为了深入分析诊断结果，你应该了解下阳性预

拿到一个人的阳性诊断结果，这个人是不是一定患病了？回答当然为“不是”。一个诊断试验会有假阳性和假阴性，假阳性即实际未患病的人，被诊断为阳性的概率。说到假阳性和假阴性（灵敏度和特异度）时，我们是在评价诊断试验，也就是已经知道了目标人群的患病状态，来评估一个诊断试验的准确性。

然而，实际临床实践中，我们事先并不知道，而是需要根据一个诊断结果来判断目标个体是否真正患病。换句话说，临床医生拿到一个诊断结果时，应当考虑：诊断阳性结果的人，有多大的可能是真正患病的人？

为了回答这个问题，我们需要了解阳性预测值（positivepredictivevalue,PPV），即诊断结果阳性的人群中，真正患病的人的比例。

一、什么是阳性预测值

一项诊断试验有位受试者，其中人有病，人没病。经诊断试验检查，人结果阳性，人结果阴性（表1）。

表1.诊断试验分布情况举例

这个诊断试验中，人结果阳性，但真正患病的人只有80人，即阳性预测值为：

阳性预测值=真正患病的人/诊断结果阳性的人=80/(80+)×%≈44%

同样地，“如果诊断试验的结果是阴性，那么有多大的可能没患病？”这就是与阳性预测值相对应的概念：阴性预测值（negativepredictivevalue,NPV），即诊断结果阴性的患者中，真正不患病的人的比例。仍用上面的例子，该诊断试验中有人为阴性，其中只有人没病，即阴性预测值为：

阴性性预测值=真正不患病的人/诊断结果阴性的人=/(+20)×%≈98%

阳性预测值与阴性预测值的性质相反，但原理类似，由于篇幅的限制，本文重点介绍阳性预测值的特点。

二、阳性预测值与患病率的关系

假设有0例受试者，他们患有两种疾病，一种疾病的患病率为1%，另一种患病率为5%。我们同时使用灵敏度为99%，特异度为95%的诊断试验对这些受试者进行诊断（表2）。以第一种疾病为例，患病率为1%，那么0位受试者中有人患病。灵敏度为99%，该诊断试验可以检测出例患者中的99位；同时，特异度为95%，该诊断试验可以诊断出9例非患者中的位，从而计算出假阳性患者数为例。因此，该诊断试验的阳性预测值为99/（99+）≈17%。

根据同样的计算方法，我们可以得出针对第二种患病率为5%的疾病，阳性预测值为51%。

表2.阳性预测值与患病率的关系

由此可见，当诊断试验的特异度和灵敏度不变时，人群患病率越高，阳性预测值越高。并且，在患病率较低时，阳性预测值随患病率增大而上升的趋势更快（图1）。

图1.95%灵敏度与95%特异度诊断试验中患病率与阳性预测值的关系

三、为什么要







































北京治疗白癜风的医院哪家最好
补骨脂注射液价格在什么价位区间

转载请注明：http://www.gogkl.com/wacs/10801.html