Medicina
Na prática da medicina, as diferenças entre as aplicações do rastreio e dos testes são consideráveis.
Rastreio médico
Rastreio envolve testes relativamente baratos que são dados a grandes populações, nenhuma das quais manifesta qualquer indicação clínica de doença (por exemplo, Papanicolau).
Testes envolvem procedimentos muito mais caros, frequentemente invasivos, que são dados apenas àqueles que manifestam alguma indicação clínica de doença, e que são mais frequentemente aplicados para confirmar uma suspeita de diagnóstico.
Por exemplo, a maioria dos estados dos EUA exige que os recém-nascidos sejam submetidos a um rastreio de fenilcetonúria e hipotiroidismo, entre outras doenças congénitas.
Hipótese: “Os recém-nascidos têm fenilcetonúria e hipotiroidismo”
Hipótese nula (H0): “Os recém-nascidos não têm fenilcetonúria e hipotiroidismo”,”
Erro de tipo I (falso positivo): O verdadeiro facto é que os recém-nascidos não têm fenilcetonúria e hipotiroidismo, mas consideramos que têm as perturbações de acordo com os dados.
Erro de Tipo II (falso negativo): O verdadeiro facto é que os recém-nascidos têm fenilcetonúria e hipotiroidismo, mas consideramos que não têm as perturbações de acordo com os dados.
P>Embora apresentem uma elevada taxa de falsos positivos, os testes de rastreio são considerados valiosos porque aumentam grandemente a probabilidade de detectar estas perturbações numa fase muito mais precoce.
Os testes de sangue simples utilizados para rastrear possíveis dadores de sangue para o VIH e hepatite têm uma taxa significativa de falsos positivos; contudo, os médicos utilizam testes muito mais caros e muito mais precisos para determinar se uma pessoa está realmente infectada com qualquer um destes vírus.
Talvez os falsos positivos mais discutidos no rastreio médico sejam provenientes da mamografia do procedimento de rastreio do cancro da mama. A taxa americana de mamografias falso positivas é de até 15%, a mais elevada do mundo. Uma consequência da elevada taxa de falsos positivos nos EUA é que, em qualquer período de 10 anos, metade das mulheres americanas rastreadas recebem uma mamografia falso positiva. As mamografias falso positivas são dispendiosas, com mais de 100 milhões de dólares gastos anualmente nos EUA em testes e tratamentos de seguimento. Provocam também ansiedade desnecessária às mulheres. Como resultado da elevada taxa de falsos positivos nos EUA, 90-95% das mulheres que recebem uma mamografia positiva não têm a condição. A taxa mais baixa do mundo encontra-se nos Países Baixos, 1%. As taxas mais baixas encontram-se geralmente no Norte da Europa, onde os filmes de mamografia são lidos duas vezes e é estabelecido um limiar elevado para testes adicionais (o limiar elevado diminui o poder do teste).
O teste de despistagem da população ideal seria barato, fácil de administrar, e produziria zero falso-negativos, se possível. Tais testes produzem normalmente mais falsos-positivos, que podem ser posteriormente classificados por testes mais sofisticados (e caros).
Testes médicos
Negativos falsos e falsos positivos são questões significativas nos testes médicos.
Hipótese: “Os pacientes têm a doença específica”.
Hipótese nula (H0): “Os pacientes não têm a doença específica”
Erro tipo I (falso positivo): “O verdadeiro facto é que os pacientes não têm uma doença específica, mas os médicos julgam que os pacientes estavam doentes de acordo com os relatórios dos testes”
Falso positivo também pode produzir problemas graves e contra-intuitivos quando a condição que está a ser procurada é rara, como no rastreio. Se um teste tiver uma taxa de falsos positivos de um em cada dez mil, mas apenas um em cada milhão de amostras (ou pessoas) for um verdadeiro positivo, a maioria dos positivos detectados por esse teste serão falsos. A probabilidade de um resultado positivo observado ser um falso positivo pode ser calculada utilizando o teorema de Bayes.
erro de tipo II (falso negativo): “O verdadeiro facto é que a doença está realmente presente mas os relatórios do teste fornecem uma mensagem falsamente tranquilizadora aos pacientes e médicos de que a doença está ausente”
Falso negativo produz problemas graves e contra-intuitivos, especialmente quando a condição que está a ser procurada é comum. Se um teste com uma taxa de falsos negativos de apenas 10% for utilizado para testar uma população com uma taxa de ocorrência verdadeira de 70%, muitos dos negativos detectados pelo teste serão falsos.
Isto por vezes leva a um tratamento inadequado ou inadequado tanto do paciente como da sua doença. Um exemplo comum é confiar em testes de stress cardíaco para detectar aterosclerose coronária, embora se saiba que os testes de stress cardíaco apenas detectam limitações do fluxo sanguíneo da artéria coronária devido à estenose avançada.
Biometria
A correspondência biométrica, tal como para o reconhecimento de impressões digitais, reconhecimento facial ou reconhecimento da íris, é susceptível a erros de tipo I e tipo II.
Hipótese: “A entrada não identifica alguém na lista pesquisada de pessoas”
P> Hipótese nula: “A entrada identifica alguém na lista pesquisada de pessoas”
Erro erro do tipo I (taxa de rejeição falsa): “O verdadeiro facto é que a pessoa é alguém na lista pesquisada mas o sistema conclui que a pessoa não está de acordo com os dados”
Borrão de erro de tipo II (taxa de correspondência falsa): “O verdadeiro facto é que a pessoa não é alguém na lista pesquisada, mas o sistema conclui que a pessoa é alguém que estamos à procura de acordo com os dados.”
A probabilidade de erros de tipo I é chamada “taxa de rejeição falsa” (FRR) ou taxa de não correspondência falsa (FNMR), enquanto a probabilidade de erros de tipo II é chamada “taxa de aceitação falsa” (FAR) ou taxa de correspondência falsa (FMR).
Se o sistema for concebido para raramente corresponder a suspeitos, então a probabilidade de erros de tipo II pode ser chamada de “taxa de alarme falsa”. Por outro lado, se o sistema for utilizado para validação (e a aceitação é a norma) então o FAR é uma medida de segurança do sistema, enquanto que o FRR mede o nível de inconveniência para o utilizador.
Rastreio de segurança
Artigos principais: detecção de explosivos e detector de metais
Falso positivo é rotineiramente encontrado todos os dias no rastreio de segurança do aeroporto, que são, em última análise, sistemas de inspecção visual. Os alarmes de segurança instalados destinam-se a evitar que as armas sejam trazidas para as aeronaves; no entanto, são frequentemente colocados a uma sensibilidade tão elevada que alarmam muitas vezes por dia para artigos menores, tais como chaves, fivelas de cinto, trocos soltos, telemóveis e tachas em sapatos.
Aqui, a hipótese é: “O item é uma arma”
A hipótese nula: “O item não é uma arma”
Erro tipo I (falso positivo): “O verdadeiro facto é que o item não é uma arma mas o sistema ainda alarma”
Erro de tipo II (falso negativo) “O verdadeiro facto é que o item é uma arma mas o sistema mantém o silêncio neste momento.”
A proporção de falsos positivos (identificando um viajante inocente como terrorista) em relação aos verdadeiros positivos (detectando um pretenso terrorista) é, portanto, muito elevada; e porque quase todos os alarmes são falsos positivos, o valor preditivo positivo destes testes de rastreio é muito baixo.
O custo relativo dos falsos resultados determina a probabilidade de os criadores dos testes permitirem que estes eventos ocorram. Como o custo de um falso negativo neste cenário é extremamente elevado (não detectar uma bomba a ser trazida para um avião poderia resultar em centenas de mortes), enquanto o custo de um falso positivo é relativamente baixo (uma inspecção adicional razoavelmente simples) o teste mais apropriado é aquele com uma baixa especificidade estatística mas alta sensibilidade estatística (aquele que permite uma alta taxa de falsos positivos em troca de um mínimo de falsos negativos).
Computadores
As noções de falsos positivos e falsos negativos têm uma grande actualidade no domínio dos computadores e aplicações informáticas, incluindo segurança informática, filtragem de spam, Malware, reconhecimento óptico de caracteres e muitos outros.
Por exemplo, no caso de filtragem de spam a hipótese aqui é que a mensagem é um spam.
Assim, hipótese nula: “A mensagem não é um spam”
Erro de tipo I (falso positivo): “A filtragem de spam ou técnicas de bloqueio de spam classificam erradamente uma mensagem de correio electrónico legítima como spam e, como resultado, interferem com a sua entrega”
Porque a maioria das tácticas anti-spam pode bloquear ou filtrar uma elevada percentagem de emails indesejados, fazê-lo sem criar resultados falso-positivos significativos é uma tarefa muito mais exigente.
Erro tipo II (falso negativo): “O e-mail spam não é detectado como spam, mas é classificado como não-spam”. Um baixo número de falsos negativos é um indicador da eficiência da filtragem do spam.