文档介绍：阳性阴性合计有病aca+c无病bdb+d合计a+bc+d敏感度(sensitivity,SEN),又称真阳性率(truepositiverate,TPR),敏感度=a/(a+c),它反映筛检试验发现病人的能力。在唐筛中,各种筛查的检出率就是敏感度特异度(specificity,SPE),又称真阴性率(truenegativerate,TNR),特异度=d/(b+d),它反映筛检试验确定非病人的能力。以上的两个指标的分母都是金标准诊断有病或无病的病例,敏感度就是有病的里边能看出来多少,特异度就是没病的里边能排除多少。阳性预测值(positivepredictvalue,PPV),a/(a+b),指筛检试验检出的全部阳性例数中,真正“有病”的例数(真阳性)所占的比例,反映筛检试验结果阳性者患目标疾病的可能性。阴性预测值(negativepredictivevalue,NPV),d/(c+d),指检验结果为阴性的受试者中真正未患病的比例。K=a+c/a+b+c+d这两个指标的分母是某诊断实验诊断有病或无病的病例,通俗上说,阳性预测值就是某诊断实验说有病的人中有多少是真的有病的,阴性预测值则反之。诊断试验的预测值受到敏感度、特异度和受试者中患病率的影响。 假阳性率=假阳性人数÷金标准阴性人数,即:假阳性率=b/(b+d)中文名称:假阳性率英语名称:falsepositiverate,FPR,通俗名称:误诊率或第Ⅰ类错误的:在进行假设检验时,由于检验统计量是随机变量,有一定的波动性,即使原假设H0为真,在正常的情况下,计算的统计量仍有一定的概率α(α称为显著性水平)落入拒绝域内,因此也有可能会错误地拒绝原假设H0,这种当原假设H0为真而拒绝原假设的错误,称为假设检验的第一类错误,又称为拒真错误。α为犯假设检验第一类错误的概率,1-α则为当原假设H0为真而作出正确判断的概率。α越小,作出错误判断的概率越小,因此,显著性水平α是限制发生第一类错误的保证,又称为检验的损失。拒绝虚无假设(Ho)时可能犯的错误,称为第一类型错误,以α来代表。解释:即实际无病或阴性,但被判为有病或阳性的百分比。假阴性率=假阴性人数÷金标准阳性人数,β=c/(a+c),指实际有病,但根据筛检试验被定为无病的百分比,它反映的是筛检试验漏诊病人的情况。假阴性率(falsenegativerate,FNR),又称漏诊率或第Ⅱ类错误:第二类错误(typeⅡerror)又称Ⅱ型错误:不拒绝实际上不成立的,为“存伪”的错误(即接受了错误的原假设),其概率通常用β表示。β=P(接受H0∣H0是错误的)*H0即原假设,第二类错误的概率依赖于总体参数的假设值与其真值之间的差别。由于大的差别比小的差别更容易发现,所以当总体参数的假设值与真值相差很大时,β就很小。似然比(likelihoodratio,LR)是反映真实性的一种指标,属于同时反映灵敏度和特异度的复合指标。即有病者中得出某一筛检试验结果的概率与无病者得出这一概率的比值。该指标全面反映筛检试验的诊断