out.h265-使用贝叶斯公式的正确姿势

热门回复：

• 圈圈菌Q:up举的例子是流行病学里的重要内容，感染者被确诊的概率称为敏感度（真阳性率），而未患病者被判为阳性的概率为假阳性率（误诊率），与之相对的还有特异度（真阴性率，即未患病者被判为无病的概率）以及假阴性率（漏诊率）。以上四种概率的关系是敏感度+假阴性率=特异度+假阳性率=1。但是对于一个诊断试验而言，一般提高敏感度会降低其特异度（非线性关系），这就要求临床医师对不同群体的患者选择合适的检查。将统计学应用于医学还会形成很多有用的经验，如up所说的：如果被确诊，确实是感染者的概率称为阳性预测值，相对地还有阴性预测值，应用贝叶斯公式可以列出预测值与患病率、敏感度、特异度三者的关系公式，当诊断试验确定后，敏感度和特异度即确定，此时预测值仅与患病率有关，这也就要求医师分析检查结果时，需要考虑患者所在的人群中患病率的高低（如基层医院和专科医院的病人群体，患病率不同）来综合分析患者病情。（只是在回忆所学知识以及帮up补充一些概念，希望能帮助大家理解为什么有那么多貌似同功能的检查，因为敏感度、特异度、花费、侧重点等等都有所不同）
• 丁文涛:（溢出の車万要素[doge]
• 雨奈_RNY:在视频里插入车万BGM的人是越共的概率：[doge]
• 冰晶凤凰麦克美:肺癌是抽烟者的概率依赖于人群中抽烟者的比例，如果抽烟者比例极低，即使抽烟者全得肺癌，那么大部分肺癌患者依然是不抽烟的人。
• 小渊xyz:稍微解释一下最后的问题以及做一些补充. 首先是莫名地写错了文案,结果一直没有注意到... 我的本意是"如果吸烟的人更容易得肺癌,那么得了肺癌的人比不得肺癌的人更容易是瘾君子",但是写成了"如果吸烟的人更容易得肺癌,那么得肺癌的人里吸烟的更多".明明是在宣传大家不要搞混这两者,结果自己却搞混了...前者是正确的,但后者就未必了,这里就不多解释了. 另外一点是,注意到有人说宁可误诊也希望提高检出率,怎么说呢,单从字面理解这是不正确的,因为我当然可以来一个人就说一个人患病,这的确能检出所有病患,但是和完全没有检出有什么区别呢?所以真正需要的是用检测来区分二者,而不是单纯地提高某一概率. 当然,我想发弹幕的人本意一定不是这样,但是这里就当我挑刺了.包括多次检测等方式都是用于提高区分能力的,而在实际应用中就是要具体分析了,可不是像我假设的这么简单. 以上.