更正啟示：當初內文有個小數點寫錯，還有措辭不精準，已更正，我只是隨便寫寫，沒想到被轉載了，那就要寫清楚一點，謝謝大家的意見，感激不盡）

科普小文

聽說高雄市醫護要普篩。

不討論政治意義，我們就從大家都學過的貝氏定理談起。

首先要認知到一件事，檢驗不是百發百中，有時候有病的會驗成沒病，沒病的驗成有病，假設試劑準確率是誇張的99%，這表示你驗一百個健康人，有一人的結果是錯的（沒病被當成有病、有病當成沒病）。

台灣截至今天已經驗了59,026件，確診人數427，確診率0.7%。

好，我們悲觀來推導，假設台灣真實患病率高出一倍，就是1.4%，試劑準確的不得了，高達99%，如果普篩，會發生什麼事?

請見下圖 (我懶的用寫的)，根據貝氏定理，驗出陽性而且他真的有病的機率只有58.43%，意思是，驗出陽性，但其實沒病的機率是41.57%。

這還是試劑準確率高達99%，其實真實的試劑大概只有六七成 (60-70%)準確度。把試劑準確度調成60%再去計算，會得到驗出陽性而且他真的有病的機率是2%.......

你說多驗幾次，好喔，驗三次，準確率99%，三次都驗錯的機率是 (0.4157)^3=7.18%

2000個三次都驗出陽性的人當中，會有144個人是實際上沒有得病，但卻會被抓去隔離（2000*7.18%=144），這會占用醫療資源。佔用就罷了，料敵從寬，從另一個角度想，會有三次都驗出陰性但其實有患病的人喔，即使都驗了三次，這些人還是存在，他們會很放心的到處趴趴走，即使他跟確診者住一起，因為是國家試劑認證的沒病。

普篩不是萬靈丹，數學可以證明。請大家學以致用。

（註）以上計算是假設各次測試之間的結果彼此獨立，但實際上若真的有病，驗三次每次的測試結果之間應有相關，至於如何相關，本人非醫療專業，就不清楚了，在有相關的情形下，計算結果會有差異。）