絕代蝴蝶 wrote:
郭文貴會不會打成中國間諜？
...(恕刪)
世事難料
goodversion wrote:500萬交保，不得旅行、不得搭乘私人遊艇、不得跟本案其他被告聯繫。
世事難料(恕刪)
屋漏偏逢連夜雨，行船又遇對頭風，倒楣的事一次不會只來一件
Donald Trump’s Fight to Hide His Tax Returns Has Failed
君顏甚厚，汝母知否？
失真的調查：從假陽性個案談起
最近，彰化縣展開了COVID-19的血清流行病學調查，以瞭解縣民感染COVID-19的盛行率。該調查採集受檢個案的血液檢體，進行COVID-19抗體的檢驗，判定每名個案是否陽性，來估計彰化縣民的抗體陽性盛行率。但是，血清流行病學調查的正確性，決定於（1）檢驗方法的敏感度和特異度，（2）檢驗抗體陽性的盛行率，(3)受檢個案的代表性。
檢驗方法的敏感度(sensitivity)是指真正得到感染的人，有多少百分比呈現陽性；特異度(specificity)是指真正沒有得到感染的人，有多少百分比呈現陰性。假陽性率是指真正沒有得到感染的人，有多少百分比呈現陽性，也就是1-specificity。假陰性率是指真正得到感染的人，有多少百分比呈現陰性，也就是1-sensitivity。血清流行病學調查所得到的檢測陽性盛行率，受到真正陽性率的高低，以及敏感度和特異度的高低的影響。一般而言，敏感度越低、特異度越低、盛行率越低，調查估計出來的檢測盛行率也越嚴重失真！
我們舉例檢測五萬人的調查來看，如表1所示，如果敏感度和特異度都是99%，在每萬人盛行率分別是1，10，100的三種狀況下，真正感染人數分別是5，50，500人；真正未感染人數分別是49995，49950，49500人。由於敏感度是99%，所以在三種狀況下，真正感染檢測呈陽性人數分別是5，50，495人。由於特異度是99%，也就是真正未感染的人會有1%呈假陽性，所以在三種狀況下，假陽性人數分別是500，500，495人。因此，利用陽性人數(無法分辨真假)來估計三種狀況下每萬人檢測盛行率，分別是 101，110，198。也就是說，檢測盛行率高估倍數(g欄)竟高達到101倍，11倍，2倍。換句話說，盛行率越低，錯誤高估盛行率的失真現象越嚴重！
另外，如表2所示，如果真正盛行率是千分之１，敏感度是99%，在檢驗特異度分別是90%，99%，99.9%的三種狀況下，檢測真陽性人數都是50人；但是檢測假陽性人數分別是4995，500，50人。因此這三種狀況下的每萬人檢測盛行率，分別1009，110，20換句話說，檢測盛行率高估倍數也高達到101，11倍，2倍。換句話說，特異度越低，錯誤高估盛行率的失真現象越嚴重！
從以上的例子可以看出，盛行率調查研究的特異度越低或真正盛行率越低，檢測盛行率也就越容易被高估，也越會失真！雖然研究者可以利用敏感度和特異度來進行調整，推算出真正盛行率［真正盛行率＝（檢測盛行率＋特異度－１）／（敏感度＋特異度－１）］！但是，除非利用更特異的方法再做確認，否則調查者必須告訴每個陽性個案，他真正感染的機率只有50%，10%或1%！
同樣的，在入境旅客的抗原篩檢策略上，如果盛行率相當低而特異度無法提升到非常高的情況下，進行普篩而非精篩，也需要注意假陽性的問題！
簡單講
檢測誤差度 > 盛行率
代表 你篩檢的量再高都很難反應真實值
因為你 篩檢到錯誤的 可能比 應該被篩到的 還多
邏輯對了，方向就不會錯到哪裡去 ～
內文搜尋
從 APP 打開
X