什么是False Positive和False Negative

Posted 2023-05-05

False Positive是假阳性，False Negative是假阴性。

假阳性是指因为种种原因把不具备阳性症状的人检测出阳性的结果。假阴性就是指出的报告上写的是阴性，但其实这个结果是错的，称假阴性。其实就是PCR阳性。

假阴性就是指出的报告上写的是阴性，但其实这个结果是错的，称假阴性。其实就是PCR阳性。

扩展资料：

假阳性结果的危害

实验室检测结果往往为临床医生诊断疾病的“金标准”。然而，过度依赖实验室检测而忽略了其他临床诊断要素风险极大：

1、假阳性检测结果易造成误诊，而假阴性结果又导致漏诊。无论误诊还是漏诊都是对患者生命极大的不负责任

2、假阳性结果会对患者造成了心理困扰，对其本人及其家庭造成身心伤害。

3、假阳性结果增加了患者的医疗资源负担。

避免假阳性结果带来的危害

诊断性检测和影像学检查往往会对医生临床决策产生很大影响，而实际上在此过程中往往会存在着矛盾点：或是依据现有不完全检查结果立即开始诊疗患者，或是采取更为审慎的态度尽量减少不必要的检查和治疗。

1、首先，充分获取患者病史信息有助于对疾病情况作出一个大概的预测评估；

2、其次，应将假阳性结果纳入医生的鉴别诊断范围内，特别是当有线索提示为其他诊断之时；

3、再者，与临床紧密结合，进行医学评价，对于弱阳性标本，实验室应进行复检，排除试验操作的影响因素。

4、最后，由于假阳性结果在合理检测时在所难免，因而在与患者沟通检查结果时，需采取更为温和的方式，尤其是可能涉及敏感性诊断如性传播感染时。

参考资料来源：百度百科-假阳性

参考技术A

False Positive是假阳性，False Negative是假阴性。

假阳性是指因为种种原因把不具备阳性症状的人检测出阳性的结果。假阴性就是指出的报告上写的是阴性，但其实这个结果是错的，称假阴性。其实就是PCR阳性。

一般来说，阳性（+）是表示疾病或体内生理的变化有一定的结果。相反，化验单或报告单上的阴性（－），则多数基本上否定或排除某种病变的可能性。然而，由于环境因素、操作因素、实验方法或者患者自身因素等等可能把不具备阳性症状的人检测出阳性的结果。

扩展资料

假阳性结果的危害：

实验室检测结果往往为临床医生诊断疾病的“金标准”。然而，过度依赖实验室检测而忽略了其他临床诊断要素风险极大：

1、假阳性检测结果易造成误诊，而假阴性结果又导致漏诊。无论误诊还是漏诊都是对患者生命极大的不负责任

2、假阳性结果会对患者造成了心理困扰，对其本人及其家庭造成身心伤害。

3、假阳性结果增加了患者的医疗资源负担。

参考技术B 　　False Positive：把合法的判断成非法的，译为“误报”。（相当于医学上的假阳性）
　　False Negative：把非法的判断成合法，译为“漏报”。（相当于医学上的假阴性）
　　
　　对于计算机防病毒软件来说，和医院里的病毒检测是一个意思，因此，一个防病毒软件把没有感染病毒的文件报告为感染了病毒，这就是“误报”。相反，如果没有检测出系统中的存在的病毒，这就是“漏报”。世界上没有任何一款防病毒产品敢说自己没有“误报”和“漏报”的情况存在。不断有新的病毒产生，防病毒软件相对于病毒来说，比较被动。如果单纯地使用己知病毒定义来检测病毒，就容易产生“漏报”。如果结合一些前摄性的，基于行为监测的手段来检测病毒，就容易产生“误报”。
　　
　　类似地，防火墙对入侵行为的检测，也存在以上两种情况。如果把正常的资源访问判断为入侵行为并加以阻止，就是“误报”。如果没有发现某个入侵行为，没有对其进行响应，就是“漏报”。安全策略定义得过于严格，就容易产生“误报”，过于宽松，就容易产生“漏报”。
　　
　　那么，安全产品的设计者，希望自己的产品误报率低一些还是漏报率低一些呢？很多厂商会希望自己产品的误报率低一些，因为误报行为相对漏报而言更加明显，容易被用户感知到，且一旦出现，可能会造成较大的影响。所以，在选择安全产品时，不要简单地认为误报率低的产品就是可靠的产品，它的低误报率往往是用高漏报率换来的。本回答被提问者和网友采纳 参考技术C A false positive is a miss wherein the test predicted that the testtaker did possess the particular characteristic or attribute being measured when in fact the testtaker did not.
A false negative is a miss wherein the test predicted that the testtaker did not possess the particular characteristic or attribute being measured when the testtaker actually did. 参考技术D false positves, 即错误的正例；错误预测为正例的负例，即 错误地 将 负例 预测成了正例；

R语言plotly可视化：使用plotly可视化模型预测真阳性率(True positive)TPR和假阳性率(False positive)FPR在不同阈值(threshold)下的曲线

R语言plotly可视化：使用plotly可视化模型预测真阳性率(True positive)TPR和假阳性率(False positive)FPR在不同阈值下的曲线（TPR and FPR at every threshold）

目录