Video appunto: Specificità, prevalenza, valori predittivi e teorema di Bayes
Specificità: specificità=d/(b+d), ossia la probabilità che il test sia negativo nei sani.
Prevalenza: prevalenza=(a+c)/(a+b+c+d), ossia il numero di malati sul totale.
Valore predittivo dei positivi: V(+)=a/(a+b), ossia il numero di malati con il test positivo.
Valore predittivo dei negativi: V(-)=d/(c+d), ossia il numero di sani con il test negativo.

Rapporto di verosimiglianza per esito positivo: L(+)=sensibilità/(1-specificità), se questo valore è maggiore di 5, un test positivo consente di confermare la malattia con una buona confidenza.
Rapporto di verosimiglianza per esito negativo: L(+)=(1-sensibilità)/specificità, se questo valore è minore di 0.2, un test negativo consente di escludere la malattia con una buona confidenza.
Teorema di Bayes: P(A_1 sia causa di B)=(P(B│A_1 )P(A_1))/(P(B)), permette di conoscere la probabilità che un evento sia dovuto ad un particolare causa.
Kappa di concordanza: se esiste un riferimento aureo si utilizzano sensibilità e specificità contro il gold standard, altrimenti si utilizza la kappa di concordanza.
Misura di concordanza osservata: P_0=(a+d)/N, dove N è a+b+c+d.
Misura di concordanza osservata per effetto del caso: P_exp=(a_exp+d_exp)/N, dove a_exp=((a+b)(a+c))/N e d_exp=((c+d)(b+d))/N. Un valore atteso si calcola infatti dividendo il prodotto del totale di riga e di colonna per il totale.