敏感性 特异性 假阳性 假阴性-诊断实验评价指标的应用及分析.doc

敏感性 特异性 假阳性 假阴性-诊断实验评价指标的应用及.doc 诊断实验评价指标的应用 在实验诊断的评价指标中，比较稳定的指标有敏感性、特异性、阳性似然比和阴性似然比。但敏感性和特异性要达到何种水准才有价值，需要根据临床实际进行分析，一般来说，其敏感性和特异性越强，临床意义也就越大。 关于金 金标准是指当前公认的诊断疾病最可靠的标准方法，可正确区分“有病”或“无病”。当新试验实际上更优于传统“金标准”方法时，应采用最新的病理生理知识去更新传统的“金标准” 1. 敏感性 敏感性就是指由金标准确诊有病的实验组内所检测出阳性病例数的比率(%)。即本实验诊断的真阳性率。其敏感性越高，假阴性率也就越低。假阴性率等于漏诊率，因此，敏感性高的实验诊断用于疾病诊断时其值越高，漏诊的机会就越少。所以，敏感性和假阴性率具有互补性。.即:敏感性=真阳性/病例组=a/( a+c) 2. 特异性 是指由金标准确诊为无病的对照组内所检测出阴性人数的比率(%)，即本诊断实验的真阴性率。特异性越高，其假阳性率也就越低。假阳性率等于误诊率，因此，特异性越高的检验诊断方法用于疾病诊断时，其发生误诊的机会就越少。由此可见，特异性和假阳性率也具有互补性。即:特异性=真阴性/对照组= d/(b+d) 3. 准确性 是指临床诊断检测出的真阳性和真阴性例数之和，占病例数的比例，即称本临床实验诊断的准确性。准确性反映了实验诊断的基本特性，即:敏感性和特异性。准确度高的实验诊断方法，其敏感性和特异性之和也一定较高，假阳性和假阴性之和也就最小。即:准确性=(真阳性+真阴性)/(病例组+对照组)= (a+d)/ (a+b+c+d) 4. 漏诊率 是指用金标准确诊为患某病的病例组中，被待评价的诊断试验判断为阴性的比例。敏感性与漏诊率是互补的，敏感性越高，漏诊率就越低。即:漏诊率=1-敏感性=假阴性/病例组= c/(a+c) 5. 误诊率 是指用金标准确诊为无病的对照组中，被评价的试验判断为阳性的比例。特异性和误诊率也是互补的，特异性越高，误诊率就越低。即:误诊率=1-特异性=假阳性/对照组= b/(b+d) 6. 阳性预测值(postivepredictive value) 又称预测阳性结果的正确率，是指待评价的诊断试验结果判为阳性例数中，真正患某病的例数所占的比例，即从阳性结果中能预测真正患病的百分数，这也是临床医生最关心的诊断指标。阳性预测值的高低主要受患病率的影响，因此，临床实验诊断研究的阳性预测值能 在不同的患病率情况下指导临床医师合理运用实验诊断项目。即:阳性预测值=真阳性/(真阳性+假阳性)= a/ (a+b) 7. 阴性预测值(negative predictive value) 又称预测阴性结果的正确率，是指临床诊断实验检测出的全部阴性例数中，真正没有患本病的例数所占的比例。一般情况下(患病率)敏感性越高的实验诊断项目，其阴性预测值越高，相反，特异性越高的临床实验诊断阳性预测值越好。但是，患病率对预测值的影响要比敏感性和特异性的影响更为重要。即:阴性预测值=真阴性/(真阴性+假阴性)= d/(c+d) 8. 患病率(prevalence) 是指被检测的全部对象中，真正患者的比例。患病率受很多因素影响，如不同水平的医疗机构或患者来源不同，其患病率会有很大差别。因此，不同的患病率，其实验诊断的预测值也有较大的差别。患病率对被评价的诊断试验，也称为验前概率，而预测值属于验后概率。 即:患病率=病例组/(病例组+对照组)= (a+c)/( a+b+c+d) 9. 阳性似然比(positive likelihood ratio) 阳性似然比是指临床诊断检测出的真阳性率与假阳性率之间的比值，即阳性似然比=敏感性/(1-特异性)。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。它不受患病率影响，比起敏感度和特异度更为稳定。利用这一指标可以计算出不同患病率的阳性预测值。阳性似然比=敏感性/(1-特异性)= a (b+d)/ b(a+c) 10. 阴性似然比(negative liklihoodratio) 阴性似然比是指临床实验诊断检测出的假阴性率与真阴性率之比值，此值越小，说明该诊断方法越好。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。阴性似然比=(1-敏感性)/特异性= c (b+d)/d(a+c) 11. 比数比(OR) 有病患者阳性试验似然比与阴性试验似然比的比值。数值越大，表明诊断试验区分患者与非患者的能力越大。 12. 验前概率: 临床医师对就诊者可能患何种病的初步印象的量化指标，称为验前概率，验前概率的大小在总体上必须符合该病的患病率，因此，在进行计算时，验前概率等于该病的患病率; 13. 验后概率(诊断概率): 验前概率结合诊断试验的结果，得出就诊者患病可能性大小的估计称之为验后概率。 诊断试验的四格表 病例组 非病例组 诊断 阳性 (真阳性) a b (假阳性) a+b 试验 阴性 (假阴性) c d (真阴性) c+d a+c b+d a+b+c+d 敏感性(SEN) = a/(a+c) 特异性(SPE) = d/(b+d) 阳性似然比(+LR) = SEN/1,SPE 阴性似然比(,LR) = (1,SEN)/SPE 准确度=a+d/(a+b+c+d) 患病率(即验前概率)= a+c/(a+b+c+d) 验前比(pre-test odds) = 患病率/(1,患病率) 验后比(posr-test odds) = 验前比×阳性似然比 验后概率(post-test probability) = 验后比/(验后比+1) 诊断试验的评价指标中，稳定的指标有敏感性、特异性、阳性似然比和阴性似然比。由于它们都是以诊断金标准确诊的病人来测定和计算的，所以，除了可将其用于对临床医师的诊断提供量化指标外，还可将敏感性、特异性等指标用于对诊断试验的方法学研究进行评价。 因阳性预测值和阴性预测值随流行率而变化，它们在指导临床医师作诊断时很有帮助，但不能作为评价诊断试验本身价值的指标。 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结合的方法。