Differenza tra falso positivo e negativo con esempi

MEDICINA ONLINE LABORATORIO MICROSCOPIO ANATOMO PATOLOGO AGO ASPIRATO BIOPSIA CHIRURGICA CITOLOGIA ISTOLOGIA ESAME ISTOLOGICO LINFONODO LAB CHIMICA FISICA SANGUE ANALISI FECI URINA GLICEMIA AZOTEMIA DENSITA CHEMISTRYFalso positivo

Con “falso positivo“, analogo all’errore di primo tipo, in statistica si indica un risultato di un test che porta erroneamente ad accettare l’ipotesi sulla quale esso è stato condotto. Semplificando: quando siamo di fronte ad una decisione predittiva binaria di “vero o falso”, un falso positivo indica che è stato erroneamente segnalato come positivo al test (cioè VERO) qualcosa che in realtà è negativo (cioè NON vero, o falso).

Falso negativo

Con “falso negativo“, analogo all’errore di secondo tipo, in statistica si indica un risultato di un test che porta erroneamente a rifiutare l’ipotesi sulla quale esso è stato condotto. Semplificando: quando siamo di fronte ad una decisione predittiva binaria di “vero o falso”, un falso negativo indica che è stato erroneamente segnalato come negativo al test (cioè falso, NON vero) qualcosa che in realtà è positivo (cioè VERO).

Falsi negativi e falsi positivi in medicina

Falsi negativi e falsi positivi risultano estremamente importante in ambito medico, specie diagnostico e di screening:

  • falso positivo: un test fornisce un risultato negativo (assenza di malattia o condizione) ma in realtà è positivo (presenza di malattia o condizione). Ad esempio un test di gravidanza falsamente positivo indica la presenza di gravidanza quando invece nella realtà la gravidanza NON sia presente;
  • falso negativo: un test fornisce un risultato positivo (presenza di malattia o condizione) ma in realtà è negativo (assenza di malattia o condizione). Ad esempio un test di gravidanza falsamente negativo indica l’assenza di gravidanza quando invece nella realtà la gravidanza E’ presente;

Sia falsi negativi che positivi sono altamente indesiderati in medicina, soprattutto in campo diagnostico quando un dato test si ritiene essere capace di discriminare lo stato di malattia da quello di assenza di malattia, poiché:

  • un falso negativo può fornire un messaggio falsamente rassicurante ai pazienti e ai medici che, pensando che la malattia sia assente (quando invece è presente), NON mettono in atto una serie di accorgimenti, strumenti diagnostici e terapie atte a rilevare e contrastare la malattia. Se ad esempio, estremizzando il concetto, stiamo ricercando un tumore al colon, un test falsamente negativo può impedire ulteriori indagini diagnostiche e – soprattutto – terapie adeguate. Ritardare una diagnosi ed una terapia, in alcune malattie, può fare la differenza tra la vita e la morte del paziente;
  • un falso positivo può fornire un messaggio falsamente allarmante ai pazienti e ai medici che, pensando che la malattia sia presente (quando invece è assente), mettono in atto una serie di accorgimenti, strumenti diagnostici e terapie atte a rilevare e contrastare la malattia, cose che in realtà sarebbero inutili ed evitabili. Se ad esempio, estremizzando il concetto, stiamo ricercando un tumore al colon, un test falsamente positivo può spingere il medico ad eseguire ulteriori indagini diagnostiche che potrebbero essere evitate, come una colonscopia, cioè un esame fastidioso, costoso, rischioso.

Specificità, sensibilità, predittività, significatività

Il “rischio” statistico che un determinato test dia un falso positivo o negativo, viene descritto da “specificità”, “sensibilità”, “predittività” e “significatività”.

La specificità di un test misura la sua capacità di analizzare dei soggetti sani (ipotesi sbagliata), ovvero la frequenza con cui non vengano attribuiti falsi positivi (cioè la capacità del test di individuare come negativi i soggetti sani);

Specificità = Veri negativi / Totale sani = Veri negativi / (Veri negativi + Falsi positivi)

La predittività del test misura invece la validità dei risultati “positivi”, ovvero la frequenza con cui sono veri.

Predittività = Veri positivi / Totale positivi = Veri positivi / (Veri positivi + Falsi positivi)

La sensibilità di un test è la frequenza con la quale il test fornisce risultati corretti su soggetti malati (cioè la capacità del test di individuare come positivi i soggetti realmente malati);.

Sensibilità = Veri positivi / Totale malati = Veri positivi / (Veri positivi + Falsi negativi)

La significatività di un test è la probabilità di commettere un errore di primo tipo quando l’ipotesi H0 è valida, ovvero la probabilità che della popolazione che verifica l’ipotesi venga scelto un campione casuale all’interno della regione di rifiuto.

Per approfondire l’argomento vi consigliamo caldamente di leggere:

Leggi anche:

Lo Staff di Medicina OnLine

Se ti è piaciuto questo articolo e vuoi essere aggiornato sui nostri nuovi post, metti like alla nostra pagina Facebook o unisciti al nostro gruppo Facebook o ancora seguici su Twitter, su Instagram o su Pinterest, grazie!