实验的诊断性能评价
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
bd
漏诊率、误诊率越小，说明该临床检验方法的性能就越好。 3.1.4 准确度
准确度又称总符合率、诊断效率(diagnostic efficiency，DF)，
是指在患病和非患病者中，用诊断试验能准确划分患者和非患病者的
百分比。反映诊断试验正确诊断患者与非患者的能力。其计算公式为：
准确度=
a
ab bc
理想的诊断试验其灵敏度、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。
灵敏度和特异性之间的关系 对于一项诊断试验，可以通过调整
分界值提高灵敏度或特异性，但二者不能同时提高。提高一个，必然
降低另一个，因此，选择分界时必须权衡，使两者得到兼顾。
在大多数情况下，如单独使用敏感性很高的诊断试验，虽然漏诊
3.1.3 漏诊率和误诊率 漏诊率，又称假阴性率（False negative rate），即将患者错
误诊断的百分率，其计算公式为：漏诊率=1 灵敏度= c 100% 。
ac
误诊率，又称假阳性率（False positive rate），即将非患者 错误诊断的百分率，其计算公式为：误诊率=1 特异度= b 100% 。
测值越高；③受检人群研究疾病流行率越高，假阳性率越低，阳性预
测值越高，阴性预测值越低。
流行率对阳性预测值的影响见表 2。由表可以看出，即使诊断敏
感度和特异度都达到 99%，只有在流行率达到 50%时，才有较高的
阳性预测值。所以在临床诊断中，应先询问病史，后对怀疑的病人做
诊断试验。同时也说明部分临床上很好的试验，用作普查效果并不理
用诊断试验检测患病人群中的阴性率与非患病人群的阴性率之间的
比值，即假阴性率与真阴性率之比。其计算公式为：
阴性似然比=
1
灵敏度 特异度
c(b d ) d(a c)
可用以描述诊断试验阴性时，患病与不患病的机会比。LR(－)
提示错误判断为阴性的可能性是正确判断为阴性的可能性的倍数。
LR(－)数值越小，提示能够否定患有该病的可能性越大。LR(－)＜
率低，但由于其特异性相对较差，结果误诊率必然较高；如单独使用
特异性很高的试验诊断，虽然误诊率低，但由于其敏感性相对较低，
结果漏诊率必然较高。此时可采用敏感度与特异性均高的试验相对结
合的方法。
3.2 临床生化诊断试验的有效性评价指标
有效性评价指标包括预测值、流行率和似然比等。
3.2.1 预测值 预测值（predictive value,PV）是指一项诊断试验能够确定或
敏感度（Sensitivity），又称真阳性率（True positive rate）， 是指在某疾病的患者中，用临床检验方法检出患者的百分率。其计算 公式为：敏感度= a 100%
ac
高灵敏度的检验方法常应用于：①拟诊为病情严重但疗效好的疾 病，以防漏诊；②拟诊为有一定疗效的恶性肿瘤，以便早期诊断、早 期治疗；③该病情可由多种疾病引起，用高灵敏度的检验方法可以排 除某一疾病的可能性；④普查或定期健康体检，用于筛选某一疾病。
表 1 临床检验方法诊断性能评价试验结果四格表
3.临床生化诊断试验的诊断性能评价指标 3.1 临床生化诊断试验的准确性评价指标 准确性（accuracy，AC），又称真实性（validity）是诊断试验
测量值与实际值的符合程度，即判断受试者有病与无病的能力。如敏 感度、特异度、准确度等。
3.1.1 敏感度
2.1 临床诊断试验的数据与患病情况的关系 诊断试验分定性试验和定量试验。定性试验的结果分为阳性和阴
性结果，定量试验的结果为一系列连续的计量数据，这些数据可被分 界值将其分为两个部分，也可判断为阳性和阴性结果。一般情况下， 诊断试验的结果和患某病的情况之间可能出现四种关系：
①真阳性（True positive，TP）指经试验而被正确分类的患者的数目。 ②假阳性（False positive，FP）指经试验而被错误分类的非患者的数目。 ③真阴性（True negative，TN）指经试验而被正确分类的非患者的数目。 ④假阴性（False negative，FN）指经试验而被错误分类的患者的数目。
1.0 ，其小于 1.0 的大小是当试验结果为阴性时，试验提示患病可能
性降低能力的一种度量。LR(－)＝0.5－0.2 ，认为该试验不太好， 而小于 0.1 ，可认为是好的试验。阴性似然比也可表示为（1-敏感 度）与特异度之比。 4.阈值
阈值（cut off value）又称分界值、临界值、鉴别值、指定值 等，指划分诊断试验结果正常与异常的界值。参考值概念的提出虽然 澄清了正常值概念的模糊观点，但是当用医学试验作为过筛试验、确 诊或排除疾病等不同用途时，单一个参考值不能满足不同的要求。为 了提高诊断指标临床使用效果，不仅要研究基本健康者的参考值，也 要研究其他无关疾病患者的参考值及有关疾病在不同病情中的测定 数据，即根据不同的目的，研究健康(或称非病理的)与病理的分界水 平。 4.1 阈值的选择
敏感性越高，则阴性预测值越高。
3.2.2 流行率
流行率(Prevalence,P)表示在受检对象的总人数中，真正患病者所
占的百分率，也叫患病的试验前可能性或患病率。
其计算公式为：流行率=
TP FN TP FN FPTN
100 %
流行率可从流行病学调查资料查知，也可以是临床医师在长期的
医疗实践中，对门诊就诊者患某病的比例的经验认识；由于在不同的
想。
表 2 流行率、灵敏度和特异度对某率，预测
值亦可以用 Bayes 理论公式估计：
＋PV
=
流行率
流行率 灵敏度 灵敏度＋（1－流行率）（1－特异度）
－PV＝（1
（1 流行率）
流行率）特异度 特异度＋流行率 （1－灵敏度）
3.2.3 似然比
3.2.1.2 阴性预测值 阴性预测值(negative predictive value，NPV 或－PV)表示在
诊断试验结果为阴性的人数中，非患病者所占的百分率，即试验结果 阴性者属于非病例的概率。也叫非患病的试验后可能性。其计算公式 为：阴性预测值= d
c d
理想试验的阴性预测值为 100%。当流行率一定时，诊断试验的
d
×100%。
理想试验的诊断准确度为 100%。准确度高，真实性好。受发病
率的影响很大。
3.1.5 准确性评价指标之间的关系
由于灵敏度与漏诊率、特异性与误诊率存在互补关系 漏诊率和
误诊率可以通过灵敏度与特异度体现出来并求得，因此，灵敏度与特
异度是评价一项诊断试验真实性的两个基本指标。从理论上讲，一项
ratio ,LR)。是诊断试验结果的某一特定水平在患病者中出现的可能
性与在未患病者中出现的可能之比。似然比包括阳性似然比和阴性似
然比。似然比性质稳定，不因流行率的改变而改变可直接评价诊断试
验的好坏，但在评价和比较试验性能方面不是一种特别好的工具。
3.2.3.1 阳性似然比
阳性似然比(positive likelihood ratio,＋LR 或 LR(＋))是指
2.2 诊断性能评价实验的设计原理 目前，诊断性能评价实验的研究设计大多采用横断面研究方案。
在进行评价实验前，首先需确定一个疾病诊断的金标准，金标准是指 当前为临床医学界公认的诊断某种疾病最可靠的诊断方法，可通过活 检、尸检、外科手术、随访等所作出的决定性诊断，又称确诊试验， 如诊断肿瘤的金标准一般是病理学检查，诊断冠心病的金标准是冠状 动脉造影等；确立金标准后，再与诊断试验同步盲法测量研究对象， 据金标准将研究对象划分为“有某病”、“无某病”，据诊断试验的 临界值将其划分为“阳性”、“阴性”结果，然后整理出相应的四格 表如表 1 计算准确性、有效性等评价指标。
1.0 ，其超过 1.0 的大小是当试验结果为阳性时，试验提示患病可
能性增高能力的一种度量。LR(＋)＝2.0-5.0, 认为该试验不太好；
超过 10.0 ，认为是好的。因真阳性率为敏感度，假阳性率与特异度
成互补关系，所以，也可表示为敏感度与(1－特异度)之比。
3.2.3.2 阴性似然比
阴性似然比(negative likelihood ratio,－LR 或 LR(－))是指
3.2.1.1 阳性预测值 阳性预测值(positive predictive value，PPV 或＋PV)表示在
诊断试验结果为阳性的人数中，真正患病者所占的百分率，即试验结 果阳性者属于真病例的概率。也叫患病的试验后可能性，其计算公式 为：阳性预测值= a
ab
理想试验的阳性预测值为 100%。阳性预测值主要受流行率的影 响，流行率越高，则阳性预测值也高；临床医师根据某病的流行率和 诊断试验的阳性结果就能预测就诊者患某病的可能性大小；当流行率 一定时，诊断试验的特异性越高，阳性预测值越准确。
用诊断试验检测患病人群的阳性率与非患病人群的阳性率之间的比
值，即真阳性率与假阳性率之比。其计算公式为：
阳性似然比=
灵敏度 1 特异度
a(b b(a
d) c)
可用以描述诊断试验阳性时，患病与不患病的机会比。LR(＋)
提示正确判断为阳性的可能性是错误判断为阳性的可能性的倍数。
LR(＋)数值越大，提示能够确诊患有该病的可能性越大。LR(＋)＞
诊断试验是指对疾病进行诊断的试验方法，它不仅包括各种实验 室检查，还包括各种影像学诊断，如 X 线诊断、CT 等。应用诊断试 验有助于科学地选择诊断方法、正确地分析和评价诊断结果。此外， 诊断试验还可用于病例随访、预后估计、疗效判断以及治疗的副作用 检测等,而诊断试验提供的这些信息的可靠性大小依赖于诊断试验的 准确度评价结果。
3.1.2 特异度 特异度（Specificity）,又称真阴性率（True negative rate）,
是指在非某疾病的患者中，用临床检验方法排除患者的百分率，其计 算公式为：特异度= d 100%
b d
高特异性的检验方法常应用于：①拟诊患有某病的概率较大时， 以便确诊；②拟诊疾病严重但疗效和预后均不好的疾病，以防误诊； ③拟诊疾病严重且根治方法具有较大损害时，需确诊，以免造成病人 不必要的损害。
阈值高低的确定直接影响诊断试验评价指标。当健康人的分布与 病人的分布没有重叠，如图 1A 所示，可以取中间一点(D 点)为阈值， 这时假阳性和假阴性均为 0 ，这是一种罕见的理想情况，实际上许 多诊断试验健康人与病人的分布有交叉。这时阈值定在哪里是一个值 得研究的问题。由图 1B 可知，当 D 向右移动，假阳性减少，假阴性 增加，敏感性降低，特异性增加；反之，当 D 向左移动，假阳性增 加，假阴性减少，敏感性增大，特异性减少。
预测值和流行率随检查人群的不同而改变，诊断敏感性和特异性
虽不随被检对象中患病者与非患病者的不同比例而改变，但敏感性和
特异性难于帮助医生直接判断就诊者的患病可能性，因而引进似然比
的概念。
验后概率较之验前概率的符合程度和变化方向取决于诊断试验
的特性，表征这种特性的量化指标称为似然比(likelihood
实验的诊断性能评价 ——杨婷婷 12 级检验 3 班 2012081316
1.前言 本文系统阐述了诊断试验的评价方法、常用的评价指标——诊断
灵敏度、诊断特异度、预测值、似然比等及其优缺点、ROC 曲线在诊 断试验评价中的应用情况及存在的问题,为诊断试验的进一步评价研 究提供了依据。 关键词：诊断试验,ROC 曲线,阈值,灵敏度,特异度，预测值，似然比 2.诊断实验
地区、不同级别的医院、普通医院和专科医院，其就诊者的组成差别
可能很大，因此，同样的疾病在不同医院的流行率也不同，临床医师
必须根据具体情况确定流行率，才能得出较为准确的阳性预测值。
预测值与流行率的关系：诊断试验的预测值与试验的灵敏度、特
异度及受试人群中所研究疾病的流行率有关。三者有下列关系：①特
异性越高，假阳性率越低，阳性预测值越高；②灵敏度越高，阴性预
排除某疾病存在与否的诊断概率，称为预测值（predictive value， PV），又称预告值，也称为试验后诊断为患某病的可能性即验后概率 （post test probability），包括阳性预测值和阴性预测值，分别 表示诊断试验结果确定或排除某种疾病存在与否的诊断概率。预测值 受流行率的影响，不同流行率的人群中疾病的预告值不同。
漏诊率、误诊率越小，说明该临床检验方法的性能就越好。 3.1.4 准确度
准确度又称总符合率、诊断效率(diagnostic efficiency，DF)，
是指在患病和非患病者中，用诊断试验能准确划分患者和非患病者的
百分比。反映诊断试验正确诊断患者与非患者的能力。其计算公式为：
准确度=
a
ab bc
理想的诊断试验其灵敏度、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。
灵敏度和特异性之间的关系 对于一项诊断试验，可以通过调整
分界值提高灵敏度或特异性，但二者不能同时提高。提高一个，必然
降低另一个，因此，选择分界时必须权衡，使两者得到兼顾。
在大多数情况下，如单独使用敏感性很高的诊断试验，虽然漏诊
3.1.3 漏诊率和误诊率 漏诊率，又称假阴性率（False negative rate），即将患者错
误诊断的百分率，其计算公式为：漏诊率=1 灵敏度= c 100% 。
ac
误诊率，又称假阳性率（False positive rate），即将非患者 错误诊断的百分率，其计算公式为：误诊率=1 特异度= b 100% 。
测值越高；③受检人群研究疾病流行率越高，假阳性率越低，阳性预
测值越高，阴性预测值越低。
流行率对阳性预测值的影响见表 2。由表可以看出，即使诊断敏
感度和特异度都达到 99%，只有在流行率达到 50%时，才有较高的
阳性预测值。所以在临床诊断中，应先询问病史，后对怀疑的病人做
诊断试验。同时也说明部分临床上很好的试验，用作普查效果并不理
用诊断试验检测患病人群中的阴性率与非患病人群的阴性率之间的
比值，即假阴性率与真阴性率之比。其计算公式为：
阴性似然比=
1
灵敏度 特异度
c(b d ) d(a c)
可用以描述诊断试验阴性时，患病与不患病的机会比。LR(－)
提示错误判断为阴性的可能性是正确判断为阴性的可能性的倍数。
LR(－)数值越小，提示能够否定患有该病的可能性越大。LR(－)＜
率低，但由于其特异性相对较差，结果误诊率必然较高；如单独使用
特异性很高的试验诊断，虽然误诊率低，但由于其敏感性相对较低，
结果漏诊率必然较高。此时可采用敏感度与特异性均高的试验相对结
合的方法。
3.2 临床生化诊断试验的有效性评价指标
有效性评价指标包括预测值、流行率和似然比等。
3.2.1 预测值 预测值（predictive value,PV）是指一项诊断试验能够确定或
敏感度（Sensitivity），又称真阳性率（True positive rate）， 是指在某疾病的患者中，用临床检验方法检出患者的百分率。其计算 公式为：敏感度= a 100%
ac
高灵敏度的检验方法常应用于：①拟诊为病情严重但疗效好的疾 病，以防漏诊；②拟诊为有一定疗效的恶性肿瘤，以便早期诊断、早 期治疗；③该病情可由多种疾病引起，用高灵敏度的检验方法可以排 除某一疾病的可能性；④普查或定期健康体检，用于筛选某一疾病。
表 1 临床检验方法诊断性能评价试验结果四格表
3.临床生化诊断试验的诊断性能评价指标 3.1 临床生化诊断试验的准确性评价指标 准确性（accuracy，AC），又称真实性（validity）是诊断试验
测量值与实际值的符合程度，即判断受试者有病与无病的能力。如敏 感度、特异度、准确度等。
3.1.1 敏感度
2.1 临床诊断试验的数据与患病情况的关系 诊断试验分定性试验和定量试验。定性试验的结果分为阳性和阴
性结果，定量试验的结果为一系列连续的计量数据，这些数据可被分 界值将其分为两个部分，也可判断为阳性和阴性结果。一般情况下， 诊断试验的结果和患某病的情况之间可能出现四种关系：
①真阳性（True positive，TP）指经试验而被正确分类的患者的数目。 ②假阳性（False positive，FP）指经试验而被错误分类的非患者的数目。 ③真阴性（True negative，TN）指经试验而被正确分类的非患者的数目。 ④假阴性（False negative，FN）指经试验而被错误分类的患者的数目。
1.0 ，其小于 1.0 的大小是当试验结果为阴性时，试验提示患病可能
性降低能力的一种度量。LR(－)＝0.5－0.2 ，认为该试验不太好， 而小于 0.1 ，可认为是好的试验。阴性似然比也可表示为（1-敏感 度）与特异度之比。 4.阈值
阈值（cut off value）又称分界值、临界值、鉴别值、指定值 等，指划分诊断试验结果正常与异常的界值。参考值概念的提出虽然 澄清了正常值概念的模糊观点，但是当用医学试验作为过筛试验、确 诊或排除疾病等不同用途时，单一个参考值不能满足不同的要求。为 了提高诊断指标临床使用效果，不仅要研究基本健康者的参考值，也 要研究其他无关疾病患者的参考值及有关疾病在不同病情中的测定 数据，即根据不同的目的，研究健康(或称非病理的)与病理的分界水 平。 4.1 阈值的选择
敏感性越高，则阴性预测值越高。
3.2.2 流行率
流行率(Prevalence,P)表示在受检对象的总人数中，真正患病者所
占的百分率，也叫患病的试验前可能性或患病率。
其计算公式为：流行率=
TP FN TP FN FPTN
100 %
流行率可从流行病学调查资料查知，也可以是临床医师在长期的
医疗实践中，对门诊就诊者患某病的比例的经验认识；由于在不同的
想。
表 2 流行率、灵敏度和特异度对某率，预测
值亦可以用 Bayes 理论公式估计：
＋PV
=
流行率
流行率 灵敏度 灵敏度＋（1－流行率）（1－特异度）
－PV＝（1
（1 流行率）
流行率）特异度 特异度＋流行率 （1－灵敏度）
3.2.3 似然比
3.2.1.2 阴性预测值 阴性预测值(negative predictive value，NPV 或－PV)表示在
诊断试验结果为阴性的人数中，非患病者所占的百分率，即试验结果 阴性者属于非病例的概率。也叫非患病的试验后可能性。其计算公式 为：阴性预测值= d
c d
理想试验的阴性预测值为 100%。当流行率一定时，诊断试验的
d
×100%。
理想试验的诊断准确度为 100%。准确度高，真实性好。受发病
率的影响很大。
3.1.5 准确性评价指标之间的关系
由于灵敏度与漏诊率、特异性与误诊率存在互补关系 漏诊率和
误诊率可以通过灵敏度与特异度体现出来并求得，因此，灵敏度与特
异度是评价一项诊断试验真实性的两个基本指标。从理论上讲，一项
ratio ,LR)。是诊断试验结果的某一特定水平在患病者中出现的可能
性与在未患病者中出现的可能之比。似然比包括阳性似然比和阴性似
然比。似然比性质稳定，不因流行率的改变而改变可直接评价诊断试
验的好坏，但在评价和比较试验性能方面不是一种特别好的工具。
3.2.3.1 阳性似然比
阳性似然比(positive likelihood ratio,＋LR 或 LR(＋))是指
2.2 诊断性能评价实验的设计原理 目前，诊断性能评价实验的研究设计大多采用横断面研究方案。
在进行评价实验前，首先需确定一个疾病诊断的金标准，金标准是指 当前为临床医学界公认的诊断某种疾病最可靠的诊断方法，可通过活 检、尸检、外科手术、随访等所作出的决定性诊断，又称确诊试验， 如诊断肿瘤的金标准一般是病理学检查，诊断冠心病的金标准是冠状 动脉造影等；确立金标准后，再与诊断试验同步盲法测量研究对象， 据金标准将研究对象划分为“有某病”、“无某病”，据诊断试验的 临界值将其划分为“阳性”、“阴性”结果，然后整理出相应的四格 表如表 1 计算准确性、有效性等评价指标。
1.0 ，其超过 1.0 的大小是当试验结果为阳性时，试验提示患病可
能性增高能力的一种度量。LR(＋)＝2.0-5.0, 认为该试验不太好；
超过 10.0 ，认为是好的。因真阳性率为敏感度，假阳性率与特异度
成互补关系，所以，也可表示为敏感度与(1－特异度)之比。
3.2.3.2 阴性似然比
阴性似然比(negative likelihood ratio,－LR 或 LR(－))是指
3.2.1.1 阳性预测值 阳性预测值(positive predictive value，PPV 或＋PV)表示在
诊断试验结果为阳性的人数中，真正患病者所占的百分率，即试验结 果阳性者属于真病例的概率。也叫患病的试验后可能性，其计算公式 为：阳性预测值= a
ab
理想试验的阳性预测值为 100%。阳性预测值主要受流行率的影 响，流行率越高，则阳性预测值也高；临床医师根据某病的流行率和 诊断试验的阳性结果就能预测就诊者患某病的可能性大小；当流行率 一定时，诊断试验的特异性越高，阳性预测值越准确。
用诊断试验检测患病人群的阳性率与非患病人群的阳性率之间的比
值，即真阳性率与假阳性率之比。其计算公式为：
阳性似然比=
灵敏度 1 特异度
a(b b(a
d) c)
可用以描述诊断试验阳性时，患病与不患病的机会比。LR(＋)
提示正确判断为阳性的可能性是错误判断为阳性的可能性的倍数。
LR(＋)数值越大，提示能够确诊患有该病的可能性越大。LR(＋)＞
诊断试验是指对疾病进行诊断的试验方法，它不仅包括各种实验 室检查，还包括各种影像学诊断，如 X 线诊断、CT 等。应用诊断试 验有助于科学地选择诊断方法、正确地分析和评价诊断结果。此外， 诊断试验还可用于病例随访、预后估计、疗效判断以及治疗的副作用 检测等,而诊断试验提供的这些信息的可靠性大小依赖于诊断试验的 准确度评价结果。
3.1.2 特异度 特异度（Specificity）,又称真阴性率（True negative rate）,
是指在非某疾病的患者中，用临床检验方法排除患者的百分率，其计 算公式为：特异度= d 100%
b d
高特异性的检验方法常应用于：①拟诊患有某病的概率较大时， 以便确诊；②拟诊疾病严重但疗效和预后均不好的疾病，以防误诊； ③拟诊疾病严重且根治方法具有较大损害时，需确诊，以免造成病人 不必要的损害。
阈值高低的确定直接影响诊断试验评价指标。当健康人的分布与 病人的分布没有重叠，如图 1A 所示，可以取中间一点(D 点)为阈值， 这时假阳性和假阴性均为 0 ，这是一种罕见的理想情况，实际上许 多诊断试验健康人与病人的分布有交叉。这时阈值定在哪里是一个值 得研究的问题。由图 1B 可知，当 D 向右移动，假阳性减少，假阴性 增加，敏感性降低，特异性增加；反之，当 D 向左移动，假阳性增 加，假阴性减少，敏感性增大，特异性减少。
预测值和流行率随检查人群的不同而改变，诊断敏感性和特异性
虽不随被检对象中患病者与非患病者的不同比例而改变，但敏感性和
特异性难于帮助医生直接判断就诊者的患病可能性，因而引进似然比
的概念。
验后概率较之验前概率的符合程度和变化方向取决于诊断试验
的特性，表征这种特性的量化指标称为似然比(likelihood
实验的诊断性能评价 ——杨婷婷 12 级检验 3 班 2012081316
1.前言 本文系统阐述了诊断试验的评价方法、常用的评价指标——诊断
灵敏度、诊断特异度、预测值、似然比等及其优缺点、ROC 曲线在诊 断试验评价中的应用情况及存在的问题,为诊断试验的进一步评价研 究提供了依据。 关键词：诊断试验,ROC 曲线,阈值,灵敏度,特异度，预测值，似然比 2.诊断实验
地区、不同级别的医院、普通医院和专科医院，其就诊者的组成差别
可能很大，因此，同样的疾病在不同医院的流行率也不同，临床医师
必须根据具体情况确定流行率，才能得出较为准确的阳性预测值。
预测值与流行率的关系：诊断试验的预测值与试验的灵敏度、特
异度及受试人群中所研究疾病的流行率有关。三者有下列关系：①特
异性越高，假阳性率越低，阳性预测值越高；②灵敏度越高，阴性预
排除某疾病存在与否的诊断概率，称为预测值（predictive value， PV），又称预告值，也称为试验后诊断为患某病的可能性即验后概率 （post test probability），包括阳性预测值和阴性预测值，分别 表示诊断试验结果确定或排除某种疾病存在与否的诊断概率。预测值 受流行率的影响，不同流行率的人群中疾病的预告值不同。