什么是前测概率和后测概率？

在医学领域，诊断测试用于确定个体是否患有某种特定疾病。

每当进行诊断测试时，总会有两个有趣的概率：

1. 检测前概率：在进行诊断检测之前，个体患有该疾病的概率。

• 这是根据目标人群中已知患有该疾病的个体的比例来计算的。
• 这可以使用以前研究中收集的数据来计算，也可以由该领域的专业人士粗略估计。

2. 检测后概率：诊断检测呈阳性后个体患病的概率。

• 这是使用预测试概率以及所使用的诊断测试的已知灵敏度和特异性来计算的。
• 灵敏度是“真阳性率”——模型能够检测到的阳性病例的百分比。
• 特异性是“真阴性率”——模型能够检测到的阴性病例的百分比。
• 敏感性和特异性可以使用以前研究的数据来计算。

下面的例子展示了在实践中如何计算前测和后测概率。

示例：计算前测和后测概率

假设已知某个人群中大约每 100 个人中有 7 人患有 X 病。

如果我们从这个人群中随机选择一个人并进行诊断测试以确定他们是否患有 X 疾病，那么他们患有疾病的预测试概率将为0.7或 7%。

现在假设我们还知道诊断测试的敏感性为 0.74，特异性为 0.92。

以下公式可用于计算后测试概率：

• 阳性似然比 = 敏感性 / (1−特异性) = 0.92 / (1−0.92) = 11.5
• 负似然比 = (1−敏感性) / 特异性 = (1−0.74) / 0.92 = 0.2826
• 预测赔率=预测概率。 / (1−预测试概率) = 0.07 / (1−0.07) = 0.0752
• 测试后阳性概率 = 0.0752 * 11.5 = 0.8648
• 测试后呈阳性概率 = 0.8648 / (0.8648+1) = 0.4637

以下是如何解释这些结果：

预测概率为7% 。

• 这意味着即使在进行诊断测试之前，随机选择的个体患有 X 疾病的概率为 7%。

后测概率为46.37% 。

• 对于诊断测试呈阳性的人来说，他们实际上患有 X 病的概率为 46.37%。

您可能认为阳性诊断测试结果应该表明一个人肯定患有这种疾病，但请记住两件事：

1. 从人群中随机选出的个体患上这种疾病的概率（7%）本来就非常低。

2. 我们知道，诊断测试在检测真阳性病例和真阴性病例方面并不完美。

考虑到这两个事实，就更容易理解阳性诊断测试结果并不一定意味着该人实际上患有 X 病。

其他资源

以下教程提供有关概率主题的附加信息：

什么是概率分布表？
什么是全概率定律？
如何找到“至少一次”成功的概率