陳建仁昨天以「失真的調查：從假陽性個案談起」為題發文，談到近期彰化縣展開COVID-19的血清流行病學調查，以瞭解縣民感染COVID-19的盛行率。陳建仁說，該調查採集受檢個案的血液檢體，進行COVID-19抗體的檢驗，判定每名個案是否陽性，來估計彰化縣民的抗體陽性盛行率。但是，血清流行病學調查的正確性，決定於：1、檢驗方法的敏感度和特異度；2、檢驗抗體陽性的盛行率；3、受檢個案的代表性。
接著陳建仁一一說明3項因素可能涉及的問題， 並以2張圖表解釋。 以下為臉書全文：
檢驗方法的敏感度（Sensitivity）是指真正得到感染的人，有多少百分比呈現陽性；特異度（Specificity）是指真正沒有得到感染的人，有多少百分比呈現陰性。假陽性率是指真正沒有得到感染的人，有多少百分比呈現陽性，也就是1-specificity。假陰性率是指真正得到感染的人，有多少百分比呈現陰性，也就是1-sensitivity。血清流行病學調查所得到的檢測陽性盛行率，受到真正陽性率的高低，以及敏感度和特異度的高低的影響。一般而言，敏感度越低、特異度越低、盛行率越低，調查估計出來的檢測盛行率也越嚴重失真。
我們舉例檢測5萬人的調查來看，如表1所示，如果敏感度和特異度都是99％，在每萬人盛行率分別是「1，10，100」的3種狀況下，真正感染人數分別是「5，50，500人」；真正未感染人數分別是「49995，49950，49500人」。由於敏感度是99％，所以在3種狀況下，真正感染檢測呈陽性人數分別是「5，50，495人」。由於特異度是99％，也就是真正未感染的人會有1％呈假陽性，所以在3種狀況下，假陽性人數分別是「500，500，495人」。
因此，利用陽性人數（無法分辨真假）來估計3種狀況下每萬人檢測盛行率，分別是 「101，110，198」。也就是說，檢測盛行率高估倍數（g欄）竟高達到「101倍，11倍，2倍」。換句話說，盛行率越低，錯誤高估盛行率的失真現象越嚴重。
另外，如表2所示，如果真正盛行率是千分之1，敏感度是99％，在檢驗特異度分別是「90％，99％，99.9％」的3種狀況下，檢測真陽性人數都是50人；但是檢測假陽性人數分別是「4995，500，50人」。因此這3種狀況下的每萬人檢測盛行率，分別「1009，110，20」。換句話說，檢測盛行率高估倍數也高達到「101，11倍，2倍」。換句話說，特異度越低，錯誤高估盛行率的失真現象越嚴重。
從以上的例子可以看出，盛行率調查研究的特異度越低或真正盛行率越低，檢測盛行率也就越容易被高估，也越會失真！雖然研究者可以利用敏感度和特異度來進行調整，推算出真正盛行率［真正盛行率＝（檢測盛行率＋特異度－1）／（敏感度＋特異度－1）］！但是，除非利用更特異的方法再做確認，否則調查者必須告訴每個陽性個案，他真正感染的機率只有50％，10％或1％。
同樣的，在入境旅客的抗原篩檢策略上，如果盛行率相當低而特異度無法提升到非常高的情況下，進行普篩而非精篩，也需要注意假陽性的問題。
（取自陳建仁 Chen Chien-Jen臉書）
