PPV、NPV — 盛行率如何毀掉陽性預測值
這章讀完，你會：看到「陽性的人裡真的有病」就選 PPV，而不是敏感度。 你也會知道為什麼同一個 Sn/Sp 很漂亮的檢驗，放到低盛行率族群時，陽性結果仍可能大多是假的。
先想 30 秒再往下讀
一個檢驗敏感度 99%、特異度 99%。如果疾病盛行率只有 0.1%，驗陽性的人多半真的有病嗎？先不要算，先猜：陽性可信度會接近 99%，還是會被盛行率拉垮？
PPV：陽性的人裡，真的有病幾個
陽性預測值（positive predictive value, PPV）問的是：檢驗陽性的人裡，有多少比例真的有病。它從檢驗結果出發，所以分母是陽性那一橫列。
PPV = TP / (TP + FP)
考場上先用一句人話翻譯：PPV 問「這個陽性結果能不能信？」所以它不是檢驗對有病者的抓人能力，而是陽性結果交到你手上後，這個人真的有病的機率。
NPV：陰性的人裡，真的沒病幾個
陰性預測值（negative predictive value, NPV）問的是：檢驗陰性的人裡，有多少比例真的沒病。它同樣從檢驗結果出發，所以分母是陰性那一橫列。
NPV = TN / (TN + FN)
臨床對話會長這樣：病人拿著陰性報告問「我真的沒事嗎？」這就是 NPV，不是特異度。特異度問沒病者會不會驗陰；NPV 問陰性者是不是真的沒病。
流病史 · 貝氏定理進診斷學
貝氏定理（Bayes theorem）把「檢驗前你有多可能生病」和「檢驗本身多會分辨」接在一起。放到診斷題，就是 Sn/Sp 再好，也必須乘上盛行率這個事前機率；跟你考試有關的是：PPV/NPV 是事後機率，不是檢驗固有特性。
盛行率低，PPV 會先被假陽性淹沒
PPV 會隨盛行率（prevalence）改變。疾病越少，真正有病的人本來就少；即使偽陽性率很低，沒病人口太大時，FP 仍可能堆出一大群。
PPV = (Sn × prev) / (Sn × prev + (1 - Sp) × (1 - prev))
盛行率下降時，分子 Sn × prev 變小；但分母裡的假陽性項 (1 - Sp) × (1 - prev) 會因沒病人口巨大而變得很有存在感。
把低盛行率想成在一座大型體育場找少數病人。檢驗再準，只要全場大多數人都沒病，少量誤報也會變成一排假陽性；陽性名單裡真正有病的比例就被稀釋。
Sn/Sp vs PPV/NPV — 本站最重要的一張表
| 看這個 | Sn/Sp | PPV/NPV |
|---|---|---|
| 題目已知什麼 | 已知真的有病或真的沒病 | 已知檢驗陽性或陰性 |
| 問的是誰 | 問檢驗：它能不能抓對疾病狀態 | 問這個人：結果出來後到底有沒有病 |
| 公式方向 | 直行 column：TP/(TP+FN)、TN/(TN+FP) | 橫列 row：TP/(TP+FP)、TN/(TN+FN) |
| 會不會隨盛行率變 | 不會，檢驗固有特性 | 會，事後機率會被族群盛行率推動 |
| 題幹訊號 | 「有病者中陽性」「沒病者中陰性」 | 「陽性者中有病」「陰性者中沒病」 |
| 最大陷阱 | 把 Sn 誤當 PPV | 以為高 Sn/Sp 就保證高 PPV |
破題關鍵字
看到「檢查結果為陽性的病人中，確實有病的機率」→ 想 PPV；看到「篩檢陽性後真正得病的比例」→ 想 PPV，不是敏感度；看到「檢查結果為陰性的人真的沒病」→ 想 NPV；看到「Sn/Sp 固定但盛行率不同」→ 想 PPV/NPV 會變；看到「問陽性者沒有病的機率」→ 想 1 - PPV。
千人點陣看 PPV 被盛行率打垮
調整盛行率，觀察同一組 Sn/Sp 下，陽性格子裡真正有病者的比例如何改變。
你剛剛看到了什麼
當盛行率下降，真的有病者變少，假陽性卻來自龐大的沒病族群；所以 PPV 會下跌。Sn/Sp 是檢驗本身的條件比例，PPV 是把檢驗放進某個族群後的結果。
案例檔案 · 低盛行族群的假陽性海嘯
把罕見疾病拿去做全民篩檢時，真正病人非常少；即使每一百個沒病者只誤報一個，因為沒病者太多，陽性名單仍可能充滿假陽性。全民 HIV 篩檢或罕病篩檢的政策討論，都繞不開這個問題。一句教訓：低盛行率不是小細節，它會直接把 PPV 拉低。
大家都搞錯
「99% 準」不等於「陽性後 99% 有病」。考試會給很高的 Sn/Sp，再把疾病放到低盛行率族群，問你陽性者沒有病的機率；正確做法是算 PPV 或 1 - PPV，不是背一句檢驗很準就結束。
國考考過長這樣
「篩檢陽性者真正有病的比例稱為敏感度」是最不適當的敘述。
逐句解碼：「陽性者真正有病」就是 TP/(TP+FP)，答案是 PPV。把它叫敏感度，是把橫列和直行互換。
愛滋篩檢 Sn=82%、Sp=93%、盛行率 3%，篩檢陽性者「沒有」愛滋的機率？答案約 0.73。
逐句解碼：題目問陽性者沒有病，這是 1 - PPV。PPV = (0.82×0.03) / [(0.82×0.03)+(0.07×0.97)] ≈ 0.27，所以沒有病的機率 ≈ 0.73。
Sn=Sp=90%，對 60 歲男女 PPV 不同，主因為冠心病盛行率不同。
逐句解碼：題目故意固定 Sn/Sp，排除檢驗本身差異；PPV 仍不同，只能從族群盛行率解釋。這是本章最核心的「盛行率毀掉 PPV」概念。
你來當審稿人
某報告寫道：「此癌症篩檢 Sn=98%、Sp=98%，因此在低風險族群中，篩檢陽性者約 98% 真的罹癌，可安心作為全民篩檢。」
我挑好毛病了，看解答
坑一：Sn/Sp 不能直接當 PPV。坑二：低風險族群盛行率低，PPV 可能被假陽性大幅拉低。正確說法應先帶入盛行率，計算 PPV，再討論陽性後追加確認與篩檢政策。
還記得嗎 · CH 11
CH11 的 Sn/Sp 是直行、問檢驗；CH12 的 PPV/NPV 是橫列、問結果出來後這個人。10 秒小題：TP/(TP+FP) 是 Sn 還是 PPV？
看答案
PPV。分母 TP+FP 是所有檢驗陽性者，不是所有真的有病者。