免費開始練習
普考申論題 114年 [衛生行政] 流行病學與生物統計學概要

第 一 題

📖 題組:
有一名醫師想要評估低劑量肺部電腦斷層為肺癌篩檢工具,假若利用低劑量肺部電腦斷層的檢驗結果為真實的疾病狀態,此篩檢工具的篩檢結果如下表: 真實疾病狀態 篩檢結果 肺癌(+) 肺癌(-) 總和 陽性(Positive) 99 533 632 陰性(Negative) 16 8213 8229 總和(Total) 115 8746 8861 請計算下列指標:(每小題 5 分,共 25 分)
📝 此題為申論題,共 5 小題

小題 (一)

敏感度(Sensitivity)

思路引導 VIP

敏感度(Sensitivity)的定義是「在真正患有該疾病的族群中,篩檢結果呈現陽性的比例」。解題時應先從 2x2 表格中找出有病的總人數(分母)以及其中篩檢為陽性的人數(分子),代入公式即可得解。

🤖
AI 詳解
AI 專屬家教

【解題關鍵】敏感度公式 = 真陽性(TP) / [真陽性(TP) + 偽陰性(FN)] 【解答】 已知數值:

小題 (二)

精確度(Specificity)

思路引導 VIP

看到「精確度/特異度(Specificity)」,應直覺想到其定義為「真正沒有生病的人群中,被正確檢驗出陰性的比例」。對照題目給定的 2x2 表格,分母為「真實疾病狀態為肺癌(-)」的總人數,分子為「篩檢結果為陰性(真陰性,TN)」的人數,代入數值計算即可。

🤖
AI 詳解
AI 專屬家教

【解題關鍵】特異度(Specificity)為在真實無疾病的人群中,篩檢結果為陰性(真陰性)的比例。 【解答】 計算:

小題 (三)

陽性預測值(Positive Predictive Value)

思路引導 VIP

陽性預測值(PPV)的核心概念是「在所有篩檢結果為陽性的人之中,真正患有疾病的比例」。解題時,請直接鎖定表格中的『篩檢陽性』橫列,將真陽性人數(TP)除以篩檢陽性總人數即可得出結果。

🤖
AI 詳解
AI 專屬家教

【解題關鍵】陽性預測值(PPV)公式=真陽性人數(TP)÷ 篩檢陽性總人數(TP + FP)。 【解答】 計算:

小題 (四)

陰性預測值(Negative Predictive Value)

思路引導 VIP

看到「陰性預測值(NPV)」,應立即聯想到其定義:在所有篩檢結果為「陰性」的人當中,真正「沒有生病」(真陰性)的比例。從2x2表格中定位「篩檢陰性」的那一列,以該列總和為分母,真陰性人數為分子進行計算即可。

🤖
AI 詳解
AI 專屬家教

【解題關鍵】陰性預測值(NPV)的公式為:真陰性人數(TN) / 篩檢陰性總人數(TN + FN)。 【解答】 計算:

小題 (五)

肺癌盛行率(Prevalence)

思路引導 VIP

看到「盛行率」計算,應立刻聯想到其定義為『特定族群中真正患有該疾病的人數比例』。直接從表格找出『真實疾病狀態為肺癌(+)的總數』除以『總篩檢人數』即可求得。

🤖
AI 詳解
AI 專屬家教

【解題關鍵】盛行率(Prevalence)= 真實罹病總人數 ÷ 總受檢人數 【解答】 計算:

📝 篩檢工具效度指標
💡 利用 2x2 列聯表計算篩檢工具的準確度與臨床應用價值。
比較維度 效度指標 (Sens/Spec) VS 預測值 (PPV/NPV)
分母選擇 真實疾病狀態(直欄總和) 篩檢試驗結果(橫列總和)
受盛行率影響 固定,不隨盛行率改變 受盛行率高低直接影響
主要用途 評估篩檢工具本身的優劣 評估臨床診斷的實務價值
💬效度指標衡量工具準確性,預測值則決定篩檢結果對病人的實質意義。
🧠 記憶技巧:敏真病、特真健(分母為直欄);陽預陽、陰預陰(分母為橫列)。
⚠️ 常見陷阱:最常混淆分母。記住敏感度/特異度是工具性能(看直行),預測值是臨床應用(看橫列)。
ROC 曲線與 AUC 面積 盛行率對預測值的影響 似然比 (Likelihood Ratio)

🏷️ AI 記憶小卡 VIP

AI 記憶小卡

升級 VIP 解鎖記憶小卡

考前複習神器,一眼掌握重點

🏷️ 相關主題

流行病學篩檢與診斷性試驗評估
查看更多「[衛生行政] 流行病學與生物統計學概要」的主題分類考古題