什麼是敏感度？
敏感度又稱為真陽性率（true positive rate）或召回率（recall），用來衡量一項檢測或分類器辨識真正陽性個案的能力。它回答的問題是：「在所有真正帶有該狀況的人（或樣本）當中，檢測正確標記出來的比例有多少？」敏感度越高，代表被漏掉的陽性個案越少。
如何使用本計算器
請輸入真陽性（TP）的數量──也就是被正確判定為陽性的個案；以及偽陰性（FN）的數量──也就是實際為陽性、卻被錯誤判定為陰性的個案。計算器會同時以小數（0–1）和百分比兩種方式呈現敏感度。
公式說明
敏感度 = TP /（TP + FN）。分母（TP + FN）即為實際陽性個案的總數。將正確抓出的陽性數除以全部真正的陽性數，就能得到檢測成功偵測出的比例。結果介於 0（一個都沒抓到）到 1（全部抓到）之間。
Sensitivity = ((TP) ÷ (TP + FN)) × 100%
範例演算
假設某項篩檢正確辨識出 90 位患病者（TP = 90），但漏掉了 10 位患病者（FN = 10）。敏感度 = 90 /（90 + 10）= 90 / 100 = 0.9，也就是 90%。換句話說，這項檢測抓出了 90% 的真實個案。
Sensitivity = ((90) ÷ (90 + 10)) = ((90) ÷ (100)) = 0.9 = 90%
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
敏感度與召回率是同一回事嗎？
是的──在機器學習領域，召回率（recall）與敏感度（sensitivity）完全相同，皆為 \(\text{TP} / (\text{TP} + \text{FN})\)。
敏感度與特異度有什麼差別？
敏感度衡量的是真陽性率，特異度則衡量真陰性率，即 \(\text{TN} / (\text{TN} + \text{FP})\)。兩者結合起來，便能完整描述一項檢測在陽性與陰性個案上的準確表現。
敏感度多高才算好？
這要視情境而定。針對重大疾病的篩檢通常會追求極高的敏感度（95% 以上），以盡量避免漏診，即使代價是增加偽陽性也在所不惜。