Sensitivity and specificity とは

感度と特異度は、分類関数としての統計でも知られているバイナリ分類テストのパフォーマンスの統計的尺度です。
 感受性(真の陽性率、リコール、または一部の分野での検出の確率とも呼ばれる)は、そのように正確に同定された実際の陽性の割合(例えば、症状を有すると正確に識別された病気の人々の割合)を測定する。特異性(真のネガティブ率とも呼ばれる)は、実際にネガティブなものとして正しく識別された割合(例えば、健康状態のない者と正確に識別された健常者の割合)を測定する。
同様に、医療検査では、感度は実際のポジティブが見過ごされない程度(偽ネガティブはほとんどない)であり、特異性は実際のネガティブがそれに分類される程度である(誤検出は少ない)。このように、非常に敏感なテストでは、実際のポジティブな見解を見過ごすことはほとんどありません。高度に特異的な試験は、試験の標的ではないもの(例えば、細菌種を特定し、真の標的である別の密接に関連するものと間違えているもの)の陽性分類をめったに登録しない。非常に機密性が高く、特異性の高いテストでは両方が行われるため、「探しているものを見逃すことはほとんどありません。ほとんどの医療検査では感受性と特異度が99%を超えていないため、「めったに」とは必ずしも一致しません。しかし、実用的な理由から、感度と特異度が90%を超える検査では、鑑別診断において信頼性は高いが、確かに確実性はない。
したがって、感度は偽陰性の回避を定量化し、特異性は偽陽性についても同じです。いずれのテストでも、通常、乗客のテストは安全性の潜在的な脅威であるため、空港セキュリティではトレードオフがあり、ベルトバックルやキーなどの危険度の低いアイテムについては、低い特異性)、危険な物体を識別する確率を高め、脅威(高感度)をもたらす物体の欠落のリスクを最小にする。このトレードオフは、受信機動作特性曲線を用いて図式的に表すことができる。完璧な予測子は、100%感受性であり、すべての病気の個体が病気であると正しく識別され、100%特異的であることを意味し、健康な個体が病気であると間違って識別されないことを意味する。しかし、実際には、任意の非決定論的予測子は、ベイズ誤り率として知られる最小誤差限界を有することになる。