一位女性受檢者乳房攝影有異常的發現，文獻上已知女性得到乳癌的基礎風險(baseline risk)是1％，乳房攝影的敏感度(sensitivity)是90％，特異性(specificity)是91％，根據乳癌發生率及乳房攝影的結果，其得到乳癌的機率約為？

本題觀念：

探討使用貝氏定理(Bayes’ theorem)計算篩檢結果的陽性預測值(positive predictive value, PPV)，即在既定的基礎風險(pre-test probability, 1%)、敏感度(sensitivity, 90%)與特異性(specificity, 91%)下，接受乳房攝影異常結果者實際罹患乳癌的機率。

選項分析

• 選項A 1％
  將基礎風險(prevalence)誤解為陽性預測值。敏感度90％表示罹癌者有90％機率測試陽性，並非所有測試陽性者即有90％機率罹癌。陽性預測值受疾病盛行率影響，通常低於敏感度。此混淆常見於對條件機率的誤解(nap.nationalacademies.org)，故1％為錯誤。

• 選項B 9％
  正確應用Bayes公式：
  PPV = (sensitivity × prevalence) ÷ [(sensitivity × prevalence) + (1–specificity) × (1–prevalence)]
  = (0.9 × 0.01) ÷ [(0.9 × 0.01) + (

...（解析預覽）...