アカウント名:
パスワード:
有症状の被験者は98.5%の感度と94.2%の特異度を達成します(AUC:0.97)。
無症候性の被験者の場合、83.2%の特異度で100%の感度を達成します。
もしかしてPCRよりもいいってこと?http://www.hc.u-tokyo.ac.jp/covid-19/tests/ [u-tokyo.ac.jp]
この手の発表で「100%正しく識別できた」は疑うようにしている。
約2,500の咳のデータを使った実験な98.5%の感度と94.2%の特異度 = 1.5%の偽陰性と 5.8%の擬陽性83.2%の特異度で100%の感度 = 0%の偽陰性と16.8%の擬陽性
無症候者にスクリーニングすると16.8%も「あなたはコロナです」という誤判定が出て確定診断枠を圧迫する有症状者に適用すると1.5%はすり抜ける
無症候者のうち陽性者は100%捕捉出来ているので「感度100%」しかしデータが2500件しかないので実際は1/2500 = 0.04%前後の誤差があり感度は99.96%程度の可能性がある99.96%の条件でこのAIを使って1億人を検査すると400万人のすり抜けと1680
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
身近な人の偉大さは半減する -- あるアレゲ人
感度と特異度 (スコア:0)
有症状の被験者は98.5%の感度と94.2%の特異度を達成します(AUC:0.97)。
無症候性の被験者の場合、83.2%の特異度で100%の感度を達成します。
もしかしてPCRよりもいいってこと?
http://www.hc.u-tokyo.ac.jp/covid-19/tests/ [u-tokyo.ac.jp]
Re:感度と特異度 (スコア:0)
この手の発表で「100%正しく識別できた」は疑うようにしている。
Re: (スコア:0)
約2,500の咳のデータを使った実験な
98.5%の感度と94.2%の特異度 = 1.5%の偽陰性と 5.8%の擬陽性
83.2%の特異度で100%の感度 = 0%の偽陰性と16.8%の擬陽性
無症候者にスクリーニングすると16.8%も「あなたはコロナです」という誤判定が出て確定診断枠を圧迫する
有症状者に適用すると1.5%はすり抜ける
無症候者のうち陽性者は100%捕捉出来ているので「感度100%」
しかしデータが2500件しかないので実際は1/2500 = 0.04%前後の誤差があり感度は99.96%程度の可能性がある
99.96%の条件でこのAIを使って1億人を検査すると400万人のすり抜けと1680