04第四章检验项目的临床效能评价概论.ppt

谢谢！ 返回总目录 2．评价指标的计算敏感度(sensitivity，SEN)=a／(a+c)特异度(specificity，SPE)=d／(b+d)阳性预测值=a／(a+b)阴性预测值=d／(c+d)诊断指数=敏感度+特异度诊断效率(准确度)=(a+d)／(a+b+c+d)100%阳性似然比=敏感度/(1－特异度)阴性似然比=(1－敏感度)／特异度 一、敏感度和特异度 一、敏感度和特异度 2．评价指标的计算 敏感度又称真阳性率(true positive rate，TPR) 是诊断试验能将实际有病的人正确地判为患者的能力，即患者被判为阳性的概率 反映检出患者的能力，该值越大，漏诊病例(漏诊率)越少 一、敏感度和特异度 2．评价指标的计算 特异度又称真阴性率(true negative rate，TNR) 在金标准诊断为“无病”的例数中，某检验项目结果为阴性的比例，真阴性例数越多，则特异度越高，误诊病例(误诊率)越少 一、敏感度和特异度 2．评价指标的计算 敏感度与特异度是评价一项检验项目真实性的两个基本指标 从理论上讲，一项理想的检验项目其灵敏度、特异度最好均为100％ 即假阳性与假阴性均为零，无一漏诊与误诊 实际上灵敏度和特异度是矛盾的统一体，随着诊断分界点的变化而变化 病例组 诊断界点 对照组 漏诊率(β) 误诊率(α) 特异度 （1-α） 灵敏度 （1-β） 图4-1灵敏度与特异度的关系  测定值 D 正常人 患者 频数 D FN FP 测定值 正常人 患者 频数 TN TP 3．诊断分界 当健康分布与患者分布没有重叠,取中间一点(D点)分界值假阳性和假阴性均为O。这是一种理想模式，目前没有这样检验项目，许多检验项目健康人与患者结果分布有交叉 一、敏感度和特异度 图4-2 理想的检验项目健康群体与患者群体分布 图4-3 实际的检验项目健康群体与患者群体分布 一、敏感度和特异度 分界值的高低直接影响检验项目诊断性试验评价指标 在这种情况下，一般是先初步确定几个分界值 分别计算真阳性、真阴性、假阳性、假阴性数值 进一步计算诊断灵敏度、诊断特异度等指标 最后根据早期诊断、疗效观察、流行病学调查等各种不同目的确定分界值 一、敏感度和特异度 4．尤登指数 尤登指数(Youden’s index)又称正确指数 是指灵敏度和特异度之和减去1 是综合评价真实性的指标，理想的试验应为l 计算公式为： 尤登指数=(灵敏度+特异度)－1 返回节目录 二、预测值和似然比 1．似然比(LR) 表达的是患某种疾病患者所测定不同结果范围中 患该病与不患该病的比值 只有阳性、阴性结果时，一般分阳性似然比及阴性似然比两种 二、预测值和似然比 1．似然比(LR) 阳性似然比(+LR):真阳性率(TPR)与假阳性率(FPR)的比值 当就诊者的该诊断性试验结果为阳性时，其患病与不患病的机会比,显然阳性似然比的值越高 检验结果阳性时，诊断为某病的概率越大，该检测方法确诊疾病的能力就越强。 阳性似然比=真阳性率/假阳性率=灵敏度/（1-特异度） 二、预测值和似然比 1．似然比(LR) 阴性似然比(-LR) :假阴性率(FNR)与真阴性率(TNR)的比值 当某就诊者的该诊断性试验结果为阴性时，其患病与不患病的机会比。 显然阴性似然比越小，则检验结果阴性时，患某病的概率越小，该检测方法排除疾病的能力就越好 阴性似然比=假阴性率/真阴性率=（1-灵敏度）/特异度 二、预测值和似然比 2.预测值(predictive value，PV) 是表示试验能做出正确判断的概率，又分为： 阳性预测值(positive predictive value,PPV)阴性预测值(negative predictive value,NPV) 阳性预测值 是指真阳性人数 占试验结果阳性人数百分比，  表示试验结果阳性者属于真病例概率 阴性预测值 是指真阴性人数 占试验结果阴性人数的百分比， 表示试验结果阴性者属于非病例的概率 二、预测值和似然比 2.预测值(PV) 试验的灵敏度愈高，阳性预测值就越高； 特异度越高的试验，阴性预测值就越好。 检验项目的灵敏度和特异度并不能完全决定检验的阳性预测值。 与人群某病的患病率有关。 2.预测值(PV) 二、预测值和似然比 返回节目录 三、ROC曲线分析 ROC是受试者工作特征曲线(receiver operating characteristic curve, ROC)