Calcolatore di probabilità post-test

Ogni probabilità di ingresso deve stare nell'intervallo chiuso da zero a uno; i valori fuori da tale fascia falliscono con invalid_input invece di essere compressi in silenzio. Le chiamate API riuscite costano $0.002.

Contratto di ingresso, forma della risposta e probabilità respinte

Controllo classico: probabilità pre-test 0.01, sensibilità 0.9, specificità 0.95 e un esito positivo producono una probabilità post-test di circa 0.154, l'avvertimento d'aula secondo cui uno screening con 90% di sensibilità e 95% di specificità solleva a stento una prevalenza dell'1% verso il 15%. La convalida fallita non viene fatturata. Invii un corpo JSON con quattro campi obbligatori. Il campo pretest_probability è la chance pre-test di malattia nell'intervallo chiuso da zero a uno; sono accettati gli alias pre_test_probability, pretest, prevalence, prior e p. Il campo sensitivity è il tasso di veri positivi nello stesso intervallo; gli alias sens, true_positive_rate e tpr vi corrispondono. Il campo specificity è il tasso di veri negativi; gli alias spec, true_negative_rate e tnr funzionano in modo intercambiabile. Il campo test_result deve essere il valore di enumerazione positive o negative; sono accettati gli alias result e outcome, nonché alcune scorciatoie d'aula come pos, neg, plus e minus. Ogni probabilità può arrivare come numero JSON o come stringa decimale ritagliata, notazione scientifica compresa per prevalenze minuscole. Campi assenti, stringhe vuote, valori non finiti e qualsiasi numero fuori dall'intervallo unitario falliscono con invalid_input nominando il campo: una probabilità di 1.5 o di −0.05 viene respinta invece di essere compressa, così una percentuale mai divisa per cento non può diventare in silenzio un posteriore insensato. In caso di successo il corpo ripete le tre probabilità normalizzate e il test_result canonico, restituisce post_test_probability arrotondato a dodici decimali per goldens stabili, include likelihood_ratio quando quel rapporto è finito e riformula l'identità diagnostica di Bayes in formula. Il prezzo è un $0.002 fisso per richiesta riuscita con unità item.

Dove un calcolatore di probabilità post-test giustifica il proprio posto

I corsi di medicina basata sulle prove usano un calcolatore di probabilità post-test perché chi impara veda come la prevalenza, e non solo l'accuratezza dichiarata, guida la chance di malattia dopo uno screening. Non confonda questa pagina con una di teorema di Bayes generale che accetta un tasso di falsi positivi e nessun esito osservato, né con una di valore predittivo positivo che non tratta mai un saggio negativo: qui l'intento di ricerca è il posteriore clinico dopo un esito diagnostico noto. Tenga le richieste piccole, fissi il posteriore arrotondato nei test e otterrà probabilità post-test riproducibili per i compiti, i plugin LMS e i worker di bordo senza erigere un'infrastruttura di algebra simbolica propria. Converta sempre le percentuali nell'intervallo unitario prima di chiamare, e tratti il rapporto di verosimiglianza restituito come didascalia accanto alla probabilità così il lettore vede il moltiplicatore delle quote e la chance finale di malattia. Le piattaforme di tutoraggio e i generatori di esami hanno bisogno di un oracolo deterministico che segni come invalid_input una percentuale digitata come novanta invece di 0.9, invece di restituire in silenzio un posteriore che nessuno spazio di probabilità può realizzare. Le note dei programmi di screening e i club di lettura citano spesso il posteriore dopo una mammografia, una troponina o un antigene rapido positivi a partire da sensibilità, specificità e prevalenza locale pubblicate; chiamare un piccolo endpoint parse evita di trascinare un pacchetto statistico completo per quattro numeri. Poiché l'implementazione è parse di livello A, ogni chiamata riuscita costa il $0.002 pubblicato, senza token di modello e senza rete in uscita.