真阳性
患病 且 阳性0
这些人构成阳性结果中的真实信号。
条件概率：信息会改变概率
医学检测中的贝叶斯更新
同一份阳性结果，在低基础率和高基础率人群中的含义并不相同。这里把概率换算成 10000 人，直接观察阳性池里有多少真患病者。
固定模拟人群：10000 人
10000 人检测表
四个格子总和始终为 10000；阳性预测值只看阳性列。
真阳性
假阳性
真阴性
假阴性
假阳性
未患病 但 阳性0
基础率低时，这一格可能压过真阳性。
假阴性
患病 但 阴性0
敏感度不够高时，疾病会从筛查中漏出。
真阴性
未患病 且 阴性0
特异度越高，健康者越少被误判为阳性。
人群分布缩略图
每个小格约代表 100 人，精确人数以检测表为准。
患病 0 人，未患病 0 人
真实患病者
检测呈阳性者
读数线索
阳性预测值不是敏感度，也不是特异度。它回答的是：已经看到阳性结果后，这个人真正患病的概率是多少。
当基础率很低时，未患病者人数庞大，即使特异度很高，也可能产生不少假阳性。提高特异度，通常会明显抬高阳性预测值。
当前参数下，阳性者中真正患病的比例为 0.0%。