แม่แบบ:SensSpecPPVNPV

ตัวอย่างใส่ตัวเลขสำหรับการทดสอบวินิจฉัยที่มีความไว 67% และความจำเพาะ 91% เมื่อทดสอบกับบุคคล 2,030 คนเพื่อตรวจหาโรคที่มีความชุกในกลุ่มประชากรที่ 1.48%

		คนไข้ที่มีมะเร็งลำไส้ ดังที่ยืนยันโดย การส่องกล้อง (endoscopy)
		มีโรคจริง	ไม่มีโรค
ผลการ ตรวจเลือด ในอุจจาระ	ผล บวก	ผลบวกจริง (TP) = 20	ผลบวกปลอม (FP) = 180	ค่าทำนายเมื่อผล เป็นบวก (PPV) = TP / (TP + FP) = 20 / (20 + 180) = 10%
	ผล ลบ	ผลลบปลอม (FN) = 10	ผลลบจริง (TN) = 1820	ค่าทำนายเมื่อผล เป็นลบ (NPV) = TN / (FN + TN) = 1820 / (10 + 1820) ≈ 99.5%
		ความไว = TP / (TP + FN) = 20 / (20 + 10) ≈ 67%	ความจำเพาะ = TN / (FP + TN) = 1820 / (180 + 1820) = 91%

การคำนวณที่เกี่ยวข้อง

• False positive rate (α) = type I error = 1 − specificity = FP / (FP + TN) = 180 / (180 + 1820) = 9%
• False negative rate (β) = type II error = 1 − sensitivity = FN / (TP + FN) = 10 / (20 + 10) = 33%
• Power = sensitivity = 1 − β
• Likelihood ratio positive = sensitivity / (1 − specificity) = 0.67 / (1 − 0.91) = 7.4
• Likelihood ratio negative = (1 − sensitivity) / specificity = (1 − 0.67) / 0.91 = 0.37

เพราะมีผลบวกปลอมจำนวนมาก และผลลบปลอมจำนวนน้อย ดังนั้น การตรวจคัดกรองที่แสดงผลบวกอย่างเดียวจะไม่สามารถยืนยันว่ามีโรคได้ดี (PPV = 10%) และจึงต้องตรวจสอบเพิ่มขึ้น แต่ว่า มันก็ยังสามารถระบุคนที่มีโรคจริง ๆ ได้ถึง 66.7% (ซึ่งเป็นค่าความไว) ถึงอย่างนั้น ถ้าผลเป็นลบ มันดีมากที่จะยืนยันว่าคนไข้ไม่มีโรค (NPV = 99.5%) และการตรวจคัดกรองในเบื้องต้นที่ได้ผลลบจะระบุคน 91% ที่ไม่มีโรคได้อย่างถูกต้อง (ซึ่งเป็นค่าความจำเพาะ)

Note: This template is used as a portion of the articles on sensitivity, specificity, likelihood ratios in diagnostic testing, etc. See those articles for additional citations.