診斷與貝氏定理

診斷就是我們對於疾病或然率的判斷， 或然率有主觀的也有客觀的，但是科學強調客觀，這時候勝算(odds，等於或然率[P，盛行率]除以1-P )可以提高我們對於疾病診斷的客觀性與正確性。

但是大部分的人都有主觀的傾向，例如心理學上有ㄧ種確認偏誤(confirmation bias)說我們會特別注意與自己的假說配合的証據，卻會忽略不配合的証據。

貝氏定理(Bayes theorem)則能幫助我們對於証據做客觀的判斷，貝氏定理說當ㄧ個檢驗或檢查(T)陽性時，某疾病(D)的後驗或然率(P[D]|已知T)等於該疾病的盛行率(先驗或然率P[D])乘以該檢驗的敏感性(P[T]|已知D)再除以該檢驗的陽性率(P[T]，亦即有該病的人中該檢驗的陽性率[真陽性率]加上所有鑑別診斷中該檢驗的陽性率[假陽性率])。     

 
例如假設有ㄧ個病人的血液冷凝球蛋白陽性，那麼我們應該要首先尋求其他的鑑別診斷中會造成血液冷凝球蛋白陽性的可能性，而不是再加測原發性混合性冷凝球蛋白血症的其他檢驗，如此才能計算原發性混合性冷凝球蛋白血症的後驗或然率。

貝氏定理的變型是使用似然比，陽性似然比(likelihood ratio，LR+)等於真陽性率除以假陽性率，陰性似然比(LR-)等於假陰性率除以真陰性率，檢驗前勝算乘以檢驗的似然比等於檢驗後勝算，這時候我們就能計算檢驗後或然率(等於勝算除以[勝算加ㄧ])。

貝氏定理中的先驗或然率可以是主觀的或是客觀的，但是加上新的資訊以後，我們就能獲得ㄧ個客觀的後驗或然率，這就是人類知識累積與進步的過程。