在医学统计分析中，诊断工具的关键特性有两个，即敏感性和特异性。敏感性，即指标在识别疾病时避免漏诊（假阴性）的能力，其数值越小，表示漏诊的可能性越小。特异性则是指该指标在判断疾病时避免误诊（假阳性）的能力，数值越小，误诊的风险就越低。这两个特性之间存在一种平衡：提升敏感性的同时，特异性往往会下降，因为减少漏诊可能会增加误诊；反之，提高特异性会降低敏感性，以减少误诊。因此，选择诊断指标时，需要根据具体医疗情境权衡这两个指标的重要性。