為了評價篩工具的表現，會利用許多數值結果來判斷
以下列出相關數據名詞代表的意義
┌─────┬─────┐
│ 生病 │ 健康 │
┌───┼─────┼─────┼───┐
│ 陽性 │ A (真陽) │ B (偽陽) │ A+B │
├───┼─────┼─────┼───┤
│ 陰性 │ C (偽陰) │ D (真陰) │ C+D │
└───┼─────┼─────┼───┘
│ A+C │ B+D │
└─────┴─────┘
＊ 靈敏度 Sensitivity，Sn (真陽性率)
-> A／A+C
-> 辨識真正患病者的能力，數值越高越好
＊ 特異度 Specificity，Sp (真陰性率)
-> D／B+D
-> 辨識真正健康者的能力，數值越高越好
＊ 偽陰性率 false negative rate，Fpr (漏診率)
-> C／A+C 或 1-靈敏度
-> 漏掉真正患病者的比例，數值越低越好
＊ 偽陽性率 false positive rate，Fnr (誤診率)
-> B／B+D 或 1-特異度
-> 誤診真正健康者的比例，數值越低越好
＊ 陽性預測值 Positive Predictive Value，PPV
-> A／A+B
-> 陽性者之中真正患病的比例，數值越高表示檢驗陽性的正確率越高
〈注意!〉
-> 患者數越多(盛行率高)，A值會越大，PPV值也會越大，檢驗陽性的正確率會越高
-> 患者數越少(盛行率低)，A值會越小，PPV值也會越小，檢驗陽性的正確率會越低
＊ 正確率 Accuracy
-> A+D／A+B+C+D
-> 在所有人中找出真正患病及健康者的比例，數值率越高表示越準確