для встановлювання захворювання.

Тест із високою специфічністю має нижчий рівень [[Помилка першого роду|помилок першого роду]].

== Графічна ілюстрація ==

<gallery widths="430px" heights="315px">
Файл:HighSensitivity LowSpecificity 1401x1050 uk.png|Висока чутливість та низька специфічність
Файл:LowSensitivity HighSpecificity 1400x1050 uk.png|Низька чутливість та висока специфічність
Файл:Specificity vs Sensitivity Graph uk.png|thumb|Графікова ілюстрація чутливості та специфічності
</gallery>

Наведена вище ілюстрація-графік має на меті показати взаємозв'язок між чутливістю та специфічністю. Чорна пунктирна лінія в центрі графіка&nbsp;— це де чутливість та специфічність є однаковими. При русі ліворуч від чорної пунктирної лінії чутливість збільшується, досягаючи максимального значення в 100&nbsp;% на лінії А, а специфічність зменшується. Чутливість на лінії А становить 100&nbsp;% через те, що в цій точці є нуль хибно негативних, що означає, що всі позитивні результати тесту є істинно позитивними. При русі праворуч має місце протилежне, специфічність зростає, поки не досягне лінії Б, й складе 100&nbsp;%, а чутливість зменшується. Специфічність на лінії Б становить 100&nbsp;% через те, що число хибно позитивних на цій лінії є нульовим, що означає, що всі негативні результати тесту є істинно негативними.

Стосовно рисунку, що показує високу чутливість та низьку специфічність, з визначення чутливості, число хибно негативних окремо впливає лише на знаменник, і з лише кількома такими знаменник та чисельник є близькими одне до одного, й відтак видають високу чутливість. Аналогічно, подібні міркування може бути застосовано й до того, який показує низьку чутливість та високу специфічність.

== Медичні приклади ==
У [[Медична діагностика|медичній діагностиці]] чутливість тесту є здатністю цього тесту правильно визначати тих, хто має захворювання (істиннопозитивний рівень), тоді як специфічність тесту є здатністю цього тесту правильно визначати тих, хто цього захворювання не має (істиннонегативний рівень). Якщо при тестуванні 100 пацієнтів, про яких відомо, що вони мають певне захворювання, позитивний тест отримують 43 з них, то цей тест має чутливість 43&nbsp;%. Якщо тестують 100 без захворювання, й для 96 отримують повністю негативний результат, то цей тест має специфічність 96&nbsp;%. Чутливість та специфічність є характеристиками тесту, що не залежать від поширеності, оскільки їхні значення є властивостями самого тесту, й не залежать від [[Поширеність захворювання|поширеності захворювання]] в досліджуваній сукупності.<ref>{{cite web|last=Mangrulkar|first=Rajesh|name-list-style=vanc|title=Diagnostic Reasoning I and II|url=http://open.umich.edu/education/med/m1/patientspop-decisionmaking/2010/materials|access-date=24 січня 2012|archive-date=1 серпня 2011|archive-url=https://web.archive.org/web/20110801200357/https://open.umich.edu/education/med/m1/patientspop-decisionmaking/2010/materials}} {{Webarchive|url=https://web.archive.org/web/20110801200357/https://open.umich.edu/education/med/m1/patientspop-decisionmaking/2010/materials |date=2011-08-01 }} {{ref-en}}</ref>Значеннями, на які впливає поширеність захворювання в тестованій сукупності, є [[Прогностична значущість позитивного результату|прогностичні значущості позитивного]] та [[Прогностична значущість негативного результату|негативного результатів]], а не чутливість та специфічність. Ці поняття проілюстровано графічно в аплеті [https://kennis-research.shinyapps.io/Bayes-App/ Баєсова клінічна діагностична модель] {{Webarchive|url=https://web.archive.org/web/20210122050655/https://kennis-research.shinyapps.io/Bayes-App/ |date=22 січня 2021 }} {{ref-en}}, який показує прогностичні значущості позитивних та негативних результатів як функцію від поширеності, чутливості та специфічності.

=== Поріг поширеності ===
Взаємозв'язок між прогностичною значущістю позитивних результатів скринінгового тесту та поширеністю його цілі є пропорційним, хоч і не лінійним в усіх випадках, крім одного особливого. Як наслідок, існує точка локального екстремуму та максимуму кривини, визначена лише як функція від чутливості та специфічності, за якою темп зміни прогностичної значущості позитивних результатів тесту падає диференціально відносно поширеності захворювання. Цю точку із застосуванням [[Диференціальні рівняння|диференціальних рівнянь]] було вперше визначено Балайлою та ін.,<ref>{{cite arxiv|last=Balayla|first=Jacques|title=Prevalence Threshold and the Geometry of Screening Curves.|arxiv=2006.00398|year=2020}} {{ref-en}}</ref> та названо '''поро́гом поши́реності''' (<math>\phi_e</math>, {{lang-en|prevalence threshold}}). Рівняння порогу поширеності задається наступною формулою, де ''a'' = чутливість, а ''b'' = специфічність:

: <math>\phi_e</math> = {{ндріб|{{radical|''a'' (-''b'' + 1)}} + ''b'' - 1|(''a'' + ''b'' - 1)}} = {{ндріб|{{radical|ІПР (-ІНР + 1)}} + ІНР - 1|(ІПР + ІНР - 1)}}

Місце положення цієї точки на кривій скринінгу має критичні наслідки для клініцистів та інтерпретування позитивних скринінових тестів у режимі реального часу.{{які|дата=грудень 2020}}

=== Неправильні розуміння ===
Часто заявляють, що тест із високою специфічністю є дієвим для встановлення захворювання, коли він є позитивним, тоді як тест із високою чутливістю вважають дієвим для виключення захворювання, коли він є негативним.<ref>{{cite web|url=http://omerad.msu.edu/ebm/Diagnosis/Diagnosis4.html|title=Evidence-Based Diagnosis|publisher=Michigan State University|access-date=2013-08-23|archive-url=https://web.archive.org/web/20130706035232/http://omerad.msu.edu/ebm/Diagnosis/Diagnosis4.html|archive-date=2013-07-06|url-status=dead}} {{Webarchive|url=https://web.archive.org/web/20130706035232/http://omerad.msu.edu/ebm/Diagnosis/Diagnosis4.html |date=2013-07-06 }} {{ref-en}}</ref><ref>{{cite web|url=http://www.med.emory.edu/EMAC/curriculum/diagnosis/sensand.htm|title=Sensitivity and Specificity|publisher=Emory University Medical School Evidence Based Medicine course|accessdate=13 грудня 2020|archive-date=17 грудня 2018|archive-url=https://web.archive.org/web/20181217011516/http://med.emory.edu/EMAC/curriculum/diagnosis/sensand.htm}} {{ref-en}}</ref> Наслідком цього є широко вживані мнемоніки {{lang-en|SPPIN}} та {{lang-en|SNNOUT}}, відповідно до яких тест із високою специфічністю ({{lang-en|highly '''sp'''ecific}}), коли він є позитивним ({{lang-en|'''p'''ositive}}), встановлює ({{lang-en|rules '''in'''}}) захворювання ({{lang-en|SP-P-IN}}), а тест із високою чутливістю ({{lang-en|highly '''s'''e'''n'''sitive}}), коли він є негативним ({{lang-en|'''n'''egative}}), виключає ({{lang-en|rules '''out'''}}) захворювання ({{lang-en|SN-N-OUT}}). Проте, обидва ці [[евристичні формули]] вводять в оману, оскільки діагностична сила будь-якого тесту визначається ''як'' його чутливістю, ''так і'' його специфічністю.<ref name="pmid8028462">{{cite journal | author = Baron JA | s2cid = 44505648 | title = Too bad it isn't true | journal = Medical Decision Making | volume = 14 | issue = 2 | pages = 107 | date = Apr–Jun 1994 | pmid = 8028462 | doi = 10.1177/0272989X9401400202 }} {{ref-en}}</ref><ref name="pmid8028470">{{cite journal | author = Boyko EJ | s2cid = 31400167 | title = Ruling out or ruling in disease with the most sensitive or specific diagnostic test: short cut or wrong turn? | journal = Medical Decision Making | volume = 14 | issue = 2 | pages = 175–9 | date = Apr–Jun 1994 | pmid = 8028470 | doi = 10.1177/0272989X9401400210 }} {{ref-en}}</ref><ref name="pmid15271832">{{cite journal | author = Pewsner D, Battaglia M, Minder C, Marx A, Bucher HC, Egger M | title = Ruling a diagnosis in or out with "SpPIn" and "SnNOut": a note of caution | journal = BMJ | volume = 329 | issue = 7459 | pages = 209–13 | date = July 2004 | pmid = 15271832 | pmc = 487735 | doi = 10.1136/bmj.329.7459.209 }} {{ref-en}}</ref>

Компроміс між чутливістю та специфічністю досліджує [[Робоча характеристика приймача|аналіз РХП]] як компроміс між ІПР та ХПР (тобто повнотою та [[Хибнопозитивний рівень|побічним продуктом]]).<ref name=Fawcett2006>{{cite journal|last=Fawcett|first=Tom|title=An Introduction to ROC Analysis|journal=Pattern Recognition Letters|date=2006|volume=27|issue=8|pages=861–874|doi=10.1016/j.patrec.2005.10.010}} {{ref-en}}</ref> Надавання їм однакової ваги оптимізує {{нп|поінформованість|||Informedness}} = специфічність + чутливість &minus; 1 = ІПР &minus; ХПР, величина якої дає ймовірність поінформованого рішення між двома класами (>&nbsp;0 представляє належне використання інформації, 0 представляє ефективність на рівні вгадування, <&nbsp;0 представляє помилкове використання інформації).<ref name="Powers2011">{{cite journal |first=David M W |last=Powers |date=2011 |title=Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation |journal=Journal of Machine Learning Technologies |volume=2 |issue=1 |pages=37–63 |hdl=2328/27165 }} {{ref-en}}</ref>

=== Індекс чутливості ===
{{нп|Індекс чутливості|||Sensitivity index}}, або ''d''',&nbsp;— це [[Статистика (математика)|статистика]], яку використовують в [[Теорія виявляння|теорії виявляння]] сигналу. Вона забезпечує розділення між середніми значеннями розподілів сигналу та шуму, в порівнянні зі стандартним відхиленням розподілу шуму. Для [[Нормальний розподіл|нормально розподілених]] сигналу та шуму з середніми значеннями та стандартними відхиленнями <math>\mu_S</math> та <math>\sigma_S</math>, та <math>\mu_N</math> та <math>\sigma_N</math> відповідно, ''d' '' визначають як

: <math>d' = \frac{\mu_S - \mu_N}{\sqrt{\frac{1}{2}(\sigma_S^2 + \sigma_N^2)}}</math><ref name="pmid20089911">{{cite journal | author = Gale SD, Perkel DJ | title = A basal ganglia pathway drives selective auditory responses in songbird dopaminergic neurons via disinhibition | journal = The Journal of Neuroscience | volume = 30 | issue = 3 | pages = 1027–37 | date = January 2010 | pmid = 20089911 | pmc = 2824341 | doi = 10.1523/JNEUROSCI.3585-09.2010 }} {{ref-en}}</ref>

Оцінку ''d' '' також можливо знаходити з вимірювань {{нп|Коефіцієнт влучання|коефіцієнту влучання||Hit rate}} та рівня {{нп|Хибна тривога|хибної тривоги||False alarm}}. Її обчислюють як

:: ''d''' = ''Z''(коефіцієнт влучання)&nbsp;— ''Z''(рівень хибної тривоги),<ref name="MacmillanCreelman2004">{{cite book|last1=Macmillan|first1=Neil A.|last2=Creelman|first2=C. Douglas|name-list-style=vanc|title=Detection Theory: A User's Guide|url=https://books.google.com/books?id=hDX65v9bReYC|page=7|date=15 вересня 2004|publisher=Psychology Press|isbn=978-1-4106-1114-7|accessdate=13 грудня 2020|archive-date=19 серпня 2020|archive-url=https://web.archive.org/web/20200819114244/https://books.google.com/books?id=hDX65v9bReYC}} {{ref-en}}</ref>

де функція ''Z''(''p''), ''p'' &isin; [0,1], є оберненою до [[Нормальний розподіл#Кумулятивна функція розподілу ймовірностей|функції гауссового розподілу]].

''d' '' є [[Безрозмірнісна величина|безрозмірною]] статистикою. Вища ''d' '' вказує, що сигнал може бути легше виявити.

== Робочий приклад ==
{{ЧутлСпецПЗППЗН}}

== Оцінювання похибок заявлюваних чутливості чи специфічності ==
Значення чутливості та специфічності самі по собі можуть бути дуже оманливими. Щоби запобігти залежності від експериментів з невеликою кількістю результатів, мусить бути обчислювано чутливість чи специфічність «найгіршого випадку». Наприклад, певний тест може легко показати 100&nbsp;%-ву чутливість за перевірки відносно {{нп|Золотий стандарт (тест)|золотого стандарту||Gold standard (test)}} чотири рази, але єдина додаткова перевірка відносно золотого стандарту, що дала поганий результат, означатиме чутливість лише в 80&nbsp;%. Поширеним способом робити це є вказувати {{нп|довірчий інтервал біноміальної пропорції|||Binomial proportion confidence interval}}, часто обчислюваний за допомогою оцінкового інтервалу Вілсона.

Для чутливості та специфічності може бути обчислювано [[Довірчий інтервал|довірчі інтервали]], що дають діапазон значень, в межах якого правильне значення перебуває із заданим рівнем довір'я (наприклад, 95&nbsp;%).<ref>{{cite web|url=http://www.medcalc.org/calc/diagnostic_test.php|title=Diagnostic test online calculator calculates sensitivity, specificity, likelihood ratios and predictive values from a 2x2 table – calculator of confidence intervals for predictive parameters|work=medcalc.org|accessdate=13 грудня 2020|archive-date=23 листопада 2020|archive-url=https://web.archive.org/web/20201123220538/https://www.medcalc.org/calc/diagnostic_test.php}} {{ref-en}}</ref>

== Термінологія в інформаційнім пошуку ==
В [[Інформаційний пошук|інформаційнім пошуку]] прогностичну значущість позитивного результату називають '''[[Влучність та повнота#Визначення (в контексті класифікації)|влучністю]]''', а чутливість називають '''[[Влучність та повнота#Визначення (в контексті класифікації)|повнотою]]'''. На відміну від компромісу між специфічністю та чутливістю, обидві ці міри не залежать від числа істинно негативних, що є, як правило, не відомим, і набагато більшим за фактичні кількості релевантних та знайдених документів. Це припущення про великі кількості істинно негативних відносно позитивних в інших застосуваннях зустрічається рідко.<ref name="Powers2011" />

Як єдину міру ефективності тесту для позитивного класу можливо використовувати [[F-міра|''F''-міру]]. ''F''-міра є [[Середнє гармонійне|середнім гармонійним]] влучності та повноти:

: ''F'' = 2 &times; {{ндріб|влучність &times; повнота|влучність + повнота}}

У традиційній мові [[Перевірка статистичних гіпотез|перевірки статистичних гіпотез]] чутливість тесту називають його [[Статистична потужність|статистичною потужністю]], хоча слово «потужність» у тім контексті має загальніше застосування, яке не є застосовним у контексті поточнім. Чутливий тест матиме менше [[Помилка другого роду|помилок другого роду]].

== Див. також ==
{{Portal|Наука|Біологія|Медицина}}
{{Columns-list|colwidth=30em|
* {{нп|Оцінка Браєра|||Brier score}}
* {{нп|Крива профілю акумульованої точності|Крива ПАТ||Cumulative accuracy profile}}<ref>{{cite journal|last=Миронов|first=Ю.Б.|title=Сильні та слабкі сторони різних показників надійності банківських рейтингів|year=2014|journal=Науковий вісник Херсонського державного університету|series=Економічні науки|issue=6|url=http://www.ej.kherson.ua/journal/economic_06/260.pdf|access-date=12 грудня 2020|archive-date=20 січня 2022|archive-url=https://web.archive.org/web/20220120200451/http://www.ej.kherson.ua/journal/economic_06/260.pdf}}</ref>
* {{li|Парадокс хибно позитивних||Q5432726}}
* [[Дискримінація]]
* [[Влучність та повнота]]
* [[Статистична значущість]]
* {{нп|Коефіцієнт невизначеності|||Uncertainty coefficient}}, також званий вправністю
* {{нп|Статистика Юдена J|Статистика Юдена ''J''||Youden's J statistic}}
}}

== Виноски ==
{{notelist}}

== Примітки ==
{{Примітки|32em}}

== Література ==
{{Refbegin}}
* {{cite journal | author = Altman DG, Bland JM | title = Diagnostic tests. 1: Sensitivity and specificity | journal = BMJ | volume = 308 | issue = 6943 | pages = 1552 | date = June 1994 | pmid = 8019315 | pmc = 2540489 | doi = 10.1136/bmj.308.6943.1552 }} {{ref-en}}
* {{cite journal | author = Loong TW | title = Understanding sensitivity and specificity with the right side of the brain | journal = BMJ | volume = 327 | issue = 7417 | pages = 716–9 | date = September 2003 | pmid = 14512479 | pmc = 200804 | doi = 10.1136/bmj.327.7417.716 }} {{ref-en}}
{{Refend}}

== Посилання ==
* [http://araw.mede.uic.edu/cgi-bin/testcalc.pl Калькулятор Іллінойського університету в Чикаго] {{Webarchive|url=https://web.archive.org/web/20151212162247/http://araw.mede.uic.edu/cgi-bin/testcalc.pl |date=12 грудня 2015 }} {{ref-en}}
* [http://vassarstats.net/clin1.html Калькулятор чутливості/специфічності Коледжу Вассара] {{Webarchive|url=https://web.archive.org/web/20201230072711/http://vassarstats.net/clin1.html |date=30 грудня 2020 }} {{ref-en}}
* [https://www.medcalc.org/calc/diagnostic_test.php Безкоштовний онлайн-калькулятор ''MedCalc''] {{Webarchive|url=https://web.archive.org/web/20201123220538/https://www.medcalc.org/calc/diagnostic_test.php |date=23 листопада 2020 }} {{ref-en}}
* [https://kennis-research.shinyapps.io/Bayes-App/ Аплет баєсової клінічної діагностичної моделі] {{Webarchive|url=https://web.archive.org/web/20210122050655/https://kennis-research.shinyapps.io/Bayes-App/ |date=22 січня 2021 }} {{ref-en}}
{{Бібліоінформація}}
[[Категорія:Точність та прецизійність]]
[[Категорія:Біоінформатика]]
[[Категорія:Біологічна статистика]]
[[Категорія:Хемоінформатика]]
[[Категорія:Медична статистика]]
[[Категорія:Статистичні співвідношення]]
[[Категорія:Статистична класифікація]]