বিনামূল্যে এবং তাৎক্ষণিক — কোনো রেজিস্ট্রেশনের প্রয়োজন নেই

Likelihood Ratio Calculator

The Likelihood Ratio Calculator computes positive likelihood ratio (LR+) and negative likelihood ratio (LR-) from a diagnostic test's sensitivity and specificity. Evaluate how much a test result shifts the probability of disease for evidence-based clinical decisions.

Likelihood Ratio Calculator — অনুপাতের রিয়েল-টাইম লাইভ প্রিভিউ
Likelihood Ratios
—
A
B
⚖️
Proportion Solver
A : B = C : D — Enter any 3 values
:
=
:
📊
Results
Visual ratio breakdown
Solved Proportion
—
Simplified
—
Percentages
—
Decimal
—
Fraction
—
Visual Ratio
A
B
Part A: —
Part B: —
    ✨
    Ratio Simplifier
    Reduce any ratio to its simplest form
    :
    📊
    Simplified Result
    Reduced to lowest terms
    Simplified Ratio
    —
    GCD Used
    —
    Percentages
    —
    Decimal Ratio
    —
    Fraction
    —
    Visual Ratio
    A
    B
    Part A: —
    Part B: —
      📐
      Ratio Scaler
      Multiply a ratio by a scale factor
      :
      ×
      📊
      Scaled Result
      Ratio after scaling
      Scaled Ratio
      —
      Original
      —
      Factor
      —
      Percentages
      —
      Simplified
      —
      Visual Ratio
      A
      B

        🕐 Recent Calculations

        📭
        No calculations yet. Start computing above!

        What is a Likelihood Ratio?

        A likelihood ratio quantifies how much a test result changes the probability of having a condition. The positive likelihood ratio (LR+) measures how much a positive test increases disease probability. The negative likelihood ratio (LR-) measures how much a negative test decreases it. LR+ above 10 or LR- below 0.1 are considered strong evidence.

        Likelihood ratios combine sensitivity and specificity into a single metric that is independent of disease prevalence. Clinicians use LRs with pre-test probability (Bayesian reasoning) to calculate post-test probability, making them more useful than sensitivity/specificity alone for clinical decision-making.

        ব্যবহৃত সূত্র ও সমীকরণ

        এই Likelihood Ratio Calculatorটি ৫টি মূল সমীকরণ ব্যবহার করে:

        1 Positive Likelihood Ratio ▼
        LR+ = Sensitivity / (1 - Specificity)

        Sensitivity 95%, Specificity 90%: LR+ = 0.95 / (1 - 0.90) = 0.95 / 0.10 = 9.5.

        2 Negative Likelihood Ratio ▼
        LR- = (1 - Sensitivity) / Specificity

        Sensitivity 95%, Specificity 90%: LR- = (1-0.95) / 0.90 = 0.05 / 0.90 = 0.056.

        3 Post-Test Odds (Fagan Nomogram) ▼
        Post-Test Odds = Pre-Test Odds × Likelihood Ratio

        Pre-test probability 20% → odds = 0.25. LR+ = 9.5 → Post-test odds = 0.25 × 9.5 = 2.375 → probability = 70.4%.

        এই ক্যালকুলেটরটি কীভাবে ব্যবহার করবেন

        এই অনুপাত ক্যালকুলেটর ব্যবহার করতে, নিচের ৩টি ধাপ অনুসরণ করুন:

        1

        মান প্রবেশ করান

        ইনপুট ক্ষেত্রগুলিতে পরিচিত অনুপাত মানগুলি টাইপ করুন। একটি ক্ষেত্র খালি রাখুন — এটি অজ্ঞাত মান যা অনুপাত ক্যালকুলেটর সমাধান করবে।

        2

        মোড নির্বাচন করুন

        অনুপাত মোড চয়ন করুন — সমাধান করুন (Solve), সহজ করুন (Simplify), বা স্কেল করুন (Scale)। প্রতিটি মোড আপনার ইনপুট মানগুলিতে বিভিন্ন সমীকরণ প্রয়োগ করে।

        3

        ফলাফল পান

        হিসাব করুন (Calculate) এ ক্লিক করুন। ফলাফল স্ক্রীন একটি ভিজ্যুয়াল অনুপাত বার, পাই চার্ট এবং ধাপে ধাপে সমাধানের বিবরণ সহ উত্তর প্রদর্শন করে।

        উদাহরণ সমস্যা ও ধাপে ধাপে সমাধান

        এই অনুপাত ক্যালকুলেটর ব্যবহার করে ধাপে ধাপে সমাধান সহ ৩টি উদাহরণ সমস্যা নিচে দেওয়া হল:

        ইনপুট 1 Test with 90% sensitivity, 85% specificity
        1 LR+ = 0.90 / (1-0.85) = 0.90/0.15 = 6.0
        2 LR- = (1-0.90) / 0.85 = 0.10/0.85 = 0.118
        3 LR+ of 6.0: moderate evidence for disease when positive
        4 LR- of 0.12: moderate evidence against disease when negative
        ✓ LR+ = 6.0, LR- = 0.12 — moderately useful test
        ইনপুট 2 Calculate post-test probability
        1 Pre-test probability: 30% → odds = 0.30/0.70 = 0.429
        2 Test positive, LR+ = 10
        3 Post-test odds = 0.429 × 10 = 4.29
        4 Post-test probability = 4.29/(1+4.29) = 81.1%
        ✓ Positive test raises probability from 30% to 81%
        ইনপুট 3 Highly sensitive test: 99% sensitivity, 50% specificity
        1 LR+ = 0.99 / 0.50 = 1.98 (weak positive evidence)
        2 LR- = 0.01 / 0.50 = 0.02 (very strong negative evidence)
        3 A negative result almost rules out disease
        4 A positive result barely changes probability
        ✓ LR+ = 2.0 (weak), LR- = 0.02 (excellent rule-out)

        প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী (FAQ)

        What is a good likelihood ratio? ▼

        LR+ > 10 is strong evidence for disease. LR+ 5-10 is moderate. LR+ 2-5 is weak. LR- < 0.1 strongly rules out disease. LR- 0.1-0.2 is moderate. LR values near 1.0 provide no useful information.

        Why are likelihood ratios better than sensitivity/specificity? ▼

        LRs combine both metrics into a single number and are independent of disease prevalence. They can be applied directly to individual patients using pre-test probability. Sensitivity and specificity are prevalence-independent but don't directly give post-test probability.

        How do I use the Fagan nomogram? ▼

        Draw a line from your pre-test probability (left axis) through the likelihood ratio (middle axis) to find the post-test probability (right axis). This visual tool quickly converts LRs into clinically useful probability changes.

        Can likelihood ratios be used for multi-level test results? ▼

        Yes. Interval likelihood ratios can be calculated for different result ranges (e.g., low, moderate, high values) rather than just positive/negative. Each interval has its own LR for more nuanced interpretation.

        What is pre-test probability? ▼

        Pre-test probability is your estimated chance of disease before conducting the test, based on prevalence, symptoms, and clinical judgment. It's the starting point for Bayesian reasoning with likelihood ratios.

        অনুপাত সম্পর্কে জানুন

        অনুপাত কি?

        অনুপাত হল দুই বা ততোধিক পরিমাণের মধ্যে একটি তুলনা যা দেখায় যে একটি জিনিস অন্যটির তুলনায় কতটা আছে। অনুপাতকে A : B হিসাবে প্রকাশ করা হয়, যার অর্থ 'প্রথম পরিমাণের প্রতি A ইউনিটের জন্য দ্বিতীয় পরিমাণের B ইউনিট রয়েছে।' যেমন, ৩ : ৪ অনুপাতের অর্থ হল A এর প্রতি ৩টি অংশের জন্য B এর ৪টি অংশ রয়েছে। অনুপাত রান্না, নির্মাণ, অর্থসংস্থান, বিজ্ঞান এবং দৈনন্দিন জীবনে ব্যবহৃত হয়।

        আমি কীভাবে একটি সমতুল্য অনুপাত সমাধান করব?

        সমতা বা প্রোপোরশন হল একটি সমীকরণ যা বলে যে দুটি অনুপাত সমান: A : B = C : D। একটি অনুপস্থিত মান সমাধান করতে আর-গুণন বা ক্রস গুণন ব্যবহার করুন। যদি D অজানা হয় তবে: D = (B × C) / A। এটি কাজ করে কারণ সমান অনুপাতে কোণাকুণি গুণফল সবসময় সমান হয়: A × D = B × C। আমাদের প্রোপোরশন সমাধানকারী এটি স্বয়ংক্রিয়ভাবে করে — যেকোনো ৩টি মান লিখলেই এটি ৪টি মান খুঁজে বের করবে।

        আমি কীভাবে একটি অনুপাত সহজ বা সংক্ষিপ্ত করব?

        একটি অনুপাতকে সহজ করতে, দুটি সংখ্যার গরিষ্ঠ সাধারণ গুণনীয়ক (গসাগু) খুঁজুন এবং প্রতিটি সংখ্যাকে তা দ্বারা ভাগ করুন। যেমন, ২৪ : ৩৬ এর জন্য ২৪ এবং ৩৬ এর গসাগু হল ১২। সুতরাং ২৪ ÷ ১২ = ২ এবং ৩৬ ÷ 12 = ৩, যা সহজ অনুপাত ২ : ৩ প্রদান করে। আমাদের সরলীকরণকারী স্বয়ংক্রিয়ভাবে গসাগু খুঁজে বের করে এবং আপনার অনুপাতকে এর সবচেয়ে সহজ আকারে কমিয়ে দেয়।

        অনুপাত স্কেলিং কি এবং এটি কখন দরকারী?

        একটি অনুপাত স্কেল করার অর্থ হল উভয় পদকে একই সংখ্যা দ্বারা গুণ করে একটি সমতুল্য বৃহৎ (বা ছোট) অনুপাত তৈরি করা। যেমন, ২ : ৫ অনুপাতকে ৩ ফ্যাক্টর দ্বারা স্কেল করলে ৬ : ১৫ অনুপাত পাওয়া যায়। এটি রেসিপির পরিমাণ বাড়াতে বা কমাতে (যেমন, একটি রেসিপি তিন গুণ করা), ড্রয়িং স্কেল করতে, মিশ্রণ প্রস্তুত করতে বা অন্য যেকোনো ক্ষেত্রে যেখানে একই অনুপাতকে অন্য আকারে রাখতে হবে তার জন্য অত্যন্ত দরকারী।

        অনুপাত এবং ভগ্নাংশের মধ্যে পার্থক্য কি?

        একটি অনুপাত A : B দুটি পরিমাণকে একে অপরের সাথে তুলনা করে (অংশ থেকে অংশ), যেখানে একটি ভগ্নাংশ A/B সাধারণত অংশ থেকে মোটের সম্পর্ককে উপস্থাপন করে। তবে যেকোনো অনুপাতকে ভগ্নাংশ হিসাবে প্রকাশ করা যেতে পারে: ৩ : ৪ হল ৩/৪ = ০.৭৫ এর সমতুল্য। প্রধান পার্থক্য হল ব্যবহারের প্রসঙ্গ — অনুপাত পাশাপাশি তুলনা করে, অন্যদিকে ভগ্নাংশ মোটের একটি অংশকে উপস্থাপন করে।