Väärä positiivinen on seurausta edustaja tekee päätöksen kaksisuuntainen valinta (positiivinen ja negatiivinen), julisti positiivinen, jos se on itse asiassa negatiivinen. Tulos voi tulla hypoteesitestistä , automaattisesta luokitusalgoritmista tai yksinkertaisesti mielivaltaisesta valinnasta.
haettu syy (virus, hälytys jne.) | positiivinen testi | negatiivinen testi |
---|---|---|
poissaolo | väärä positiivinen | tosi negatiivinen |
läsnäolo | tosi positiivinen | väärä negatiivinen |
Käytännössä tapauksissa, joissa tulosta käytetään varoitukseen (hälytys, viruksen havaitseminen jne.), Väärä positiivinen on väärä hälytys .
Alueilla, joilla odotettu tulos on positiivinen, on kuitenkin erotettava väärä positiivinen ja väärä hälytys . Väärä hälytys on sitten väärä negatiivinen tapaus .
Kun etsimäsi on harvinaista eikä käytetty testi ole täysin tarkka , on yleensä paljon todennäköisempää, että positiivinen tapaus on väärä positiivinen .
Väärän positiivisen käsitettä käytetään monilla aloilla:
Esimerkiksi trisomian 21 seulonta, kuten Ranskassa yleisesti käytetään, johtaa 90%: n (toisin sanoen väärän negatiivisen 10%: n) detektioprosenttiin väärän negatiivisen prosenttiosuuden suhteen, positiivinen 5%.
Testin tuloksella on tietty jakauma "normaalille" populaatiolle ja toinen "epänormaalille" populaatiolle. Testi on sitäkin erottavampi, koska nämä tulokset ovat selvästi erilaisia, mutta yleensä nämä kaksi jakaumaa menevät päällekkäin marginaalilla. Alueilla, joilla tulokset voivat olla päällekkäisiä, tulisi asettaa kynnysarvo, jonka perusteella testi voidaan päättää, onko testi positiivinen vai negatiivinen.
Mitä parempi testi on, sitä korkeampi havaitsemisnopeus (ts. Alhainen vääriä negatiivisia) ja matala vääriä positiivisia. Väärä positiivinen ja havaitsemisnopeus riippuvat sekä valitusta kynnyksestä että vaihtelevat samaan suuntaan, mikä tarkoittaa, että on mahdotonta lisätä samanaikaisesti havaitsemisnopeutta ja vähentää väärää positiivista määrää: kaikki mitä voi tehdä, on löytää hyväksyttävä kompromissi välillä herkkyys ja spesifisyys .
Kynnysarvon valinta riippuu siitä, mitä haluat tehdä testillä, ja kompromissista väärän positiivisen ja heikon havaitsemisen riskin välillä.
Lääketieteessä, mitä harvinaisempi sairaus, sitä suurempi on ylidiagnoosin riski . Joten jos testaat satunnaisesti 1000 ihmistä testillä, joka tuottaa 5% vääriä positiivisia tuloksia, 50 ihmiselle kerrotaan, että testi on positiivinen. Jos tauti vaikuttaa vain yhteen henkilöön tuhannesta väestössä, voimme Bayesin lauseella osoittaa , että henkilöllä on (noin) vain 2% mahdollisuus tosiasialliseen sairauteen (intuitiivisesti siitä ilmoitetaan 50 ihmiselle, joista vain yksi vaikuttaa).
Testi antaa varmasti mahdollisuuden tunnistaa potentiaalisesti kärsivä väestö, jolle voidaan tehdä tarkempia (ja kalliimpia) testejä. Se aiheuttaa kuitenkin ahdistusta ja vaaraa hoitaa olematonta tautia (perustuu virheelliseen mielipiteeseen, jonka mukaan testi on "95% varma", todennäköisyys todelliseen sairauteen on erittäin suuri, kun se on d. "Mitä pienempi on tauti on harvinaista).
Tästä syystä rutiininomaista seulontaa ei yleensä oteta huomioon; mieluummin kohdistamme riskiryhmiin.
Väärien positiivisten ja väärien negatiivisten teoreettisessa analyysissä käytetään Bayesin teoreemaa .