一文搞懂敏感性、特异度、α、β、阳性预测值（PPV）、阴性预测值(NPV)等指标及置信区间计算

一、指标定义

1. 敏感性（Sensitivity）：实际阳性样本中被正确识别为阳性的比例。公式为：TP / (TP + FN)
2. 特异度（Specificity）：实际阴性样本中被正确识别为阴性的比例。公式为：TN / (TN + FP)
3. α（False Positive Rate）：假阳性率，即实际阴性样本中被错误识别为阳性的比例。公式为：FP / (TN + FP)
4. β（False Negative Rate）：假阴性率，即实际阳性样本中被错误识别为阴性的比例。公式为：FN / (TP + FN)
5. 阳性预测值（Positive Predictive Value，PPV）：预测为阳性的样本中实际为阳性的比例。公式为：TP / (TP + FP)
6. 阴性预测值（Negative Predictive Value，NPV）：预测为阴性的样本中实际为阴性的比例。公式为：TN / (TN + FN)
   二、置信区间计算
7. 使用R语言计算敏感性、特异度、α、β、PPV和NPV

   # 假设有如下数据：
   TP <- 100  # 真阳性
   FN <- 20   # 假阴性
   FP <- 30   # 假阳性
   TN <- 150  # 真阴性
   # 计算各指标
   sensitivity <- TP / (TP + FN)
   specificity <- TN / (TN + FP)
   a <- FP / (TN + FP)
   b <- FN / (TP + FN)
   PPV <- TP / (TP + FP)
   NPV <- TN / (TN + FN)
   # 输出结果
   sensitivity
   specificity
   a
   b
   PPV
   NPV