为了评价筛工具的表现，会利用许多数值结果来判断
以下列出相关数据名词代表的意义
┌─────┬─────┐
│ 生病 │ 健康 │
┌───┼─────┼─────┼───┐
│ 阳性 │ A (真阳) │ B (伪阳) │ A+B │
├───┼─────┼─────┼───┤
│ 阴性 │ C (伪阴) │ D (真阴) │ C+D │
└───┼─────┼─────┼───┘
│ A+C │ B+D │
└─────┴─────┘
＊ 灵敏度 Sensitivity，Sn (真阳性率)
-> A／A+C
-> 辨识真正患病者的能力，数值越高越好
＊ 特异度 Specificity，Sp (真阴性率)
-> D／B+D
-> 辨识真正健康者的能力，数值越高越好
＊ 伪阴性率 false negative rate，Fpr (漏诊率)
-> C／A+C 或 1-灵敏度
-> 漏掉真正患病者的比例，数值越低越好
＊ 伪阳性率 false positive rate，Fnr (误诊率)
-> B／B+D 或 1-特异度
-> 误诊真正健康者的比例，数值越低越好
＊ 阳性预测值 Positive Predictive Value，PPV
-> A／A+B
-> 阳性者之中真正患病的比例，数值越高表示检验阳性的正确率越高
〈注意!〉
-> 患者数越多(盛行率高)，A值会越大，PPV值也会越大，检验阳性的正确率会越高
-> 患者数越少(盛行率低)，A值会越小，PPV值也会越小，检验阳性的正确率会越低
＊ 正确率 Accuracy
-> A+D／A+B+C+D
-> 在所有人中找出真正患病及健康者的比例，数值率越高表示越准确