Informazioni su questo strumento
Applica il teorema di Bayes per calcolare probabilità condizionate a partire da una probabilità a priori, sensibilità e specificità. Mostra i valori predittivi positivo e negativo, utili per interpretare test diagnostici (medici, di droga, antivirus) e per qualsiasi problema in cui devi aggiornare una convinzione in base a nuove evidenze.
Come si usa
- Inserisci la prevalenza o probabilità a priori (frequenza della condizione nella popolazione).
- Inserisci la sensibilità del test (quanti casi positivi reali rileva).
- Inserisci la specificità (quanti casi negativi reali identifica correttamente).
- Vedi i valori predittivi positivo e negativo.
Domande frequenti
- A cosa servono i valori predittivi positivo e negativo?
- Il valore predittivo positivo è la probabilità di avere realmente la condizione, dato che il test è risultato positivo. Il valore predittivo negativo è la probabilità di non averla, dato un risultato negativo. In pratica sono più utili di sensibilità e specificità da sole, perché rispondono a ciò che conta davanti a un risultato concreto.
- Perché un test molto sensibile può dare molti falsi positivi?
- Quando la condizione è rara nella popolazione (bassa prevalenza), anche un test con 99% di specificità genera molti falsi positivi in termini assoluti, perché ci sono così tanti veri negativi che l'1% di errore si accumula. È il paradosso di Bayes ed è il motivo per cui i test di screening vanno interpretati con cura.
- Come faccio a sapere quale prevalenza usare?
- Idealmente da studi epidemiologici. Nella diagnosi medica varia molto tra popolazioni: gli screening di massa usano la prevalenza generale, mentre in un paziente con sintomi specifici la probabilità a priori è più alta (aggiustata in base al quadro clinico). Senza dato reale, si possono provare vari valori per vedere la sensibilità del risultato.