文档介绍：临床效度SPSS做法
一般由如下几个指标组成：
敏感度（sensitivity）
特异度（specificity）
AUC面积
阳性预测值（P
临床效度SPSS做法
一般由如下几个指标组成：
敏感度（sensitivity）
特异度（specificity）
AUC面积
阳性预测值（PPV）
阴性预测值（NPV）
临床效度
敏感度：指在病例组中，被新诊断试验判为有病的比例. 敏感性反映新试验正确判断患者的能力. 敏感性越高，漏诊的可能性越小.
特异度：指对照组(即被金标准诊断为无病者)中被新试验判断为无病的比例. 特异性反映新试验能正确排除某病的能力. 特异性越高，误诊的可能性就越小.
AUC：即Area Under Curve，由筛查抑郁症或抑郁障碍的各种不同划界分的真阳性率（敏感度）随着假阳性率（1-特异度）变化而变化所绘制得到的曲线其下方的面积。AUC表示筛查的诊断准确性大小，即AUC越大，表示筛查的诊断准确性越高。
敏感度、特异度、AUC
即受试者工作特征曲线
根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。
其包含：敏感度、特异度和AUC
ROC
以SPSS
关于抑郁症个体的筛查
首先，保证已对个体做了标记（在Value栏做好设置）
能使你清楚知道
哪些是抑郁症个
体。
SPSS求敏感度、特异度和AUC
然后点击 →
将你要分析的数据
放上面，中间放刚
才设置好的数据，
下面值选择你设置
好的（如：重度抑
郁设置为1，这里就
填1），下面选项全
选，点击OK。
SPSS求敏感度、特异度和AUC
ROC曲线图：
SPSS求敏感度、特异度和AUC
AUC面积
这里AUC=.894
SE=.015
AUC（95%CI）=.864-.924
注：CI=置信区间
SPSS求敏感度、特异度和AUC
敏感度、特异度
最左边为分数点（可理解为划界分）
中间为敏感度
最右边为假阳性率，计算特异度为
1-最右边数值=特异度
SPSS求敏感度、特异度和AUC
预测值受敏感度、特异度和患病率的影响. 当患病率一定时，随着敏感度的升高，特异度下降，漏诊率下降，NPV升高，PPV下降.
随着特异度的升高，敏感度下降，误诊率下降，PPV升高，NPV下降.
相关概念整理
李强. 如何开展诊断性研究. 世界华人消化杂志，2000，8(7)：803-805.
王敬瀚. ，2019，16（2）：175-177.
陈卫中，潘晓平，宋兴勃，倪宗瓒. ，2019,23（2）：157-158.
参考文献
感谢您的关注