诊断测试准确性：敏感性、特异性、预测值和似然比
以下文章来源于体外诊断研发大杂烩 ，作者大张会发光
真阳性（TP）：实际患病且测试结果为阳性的个体数。
假阴性（FN）：实际患病但测试结果为阴性的个体数。
真阴性（TN）：实际未患病且测试结果为阴性的个体数。
假阳性（FP）：实际未患病但测试结果为阳性的个体数。
公式：特异性=真阴性（TN）/（真阴性（TN）+假阳性（FP）） 特异性高意味着测试很少误诊，适合用于确认诊断。特异性低可能导致误诊，增加不必要的治疗。
阴性预测值（Negative Predictive Value, NPV）：阴性预测值是指测试结果为阴性时，个体实际未患病的概率。它反映了测试结果为阴性时，个体未患病的可能性。阴性预测值越高，测试结果为阴性时个体未患病的可能性越大。
LR- < 0.1：阴性似然比小于0.1通常被认为是非常强有力证据，表明测试结果为阴性时，个体未患病的可能性显著增加。在这种情况下，阴性测试结果强烈支持个体未患病。
0.1 < LR- < 0.2：阴性似然比在这个范围内被认为是强有力证据，表明测试结果为阴性时，个体未患病的可能性增加。阴性测试结果对个体未患病的支持程度较高。
0.2 < LR- < 0.5：阴性似然比在这个范围内被认为是中等强度证据，表明测试结果为阴性时，个体未患病的可能性有所增加。阴性测试结果对个体未患病的支持程度中等。
0.5 < LR- < 1：阴性似然比在这个范围内被认为是较弱证据，表明测试结果为阴性时，个体未患病的可能性略有增加。阴性测试结果对个体未患病的支持程度较低。
LR- > 1：阴性似然比大于1通常被认为是非常强有力证据，表明测试结果为阴性时，个体未患病的可能性显著减少。在这种情况下，阴性测试结果强烈不支持个体未患病。
LR > 10：似然比大于10通常被认为是非常强有力证据，表明测试结果为阳性时，个体患病的可能性显著增加。在这种情况下，阳性测试结果强烈支持个体患病。
5 < LR < 10：似然比在这个范围内被认为是强有力证据，表明测试结果为阳性时，个体患病的可能性增加。阳性测试结果对个体患病的支持程度较高。
2 < LR < 5：似然比在这个范围内被认为是中等强度证据，表明测试结果为阳性时，个体患病的可能性有所增加。阳性测试结果对个体患病的支持程度中等。
1 < LR < 2：似然比在这个范围内被认为是较弱证据，表明测试结果为阳性时，个体患病的可能性略有增加。阳性测试结果对个体患病的支持程度较低。
0.5 < LR < 1：似然比在这个范围内被认为是较弱证据，表明测试结果为阳性时，个体患病的可能性略有减少。阳性测试结果对个体患病的支持程度较低。
LR < 0.5：似然比小于0.5通常被认为是非常强有力证据，表明测试结果为阳性时，个体患病的可能性显著减少。在这种情况下，阳性测试结果强烈不支持个体患病。
阴性似然比的解释与阳性似然比相反，因为它们反映的是测试结果为阴性时的情况。以下是一些常见的阴性似然比范围及其解释：
敏感性=（真阳性）/（真阳性 +假阴性）
敏感性=（369）/（369+15）
敏感性 = 369/384
敏感性 = 0.961
特异性 =（真阴性 ）/（真阴性 +假阳性）
特异性=（558）/（558+58）
特异性 = 558/616
特异性 = 0.906
PPV =（真阳性 ）/（真阳性 +假阳性）
PPV =（369）/（369+58）
PPV =369/427
PPV =0.864
NPV=（真阴性）/（真阴性+假阴性）
NPV=（558）/（558+15）
NPV=（558 ）/573
NPV=0.974
LR+ = 敏感性/（1-特异性）
LR+ = 0.961/（1-0.906）
LR+ = 0.961/0.094
LR+ = 10.22
阴性似然比
LR- =（1- 敏感性）/特异性
LR- =（1- 0.961）/0.906
LR- = 0.039/0.906
LR- = 0.043
共有 1,000 人接受了血液检测。
427 例个体有阳性结果，573 例个体有阴性结果。
在 427 名结果呈阳性的人中，有 369 人患有这种疾病。
在 573 名结果为阴性的个体中，有 558 人没有患上这种疾病。
示例：医疗保健提供者利用血液测试来确定患者是否患有疾病。
结果如下：
实际上共有 384 人患有这种疾病。
结果：
敏感性
特异性
阳性预测值
阴性预测值
阳性似然比
结果显示敏感性为 96.1%，特异性为 90.6%，PPV 为 86.4%，NPV 为 97.4%，LR+ 为 10.22，LR- 为 0.043。
苏公网安备32050502011778号
