進階已經雙重審閱，尚未人工抽查

預測值與盛行率

PPV 與 NPV 是病人真正在問的問題，但它們不是檢驗的性質——同一個檢驗在不同盛行率下的 PPV 可以差兩個數量級。這一頁把 Bayes 的算式攤開、用人數講一次、示範為什麼罕見病篩檢的陽性多半是偽陽性，並且處理一個課本很少講的但書：敏感度與特異度的「不隨盛行率變」是關於算式的，不是關於世界的。

病人問的不是敏感度

門診裡沒有人會問「這個檢驗的敏感度是多少」。病人問的是：我的報告是陽性，那我到底有沒有病？

這個問題的答案是陽性預測值（positive predictive value, PPV），而它與敏感度是完全不同的量：

\text{Sensitivity} = P(\text{檢驗陽性} \mid \text{有病}), \qquad \text{PPV} = P(\text{有病} \mid \text{檢驗陽性})

兩個條件機率的條件擺反了方向。把它們當成同一件事，是臨床上最常見也最貴的統計誤解——貴在它會讓一個罕見病的篩檢陽性被當成診斷，然後接上一整串侵入性檢查。

Bayes 把兩者接起來

從 2×2 表直接推：

\text{PPV} = \frac{\text{sens} \times \text{prev}}{\text{sens} \times \text{prev} + (1 - \text{spec}) \times (1 - \text{prev})}

\text{NPV} = \frac{\text{spec} \times (1 - \text{prev})}{\text{spec} \times (1 - \text{prev}) + (1 - \text{sens}) \times \text{prev}}

分子是「真陽性的比重」，分母是「所有陽性的比重」。盛行率 prev 出現在算式的兩邊，而敏感度與特異度裡沒有它。 這就是「預測值不是檢驗的性質」這句話的全部內容——不是玄學，是這條式子。

同一個檢驗，七種盛行率

沿用 2×2 表那一頁的設定：pROC::aSAH 的 S100β，切點 0.20 µg/L，敏感度 63.4%、特異度 80.6%。把這兩個數字釘死，只動盛行率：

盛行率（檢驗前機率）	PPV	陽性中的偽陽性比例	NPV	陰性中的偽陰性比例
0.1%	0.3%	99.7%	99.95%	0.05%
0.5%	1.6%	98.4%	99.77%	0.23%
1%	3.2%	96.8%	99.54%	0.46%
5%	14.7%	85.3%	97.67%	2.33%
10%	26.6%	73.4%	95.20%	4.80%
本研究世代	65.0%	35.0%	79.45%	20.55%
50%	76.5%	23.5%	68.77%	31.23%

曲線圖，橫軸是盛行率取對數，縱軸是預測值；PPV 曲線從左下往右上遞增，NPV 曲線從左上往右下遞減，另有一條虛線是敏感度與特異度都達到 99% 的檢驗的 PPV，垂直虛線標出本研究世代的盛行率。 — 敏感度與特異度全程固定不動，只有盛行率在移動。PPV 與 NPV 這兩條曲線就是上面那張表的連續版本；虛線是一個近乎完美的檢驗，它整條往左移了，但沒有改變形狀。產圖腳本 `figures/scripts/B4-02-ppv-npv.R`

盛行率 0.1% 時 PPV 是 0.3%，盛行率 50% 時是 76.5%—— 同一個檢驗、同樣的敏感度與特異度，PPV 差了超過兩個數量級。

值得記住的一個量是這個檢驗的打平盛行率：PPV 剛好到一半（也就是陽性報告讓「有病」與「沒病」勢均力敵）所需要的盛行率，這裡是 23.5%。低於這個盛行率，一張陽性報告最可能的解釋仍然是沒病。

用人數講一次

機率會騙眼睛，人數不會。把 10000 個人送進這個檢驗，盛行率 0.1%：

	真的有病（10 人）	真的沒病（9990 人）	合計
檢驗陽性	6.3	1942.5	1948.8
檢驗陰性	3.7	8047.5	8051.2

1948.8 張陽性報告裡，只有大約 6.3 個人真的有病。 其餘全部是偽陽性，PPV = 0.33%。

原因不在檢驗差，而在分母的大小差太多：沒病的人有 9990 位，就算只有 19.4% 被誤判，也會產生 1942.5 個偽陽性；而有病的人總共才 10 位，全部抓到也不過 10 個真陽性。偽陽性的數量由「沒病的人有多少」決定，真陽性的數量由「有病的人有多少」決定，而這兩個數字在罕見病裡差了好幾個數量級。

換一個近乎完美的檢驗也救不了

直覺的下一步是「那就用更好的檢驗」。把敏感度與特異度都拉到 99%，同樣送 10000 個人進來，盛行率一樣是 0.1%：

盛行率	PPV（S100β 這個檢驗）	PPV（99% / 99% 的檢驗）
0.1%	0.3%	9.0%
0.5%	1.6%	33.2%
1%	3.2%	50.0%
5%	14.7%	83.9%
10%	26.6%	91.7%
本研究世代	65.0%	98.3%
50%	76.5%	99.0%

在盛行率 0.1% 時，這個近乎完美的檢驗會產生 9.9 個真陽性與 99.9 個偽陽性， PPV 是 9.0%。十個陽性裡仍然只有一個是真的。 它的打平盛行率是 1.0%——比原本的 23.5% 好很多，但仍然遠高於這個疾病的盛行率。

這是所有大規模篩檢計畫的核心難題，不是某個檢驗的缺點。

三個實務推論：

篩檢陽性不是診斷。 篩檢的角色是把一大群人縮小成一小群「值得做確診檢查」的人，也就是把檢驗後機率推高到值得承受確診檢查的風險與成本。它本身不是終點。
要提高 PPV，最有效的槓桿通常不是換檢驗，是提高受檢族群的檢驗前機率。 依風險因子鎖定受檢對象（年齡、家族史、暴露史、症狀），就是在把上面那張表往下走幾列。這也是為什麼「全民普篩」與「高風險族群篩檢」的成本效益差距通常不是幾成，是幾倍。
偽陽性有實質傷害。 後續的侵入性檢查、焦慮、標籤效應、過度診斷與過度治療。評估篩檢計畫時，這些屬於成本那一欄，不能只看抓到幾個病人。

NPV 的另一面：不要用高 NPV 說服自己

上面那張表裡 NPV 那一欄在低盛行率時看起來像是好消息：在盛行率 0.1% 時，NPV 是 99.95%。它其實幾乎沒有資訊：在盛行率 0.1% 的族群裡，就算完全不做檢驗、看到誰都說「你沒病」，也會有 99.9% 的正確率。 檢驗把它從 99.9% 推到 99.95%，改變非常有限。

判斷「這個檢驗結果到底改變了什麼」的正確工具，是把檢驗前機率與檢驗後機率並排比較，而不是單看檢驗後的絕對值。這件事有一個專門的量：概似比。

一個課本很少講的但書

寫到這裡，最順的收尾方式是：「所以敏感度與特異度是檢驗的性質，PPV 與 NPV 是族群的性質，記住這句話就好。」

這句話對算式成立，對真實世界則是一個要檢查的假設。 把同一份資料依 WFNS 分級（入院時的神經學嚴重度）拆成兩層，兩層的盛行率差很多——而敏感度與特異度也跟著差很多：

分層	人數	有病 n	沒病 n	盛行率	敏感度（95% CI）	特異度（95% CI）
WFNS 1-2	71	14	57	19.7%	28.6%（11.7–54.6）	94.7%（85.6–98.2）
WFNS 3-5	42	27	15	64.3%	81.5%（63.3–91.8）	26.7%（10.9–52.0）

嚴重度高的那一層，盛行率是 64.3%，敏感度 81.5%；嚴重度低的那一層，盛行率 19.7%，敏感度只有 28.6%。 兩個敏感度的 95% 信賴區間完全不重疊，所以這個落差不太可能只是抽樣造成的。

為什麼這不算推翻上一節，而是把它講完整。

上一頁的複製示範裡，敏感度紋風不動，因為那裡只是把同一批人複製幾次，病人沒有換。這裡不同：WFNS 高分與低分是兩群不同的病人，重症者的腦損傷更嚴重、S100β 更高，於是同一個切點抓得住他們。這叫光譜效應（spectrum effect），偏誤化的版本叫 spectrum bias。

同一個機制也解釋了特異度為什麼往反方向掉：WFNS 較高那一層裡，連結果好的個案腦部受損也比較嚴重、S100β 偏高，於是更常跨過同一個切點而成為偽陽性，特異度便下降。這是依分層資料與標記濃度的關係提出的合理解釋，不是這份資料能證實的因果機制——要證實它，得直接比較兩層裡結果好的個案的 S100β 分布。表裡的「有病 n」與「沒病 n」也說明了為什麼那兩個特異度不能硬比：兩層的特異度分母分別只有 57 與 15 人。

所以完整的說法是：

在固定的一群人裡改變抽樣比例（例如病例對照式地多收對照組），敏感度與特異度不動、PPV 與 NPV 動 —— 這是純粹的算式性質。
換到另一個場域（醫學中心 → 社區、急診 → 門診、有症狀 → 無症狀篩檢），連敏感度與特異度都可能跟著動，因為換掉的是病人本身。

實務結論：引用文獻的敏感度時，先問那篇的受試者是誰。用醫學中心確診病人與健康志願者對照做出來的敏感度（所謂的兩極設計，two-gate design），幾乎一定高於同一個檢驗用在真實臨床疑似族群的表現。STARD 2015 要求作者描述受試者的招募方式與臨床情境，就是為了讓讀者能做這個判斷。

動手跑一次

library(pROC)
data(aSAH, package = "pROC")

pos <- aSAH$s100b >= 0.20
dis <- aSAH$outcome == "Poor"
sens <- sum(pos & dis) / sum(dis)
spec <- sum(!pos & !dis) / sum(!dis)

ppv <- function(prev, sens, spec)
  sens * prev / (sens * prev + (1 - spec) * (1 - prev))
npv <- function(prev, sens, spec)
  spec * (1 - prev) / (spec * (1 - prev) + (1 - sens) * prev)

prev <- c(0.001, 0.005, 0.01, 0.05, 0.10, mean(dis), 0.50)
round(data.frame(prev,
                 PPV = ppv(prev, sens, spec),
                 NPV = npv(prev, sens, spec)), 4)

# 打平盛行率：PPV = 0.5 需要多高的檢驗前機率
(1 - spec) / (sens + 1 - spec)

# 用人數講一次
N <- 10000; p <- 0.001
c(TP = N * p * sens, FN = N * p * (1 - sens),
  FP = N * (1 - p) * (1 - spec), TN = N * (1 - p) * spec)

# 匯出給下面的 Python 用
write.csv(aSAH, "aSAH.csv", row.names = FALSE)

驗證環境：R 4.6.0 + pROC 1.19.0.1。這一節只用到基本運算，不需要額外套件。

import numpy as np
import pandas as pd

d = pd.read_csv("aSAH.csv")            # 由本頁上面那段 R 匯出
pos = d["s100b"] >= 0.20
dis = d["outcome"] == "Poor"
sens = (pos & dis).sum() / dis.sum()
spec = (~pos & ~dis).sum() / (~dis).sum()

def ppv(prev, sens, spec):
    return sens * prev / (sens * prev + (1 - spec) * (1 - prev))

def npv(prev, sens, spec):
    return spec * (1 - prev) / (spec * (1 - prev) + (1 - sens) * prev)

prev = np.array([0.001, 0.005, 0.01, 0.05, 0.10, dis.mean(), 0.50])
print(pd.DataFrame({"prev": prev,
                    "PPV": ppv(prev, sens, spec),
                    "NPV": npv(prev, sens, spec)}).round(4))

同一條 Bayes 公式，寫法幾乎一樣；重點是把 sens / spec 與 prevalence 當成三個獨立的輸入，不要從同一份資料同時取。

常見誤用

誤用	為什麼錯
把敏感度當成「陽性代表有病的機率」	條件擺反了；後者是 PPV，還要吃進盛行率
引用某篇論文的 PPV 套到自己的病人	PPV 綁定該研究的盛行率，換族群就不成立
從病例對照式取樣的資料直接算 PPV	病例與對照的人數是研究者決定的，PPV 沒有意義
用高 NPV 說明「這個檢驗很會排除疾病」	盛行率低時不做檢驗也有很高的 NPV，要看 LR−
認為「檢驗夠準就能解決罕見病篩檢」	偽陽性數量由沒病者人數決定，敏感度再高也不變
把篩檢陽性當成診斷	篩檢的作用是提高檢驗後機率到值得做確診檢查，不是終點
評估篩檢只算抓到幾個病人	偽陽性帶來的侵入性檢查與過度診斷屬於成本欄
假設文獻的敏感度可以無條件搬到別的場域	光譜效應：換族群會換掉病情組成，連敏感度都會動
用整體正確率評估罕見病的檢驗	全部判陰性就有很高的正確率
在同一份資料上挑切點再報 PPV	樂觀偏誤，見切點選擇與兩條 ROC 的比較

重跑本頁的所有數字

/opt/homebrew/bin/Rscript figures/scripts/B4-02-ppv-npv.R

讀讀看這張圖

答案取自產生本頁圖表的同一份統計輸出，不是另外打上去的。

同一個檢驗、同樣的敏感度 0.634 與特異度 0.806，分別用在盛行率 0.1% 與 50% 的兩個族群上。PPV 會怎麼樣？

看答案與解析

正確答案: 在盛行率 0.1% 的族群裡 PPV 只有 0.0033，換到 50% 的族群就跳到七成六——PPV 綁在盛行率上

Bayes 的算式裡盛行率同時出現在分子與分母，而敏感度 0.634 與特異度 0.806 這兩個輸入裡沒有它——這就是「預測值不是檢驗的性質」的全部內容。盛行率 0.1% 時 PPV 是 0.0033，五成時是 0.7653，同一個檢驗差了兩個數量級。0.6500 是本研究世代量到的 PPV，它只在那個世代成立；把它搬到別的族群，等於把研究者收案的比例當成這位病人的檢驗前機率。

盛行率 0.1% 的一萬人送進這個檢驗（敏感度 0.634、特異度 0.806）。表上真陽性大約 6.3 位、偽陽性 1942.5 位。偽陽性為什麼這麼多？

看答案與解析

正確答案: 因為沒病的人有 9990.0 位，就算只有不到兩成被誤判，人數也遠多於全部的病人

偽陽性的數量等於沒病的人數乘上偽陽性率：9990.0 位沒病的人，特異度 0.806 代表將近兩成會被誤判，於是產生 1942.5 個偽陽性。有病的人總共才 10.0 位，全部抓到也只有十個真陽性，實際抓到 6.3 位。被漏掉的病人是偽陰性，落在陰性那一格，不會變成偽陽性——那是把兩個錯誤格搞混。8047.5 是真陰性，它多不多與偽陽性的絕對數沒有關係。這就是罕見病篩檢的結構：兩個分母差了好幾個數量級。

把敏感度與特異度都拉到 99%，在盛行率 0.1% 的族群再跑一次。陽性報告現在可以當成診斷了嗎？

看答案與解析

正確答案: 不行。PPV 只升到 0.0902，十張陽性報告裡仍然只有一張是真的

換一個更好的檢驗只把偽陽性壓小，沒有改變兩個分母的比例，所以 PPV 只升到 0.0902，十張陽性裡仍有九張是假的。打平盛行率 0.0100 是「PPV 剛好到一半」所需要的檢驗前機率，它比這個族群的盛行率高了一個數量級——低於打平盛行率，一張陽性報告最可能的解釋仍然是沒病。0.9900 只是這個檢驗在病例與非病例對半分的族群裡的 PPV，不是它的固有性質。要提高 PPV，最有效的槓桿通常不是換檢驗，是把受檢對象縮小到檢驗前機率較高的人。

在盛行率 0.1% 的族群裡，這個檢驗的 NPV 是 99.95%。這個數字說明它很會排除疾病嗎？

看答案與解析

正確答案: 說明不了。陰性報告裡的偽陰性比例是 0.0005，而在這個族群裡不做檢驗、看到誰都說沒病，答錯的比例也只有千分之一

NPV 的高低主要由這個族群裡本來就沒病的人佔多少決定。盛行率 0.1% 時，完全不做檢驗、對每個人都說沒病，答錯的比例已經只有千分之一；檢驗把陰性報告的偽陰性比例壓到 0.0005，改變非常有限。0.9995 是檢驗後的絕對值，單看它會把「這個族群本來就很健康」誤讀成「這個檢驗很強」。0.6877 確實是同一個檢驗在對半分族群裡的 NPV，但那不是運氣——那就是盛行率在算式裡的位置。判斷檢驗改變了什麼，要把檢驗前與檢驗後並排比較，而那個量是概似比。

把同一批病人依 WFNS 分級拆成兩層，敏感度一層是 0.286、另一層是 0.815。這與「敏感度不隨盛行率變」矛盾嗎？

看答案與解析

正確答案: 不矛盾。兩層是兩群不同的病人：重症那一層的敏感度較高，而它的特異度掉到 0.267，兩個指標一起被病情組成推動

前一頁的示範是把同一批人整批複製，沒有換人，所以敏感度紋風不動——那是算式的性質。這裡換掉的是病人本身：WFNS 較高那一層腦損傷更重、標記濃度也更高，同一個切點抓得住他們，敏感度升到 0.815；同樣的機制讓那一層連結果好的人也偏高，於是更常跨過切點成為偽陽性，特異度掉到 0.267。兩個指標一起被病情組成推動，這叫光譜效應。0.546 是輕症那一層敏感度的區間上界，而重症那一層的下界比它高，兩個區間其實沒有重疊。0.643 是重症那一層的盛行率，它與敏感度一起改變，但不是敏感度改變的原因。

這個檢驗的打平盛行率是 23.5%。臨床上該怎麼用這個數字？

看答案與解析

正確答案: 檢驗前機率低於 0.2347 時，一張陽性報告最可能的解釋仍然是沒病

打平盛行率是 PPV 剛好到一半所需要的檢驗前機率：低於 0.2347，陽性報告讓有病與沒病的勝算仍然偏向沒病那一邊。這不等於陽性報告沒有意義——它確實把機率往上推了，只是還沒推過一半，後面通常還要接確診檢查。0.3500 是本研究世代裡陽性報告中偽陽性的比例，不是門檻。0.0100 是那個近乎完美的檢驗的打平盛行率，把它當成本檢驗的門檻，等於把一個做不到的標準記在錯的檢驗頭上。

用到這個方法的章節

診斷準確度研究

延伸觀看

ENDirty Medicine· 11 min四個指標一次講完，重點放在 PPV / NPV 怎麼被盛行率牽著走，正好是本頁第三節。

ENMedCram· 12 min用臨床情境把四個指標串起來，適合在讀完本頁第二節的算式後補直覺。

繁中EDMAN MURMURS· 9 min繁中，預測值的中文說法在這裡有對照。

繁中rookie days 菜鳥日子· 31 min繁中，把篩檢與診斷兩種情境的差別講得比多數教科書清楚，對應本頁第五節。

繁中臺大開放式課程 NTU OCW· 60 min繁中完整課程。篩檢計畫的流行病學脈絡（包含 lead time 與 length bias）在這裡。

素材來源與授權

本頁為原創內容