敏感性和特异性

Posted 2022-12-25

敏感性和特异性是医学常用的评价指标。最近找到一个很好的例子来解释它。同事分享论文中提到了新冠常见症状及其诊断的准确性：​​王半仙的学习分享_新冠相关论文调研小结​​，借此机会复习一下敏感性和特异性。

新冠评估症状及其诊断准确性

论文：​​Signs and symptoms to determine if a patient presenting in primary care or hospital outpatient settings has COVID‐19​​ 论文发表于2022年Wiley期刊（IF:12.008），文中综合了90多项研究，52,608位参与者的临床症状，来分析新冠评估症状及其诊断准确性（看起来和最近朋友实测的差不多）。

	敏感性	特异性
发热	37.6%	75.2%
呼吸困难	23.3%	75.7%
咳嗽	62.4%	45.4%
腹泻	18.5%	84.1%
喉咙痛	31.0%	61.9%
疲劳	40.2%	73.6%
流涕	30.3%	70.0%
头痛	35.8%	73.0%
肌痛	37.5%	75.4%
发冷/颤抖	25.3%	85.0%
单独嗅觉障碍	26.4%	94.2%
单独味觉障碍	23.2%	92.6%
嗅觉障碍或味觉障碍	39.2%	92.1%
从论文中的图表可以看到，味嗅觉障碍对诊断新冠有很高的特异性，详见文中Table-3。

举例

简化上述问题如下：
假设：一般的感冒没有味觉嗅觉受损症状。如果用味觉嗅觉受损做个模型：在感冒症状的基础上，只使用“味嗅觉是否受损”作模型来判断是否得了新冠。
得了新冠的不一定都有味嗅觉受损，所以这个模型敏感性不太高。
感冒症状并有味嗅觉受损，基本就可以确认新冠了，所以这个模型特异度高。

公式

说明

真阴：实际为阴，用模型预测也为阴
真阳：实际为阳，用模型预测也为阳
假阳：实际为阴，用模型预测为阳
假阴：实际为阳，用模型预测为阴

特异性

（specificity，也叫特异度）
特异度=真阴性人数/(真阴性人数+假阳性人数)
特异度=真没得新冠/(真没得新冠+味嗅觉受损却没得新冠)
解释：假阳性人数越少，特异度越高。味嗅觉受损却没得的人很少，所以利用它判断的特异度高。

敏感性

（sensitivity，也叫灵敏度）
敏感性=真阳性人数/(真阳性人数+假阴性人数)
敏感性=真得新冠人数/(真得新冠人数+味嗅觉没受损但得了新冠)
解释：假阴性人数越少，灵敏度越高。假阴性指的是实际是阳，但预测出来是阴的。在这个问题中如果嗅味觉未受损，那么模型认为它是阴，这是不对的。因为不是所有得新冠的人嗅味觉都受损，所以它的灵敏度不高。

总结

综上，可以给特异性一个感性认知：得了的未必味嗅觉受损，味嗅觉受损的基本就是得了，这就叫特异性高。
味嗅觉障碍和其它症状组合后，能更好地诊断新冠是上述论文中作者的观点。不过通过身边朋友的症状看，味嗅觉障碍常常出现在中后期，那时候可能已经确诊了吧？