Spesifisyydet

Spesifisyydet ovat mittarin tai testin kyky tunnistaa negatiiviset tulokset oikein niiltä, joille ei ole tutkittavaa tilaa tai ominaisuutta. Spesifisyys lasketaan kaavalla spesifisyys = TN / (TN + FP), jossa TN on todellisesti negatiiviset ja FP on virheellisesti positiiviset tulokset. Mitä suurempi spesifisyys, sitä vähemmän vääriä positiivisia tuloksia testin käytössä.

Spesifisyys liittyy kiinteästi herkkyyteen (sensitiviteettiin), mutta ne mittaavat eri asioita: herkkyys kuvaa kykyä löytää todelliset tapaukset (TP/(TP+FN)), kun taas spesifisyys kuvaa kykyä välttää väärien positiivisten tulosten tekemisen. Näiden välillä on usein haastattelullinen kauppiin liittyvä vaihtelu, ja kynnysten säätö testissä voi vaikuttaa molempiin. ROC-käyrä ja sen alhaalla oleva AUC-kertoimen kuvaavat testin kokonaiskykyä erotteluun eri tilojen välillä.

Esimerkki: Oletetaan 1000 ihmisellä, joista 100 on sairaita. Testin herkkyys on 90 % ja spesifisyys 95 %. Näin TP = 90, FN = 10, TN = 855 ja FP = 45. Tämä tarkoittaa, että 90 todellista sairasta löytyvät oikein, mutta 45 terveellistä johtaa positiiviseen virheeseen. PPV (positiivisen tuloksen tarkkuus) on 90 / (90 + 45) ≈ 66,7 %, ja NPV (negatiivisen tuloksen luotettavuus) on 855 / (855 + 10) ≈ 98,8 %. PPV ja NPV riippuvat tilastollisesta prevalenssista.

Rajoitteet: Spesifisyys ei yksin määritä testin arvoa; se voi vaihdella populaation mukaan ja riippuu käytetystä viitestandardista sekä otosvalinnasta. Spesifisyydet ovat siten osa kokonaisarviointia, jossa tuloksia tulkitaan kontekstissa ja muiden mittareiden kanssa.