筛查阳性不是确诊:教材里缺的那一页
【锚点】这一讲只钉一个判断:【阳性结果不等于高患病概率;脱离患病率谈灵敏度,会把检测误差伪装成诊断能力。】 【显式】假设某病患病率 1/1000,检测灵敏度 90%,特异度 91%(假阳性 9%)。抽 100000 人:100 人患病,其中 90 人阳性;99900 人健康,其中 8991 人假阳性。阳性共 9081,真正患病者只有 90。【阳性预测值】≈0.99%,不到 1%。【隐式】很多人直觉会跳到“准确率很高,所以阳性≈有病”。错误来自把条件概率 P(阳性|病) 当成 P(病|阳性)。教材若只给“灵敏度 90%”,没给先验概率,读者就会继承这个盲点。【流程节点链路】人群先验患病率(起点)→ 检测灵敏度与特异度提供似然比(中间)→ 贝叶斯更新得到后验患病概率(终点)。【细微】同行评审里同样常见:论文报告“灵敏度 90%、特异度 91%”时,如果目标人群患病率极低,阳性结果可能多数来自假阳性。审稿人应要求补充【PPV/NPV】或按目标人群重算,而不是只验收 AUC。【极难发现】更隐蔽的是,筛查项目常把“早发现”写成公益,却忽略低患病率下的假阳性成本:焦虑、复查、过度治疗。科学传播若只讲“查出来就赢了”,会漏掉检测的代价结构。结尾:如果医院只允许向公众展示一个数字,你选灵敏度、特异度,还是阳性预测值?为什么?
##科学传播##统计学教育##同行评审##筛查教育






0 評論