رفتن به محتوای اصلی
جونیورJGPTورود یا ساخت حساب
فهرست

آزمایشگاه آزاد؛ بدون نیاز به ورود

قانون بیز و احتمال مثبت کاذب در آزمایش

اگه فقط یک نفر از هر صد نفر به یک بیماری دچار باشه، مثبت‌شدن آزمایش چقدر خبر می‌ده؟ نرخ پایه، حساسیت و ویژگی رو تغییر بده و نتیجه رو بین ۱۰۰ نفر ببین.

آزمایش رو شروع کن

مقدار کنترل‌ها اعشاریه؛ مثلاً ۰٫۱ یعنی ۱۰٪. از نرخ پایهٔ ۰٫۱، حساسیت ۰٫۹۴ و ویژگی ۰٫۹ شروع کن، بعد هر بار فقط یک کنترل رو تغییر بده.

آزمایشگاه در حال آماده شدنه…

حالا خودت امتحان کن

هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.

وقتی بیماری کم‌یابه، مثبت‌ها از کجا میان؟

حساسیت رو روی ۰٫۹۴ و ویژگی رو روی ۰٫۹ بذار. اول نرخ پایه رو روی ۰٫۱ (۱۰٪) نگه دار و نتیجه رو بخون؛ بعد فقط نرخ پایه رو به ۰٫۰۱ (۱٪) کم کن.

حدست چیه؟ وقتی نرخ پایه از ۱۰٪ به ۱٪ می‌رسه، چند مثبت درست و چند مثبت کاذب می‌بینی؟ سهم مثبت‌های درست از کل جواب‌های مثبت چه تغییری می‌کنه؟

توضیح نتیجه رو ببین

در نرخ پایهٔ ۱۰٪، مدل ۹ مثبت درست و ۹ مثبت کاذب می‌ده؛ شاخص PPV برابر ۵۰٪ است. در نرخ ۱٪، ۱ مثبت درست و ۱۰ مثبت کاذب داریم و PPV حدود ۹٫۱٪ می‌شه. چون گروه بدون بیماری خیلی بزرگ‌تره، مثبت کاذب‌های بیشتری کنار جواب درست جمع می‌شن.

حساسیت بیشتر، چند مثبت درست اضافه می‌کنه؟

نرخ پایه رو روی ۰٫۱ و ویژگی رو روی ۰٫۹ ثابت نگه دار. حساسیت رو یک بار روی ۰٫۹۴ و بار دیگه روی ۰٫۹۸ بذار و دو نتیجه رو مقایسه کن.

حدست چیه؟ با بالا رفتن حساسیت، تعداد مثبت‌های درست چه تغییری می‌کنه؟ مثبت‌های کاذب هم باید عوض بشن؟

توضیح نتیجه رو ببین

با حساسیت ۹۴٪، ۹ مثبت درست و ۹ مثبت کاذب داریم و PPV برابر ۵۰٪ است. با حساسیت ۹۸٪، مثبت‌های درست به ۱۰ می‌رسن، مثبت‌های کاذب همون ۹ می‌مونن و PPV حدود ۵۲٫۶٪ می‌شه. در این جمعیت کوچک، گردکردن شمارش‌ها نتیجه رو پله‌ای تغییر می‌ده.

ویژگی بالاتر، مثبت کاذب کمتری می‌سازه؟

نرخ پایه رو روی ۰٫۱ و حساسیت رو روی ۰٫۹۴ ثابت بذار. ویژگی رو از ۰٫۹ به ۰٫۹۸ برسون و تعداد مثبت‌های کاذب و PPV رو بخون.

حدست چیه؟ اگر آزمایش در شناسایی افراد بدون بیماری بهتر بشه، کدوم خروجی باید بیشتر تغییر کنه؟

توضیح نتیجه رو ببین

با ویژگی ۹۰٪، مدل ۹ مثبت درست و ۹ مثبت کاذب می‌ده و PPV برابر ۵۰٪ است. با ویژگی ۹۸٪، مثبت‌های درست همون ۹ می‌مونن، مثبت‌های کاذب به ۲ کم می‌شن و PPV حدود ۸۱٫۸٪ می‌شه. ویژگی بالاتر در این آزمایش، مثبت‌های کاذب گروه بزرگ‌تر رو کم می‌کنه.

پشت این حرکت چه خبره؟

نرخ پایه یعنی چند نفر از اول درگیرند؟

نرخ پایه یا شیوع، سهم افرادی از جمعیته که بیماری دارن. این شبیه‌سازی همیشه ۱۰۰ نفر فرضی می‌سازه؛ پس نرخ پایهٔ ۱٪ یعنی یک نفر در گروه بیماری و ۹۹ نفر در گروه بدون بیماری. اندازهٔ این دو گروه روی معنی جواب مثبت اثر می‌ذاره.

حساسیت و ویژگی دو پرسش جدا هستن

حساسیت می‌گه آزمایش چه سهمی از افراد بیمار رو مثبت پیدا می‌کنه. ویژگی می‌گه چه سهمی از افراد بدون بیماری رو منفی تشخیص می‌ده. این دو، احتمالِ مثبت‌بودن برای هر گروه رو توصیف می‌کنن؛ جوابشون به‌تنهایی نمی‌گه یک نتیجهٔ مثبت واقعاً چقدر احتمال بیماری داره.

قانون بیز همهٔ جواب‌های مثبت رو می‌شماره

PPV = (Se*Prev)/(Se*Prev + (1-Sp)*(1-Prev))

برای فهم احتمال بیماری پس از جواب مثبت، مثبت‌های درست رو بر کل جواب‌های مثبت تقسیم می‌کنیم؛ کل جواب‌های مثبت، مثبت درست و مثبت کاذب رو با هم داره. به همین خاطره که نرخ پایه کنار حساسیت و ویژگی اهمیت پیدا می‌کنه. فرمول، رابطهٔ معمول بین احتمال‌ها رو می‌گه؛ این ویجت برای نمایش، شمارش ۱۰۰ نفر رو گرد می‌کنه.

سؤالت رو بپرس، جوابش رو هم ببین

وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.

شروع یادگیری با چت

برای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.

نمونهٔ نمایشی از آموزش در چت

پرسش تو

اگه حساسیت ۹۴٪ باشه، چرا در این حالت فقط نیمی از جواب‌های مثبت درست‌اند؟

دستیار هوش مصنوعی

چون از ۱۰۰ نفر، نرخ پایهٔ ۱۰٪ یعنی ۱۰ نفر بیماری دارن و ۹۰ نفر ندارن. با حساسیت ۹۴٪، مدل ۹ مثبت درست می‌شماره؛ با ویژگی ۹۰٪ هم ۹ مثبت کاذب داریم. پس از ۱۸ جواب مثبت، ۹ تا درسته و PPV می‌شه ۵۰٪. حالا فقط نرخ پایه رو کم کن و ببین گروه بزرگ‌تر چه اثری می‌ذاره.

سؤال‌های رایج

نرخ پایه یا شیوع دقیقاً چیه؟

سهم افرادی از جمعیته که بیماری دارن؛ نرخ ۱٪ در گروه ۱۰۰ نفری یعنی یک نفر. هرچه این گروه کوچک‌تر باشه، تعداد مثبت‌های کاذب رو باید در کنار مثبت‌های درست هم ببینی.

حساسیت با ویژگی چه فرقی داره؟

حساسیت دربارهٔ پیدا کردن افراد بیمار با جواب مثبته؛ ویژگی دربارهٔ منفی‌دادن به افراد بدون بیماریه. بهترشدن یکی لزوماً اون یکی رو تغییر نمی‌ده.

چرا با حساسیت بالا، احتمال درست‌بودن جواب مثبت می‌تونه پایین باشه؟

اگر نرخ پایه کم باشه، افراد بدون بیماری خیلی بیشتر از افراد بیمارند. حتی سهم کوچکی از مثبت‌های کاذب در آن گروه بزرگ می‌تونه با مثبت‌های درست برابر یا از آن‌ها بیشتر بشه.

PPV همون درستی کلی آزمایشه؟

نه؛ PPV فقط سهم جواب‌های درست در میان همهٔ جواب‌های مثبته. این ویجت تعداد مثبت‌های درست و کاذب و PPV رو می‌ده، نه دقت کلی همهٔ جواب‌های مثبت و منفی رو.

می‌تونم نتیجهٔ این صفحه رو برای یک آزمایش واقعی به کار ببرم؟

نه؛ این فقط یک مدل آموزشی با جمعیت فرضی ۱۰۰ نفریه. نتیجهٔ واقعی به نوع آزمایش و شرایط دیگه وابسته‌ست و از این شبیه‌سازی به‌تنهایی نمی‌شه تشخیص گرفت.