Positiv prädiktiver Wert

Die Artikel Positiver Vorhersagewert und Recall und Precision überschneiden sich thematisch. Hilf mit, die Artikel besser voneinander abzugrenzen oder zu vereinigen. Beteilige dich dazu an der Diskussion über diese Überschneidungen. Bitte entferne diesen Baustein erst nach vollständiger Abarbeitung der Redundanz. zeno 10:46, 2. Feb. 2008 (CET)

In der Statistik bezeichnet der positive Vorhersagewert (auch Relevanz oder Wirksamkeit) eines statistischen Tests oder einer anderen Klassifizierung die Wahrscheinlichkeit, dass ein positives Test-Ergebnis auch tatsächlich auf einem positiven Ergebnis beruht. Sie gibt also den Anteil der richtig als positiv (richtig positiv) erkannten Ergebnisse an der Gesamtheit der als positiv erkannten Ergebnisse an.

Synome sind unter anderem: positiver prädiktiver Wert; englisch: precision oder positive predictive value, Abkürzung PPV. Vor allem die Abkürzung PPV wird häufig verwendet.

Die Relevanz entspricht der bedingten Wahrscheinlichkeit

${P(\mathrm{richtig\ positiv\ erkannt}|\mathrm{positiv\ erkannt})}=\frac{\mathrm{Anzahl\ der\ richtig\ positiven}}{\mathrm{Anzahl\ der\ richtig\ positiven}+\mathrm{Anzahl\ der\ falsch\ positiven}}.$

Beispielsweise gibt der positive Vorhersagwert eines medizinischen Untersuchungsverfahrens zur Erkennung einer Krankheit an, wie viele Personen, bei denen die Krankheit mittels des betreffenden Verfahrens festgestellt wurde, auch tatsächlich krank sind.

Es ist unbedingt zu beachten, dass der PPV in einem gegebenen Kollektiv (z. B. Gesamtbevölkerung) nur dann Gültigkeit besitzt, wenn die Prävalenz der betreffenden Erkrankung im diesem Kollektiv mit der Prävalenz in jenem Kollektiv, in dem der PPV erhoben wurde, übereinstimmt. Beispiel: Wurden zur Bestimmung des PPV 100 HIV-Patienten und 100 gesunde Kontrollpatienten untersucht, so entspricht dies nicht der tatsächlichen Prävalenz von HIV in der Gesamtbevölkerung. Die Angabe des in einem solchen, selektiven Kollektiv erhobenen PPV-Wertes ist nicht zulässig und irreführend. In solchen Fällen ist es sinnvoll, die likelihood ratio (LR) (positive LR = Sensitivität/[1-Spezifität]; negative LR = [1-Sensitivität]/Spezifität) anzugeben (nicht zu verwechseln mit dem Likelihood-Quotienten-Test). Weitere Kennwerte zur Beurteilung eines Klassifikators sind die Sensitivität, Spezifität, der negative Vorhersagewert (auch Segreganz), die Korrektklassifikationsrate sowie die Falschklassifikationsrate.

Siehe auch

Beurteilung eines Klassifikators

Vierfeldertafel