积极 AI Logo 积极 AI

敏感度、特异度与患病率的可视化演示

敏感度、特异度与患病率的可视化演示
几何画板及绘图内容加载中，请稍等……
2020-04-07 14:20
多边形函数概率统计几何作图滑块动画
① 本范例通过GeoGebra动态几何工具，直观展示了在给定患病率条件下，诊断试验的敏感度（真阳性率）与特异度（真阴性率）如何影响预测值，并呈现了真阳性、假阴性、真阴性、假阳性四类人群的矩形面积关系。② 核心数学概念包括条件概率、贝叶斯定理、阳性预测值（PPV）与阴性预测值（NPV），以及敏感度、特异度、患病率之间的相互制约关系。③ 作图要点：利用GeoGebra的Point、OrthogonalLine、Intersect、Segment、Polygon等命令构造了患病率线（PrevalenceLine）、敏感度线（SensitivityLine）、特异度线（SpecificityLine）以及真阳性矩形（TruePositiveRect）和真阴性矩形（TrueNegativeRect），并通过滑块（如c,d,e,f,h等）动态调节参数，实现交互式探索。④ 适合高中及以上学段学习概率统计或医学统计的学生，也可用于医学教育中诊断试验性能的直观教学，帮助理解敏感度与特异度权衡及患病率对预测值的影响。

GeoGebra 命令及参数

  1. Point(Segment[C_{10}, C_{11}]) → Sp_1
  2. Point(Segment[C_{00}, C_{01}]) → Sn_0
  3. Point(Segment[C_{00}, C_{10}]) → P_0
  4. OrthogonalLine(P_0, xAxis) → PrevalenceLine
  5. Intersect(PrevalenceLine, y = 1) → P_1
  6. Segment((0, Sensitivity), (Prevalence, Sensitivity)) → SensitivityLine
  7. Segment((Prevalence, Specificity), (1, Specificity)) → SpecificityLine
  8. Polygon(C_{00}, P_0, PSn, Sn_0) → TruePositiveRect, j, k, l, m
  9. Polygon(PSp, P_0, C_{10}, Sp_1) → TrueNegativeRect, e_1, f_1, g_1, h_1
  10. Polygon(C_{01}, Sn_0, PSn, P_1) → FalseNegativeRect, i, n, p, q
  11. Polygon(C_{11}, Sp_1, PSp, P_1) → FalsePositiveRect, c_{11}, sp_1, psp, p_1

AI 绘图提示语参考

绘制一个动态显示敏感性、特异性和患病率之间关系的图形。首先画出患病率线，然后根据患病率确定敏感性线和特异度线。接着，使用矩形表示真阳性、真阴性、假阴性和假阳性区域。通过调整滑块改变这些区域的大小，观察患病率变化对诊断测试性能的影响。
以上提示语为根据原始绘图命令整理而来，仅供参考。