燒腦！陳建仁千字文解析爲何不普篩、選精篩：3狀況下易失真
美國返臺少年未出現症狀卻被彰化縣衛生局安排採檢，最終確診新冠肺炎。中央流行疫情指揮中心指揮官陳時中爲此下令政風處調查，引發爭議。對此，前副總統陳建仁昨晚在臉書上爲民衆解釋，專業分析「爲何普篩不可行」，並提出3個狀況下篩檢容易會失真。
陳建仁表示，目前彰化縣所展開的「COVID-19血清流行病學調查」，主要目標是瞭解、估計彰化縣民感染COVID-19的盛行率。但是血清流行病學調查的正確性決定於三點，分別是：檢驗方法的敏感度和特異度、檢驗抗體陽性的盛行率、受檢個案的代表性。
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。陳建仁解釋，特異度(specificity)則是指真正沒有得到感染的人有多少百分比呈現陰性，其中，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」，而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結果，將會受到上述4個數字的影響，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！
陳建仁假設，在一個5萬人的調查中，若篩檢的敏感度和特異度都是99%，在每萬人盛行率分別是1、10、100的三種狀況下，真正感染人數分別是5、50、500人，而真正未感染人數分別是49995、49950、49500人。
因爲敏感度是99%，所以在三種狀況下，真正感染檢測呈陽性人數分別是5、50、495人，再加上特異度是99%，所以在篩檢中會出現1%的假陽性，人數將分別爲500、500、495人。
而若以此結果反推出盛行率，摻入假陽性後計算的結果將會是101、110、198，篩檢高估倍數竟高達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！」
陳建仁進一步指出，如果真正盛行率是千分之1，敏感度是99%，檢驗特異度分別是90%、99%、99.9%的三種狀況下，篩檢出真陽性的人數都會是50人，但是呈現出的假陽性人數將分別出現4995、500、50人，由此可知，篩檢特異度越低，因爲普篩後出現的假陽性數量大，使得普篩後的結果將會因爲嚴重高估盛行率，造成結果失真！
陳建仁表示，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）］；但在現實中，除非利用更特異的方法再做確認，否則在篩檢過後，調查者只能告訴每個受試的陽性個案，「你真正感染的機率只有50%、10%或1%！」不會有確定的答案！
同樣的，陳建仁指出，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！