名詞解釋和概念推導
敏感度（sensitivity）要回答的是：有病的人中，有多少被正確的檢驗出來（+）?
與其相對的
特異度（Specificity）要回答的是：沒病的人中，有多少被正確的檢驗出（-）？
所以這兩個基本上都是在看一個檢查的正確性，只是看的角度不一樣。
由這兩個數值，我們可以評估一個檢查準不準確，以及他可能的侷限在哪裡。
但這是在實驗室裡，你可以先知道他有沒有病，再來看檢查對不對。
但是在真實世界應用上，我們是反過來，先知道檢查的結果，再來想他到底有沒有病？
所以這就會用到“陽性預測率” Positive Predictive Value，簡稱PPV
而陽性預測率要回答的問題就是...
檢查結果是陽性的狀況下，該人真的有患病的機率是多少？
思路很單純，就是
這就是陽性預測率的概念，知道推導過程就不用背公式啦！
從公式中也可以發現，(1)健康的人數越多，以及(2)錯誤檢驗出陽性的機率（偽陽性）越大
都會大大的稀釋你的分母，造成你的陽性預測率低到不堪使用的程度
完全明白這個觀念後，你可以再回頭到上面去玩玩計算機，應該會更有感覺～