112-1 家庭醫學 考古題詳解

### 影像判讀 圖片中呈現的是四個不同的2x2列聯表（contingency table），用於評估診斷性篩檢工具的效能。 - 每個表格的左上角是真陽性 (True Positive, TP)，右上角是假陽性 (False Positive, FP)。 - 左下角是假陰性 (False Negative, FN)，右下角是真陰性 (True Negative, TN)。 - 題目要求選擇「假陽性較低」的篩檢，這直接關聯到篩檢的「特異度」（Specificity）。特異度越高，假陽性率越低。 - 特異度的計算公式為：真陰性 / (假陽性 + 真陰性) = TN / (FP + TN)。 - 透過計算，選項B的特異度為 850 / (50 + 850) = 850 / 900 ≈ 94.4%，是所有選項中最高的。這表示在沒有疾病的人群中，此篩檢最能正確判斷其為陰性，從而產生最少的假陽性結果。 ### 核心知識 - **篩檢工具的評估指標**：診斷性篩檢工具的效能通常用敏感度 (Sensitivity)、特異度 (Specificity)、陽性預測值 (Positive Predictive Value, PPV) 和陰性預測值 (Negative Predictive Value, NPV) 來衡量。 - **特異度 (Specificity)**：指在沒有疾病的人群中，篩檢結果為陰性的比例。高特異度意味著假陽性率低，能減少將健康人誤診為病患的情況。 - **假陽性 (False Positive)**：篩檢結果為陽性，但實際上沒有疾病的人。 - **低盛行率疾病的篩檢策略**：對於盛行率低的疾病進行社區篩檢時，選擇高特異度的篩檢工具至關重要。這是因為即使篩檢的敏感度很高，如果特異度不夠高，在大量健康人群中仍會產生相當數量的假陽性結果。這些假陽性結果會導致不必要的焦慮、進一步的診斷性檢查（可能具侵入性且昂貴），並增加醫療資源的負擔。 - **陽性預測值 (PPV)**：指篩檢結果為陽性的人群中，真正患有疾病的比例。對於低盛行率疾病，即使特異度很高，PPV仍可能相對較低，因為分母中的假陽性數量在總陽性結果中佔比較大。然而，高特異度是維持合理PPV的基礎。