阳性和阴性预测值

如果您输入患者和对照组的检验值，则Prism可创建一条ROC曲线。该图绘制了各种可能临界值的灵敏度与特异性之间的权衡，以确定“正常”和“异常”检验结果之间的界限。

. 灵敏度 是将出现异常检验结果的患者比例。

. 特异性 是将出现阴性检验结果的对照组比例。

但这两个值可能无法回答您真正想要答案的问题：

•如果结果“异常”，则该患者的确患病的几率有多大。该值为阳性预测值（PPV）。

•如果结果“正常”，则该患者的确未患病的几率有多大。该值为阴性预测值（NPV）。

但仅当您知道在您正在检验的群体中疾病的患病率时，从灵敏度和特异性来计算PPV和NPV才有可能。

示例

您检查了ROC曲线，并选择了一个检验值用作“正常”与“异常”之间的临界值。对于该截止值，灵敏度为90%，特异性为95%。在您检验的群体中，该疾病的患病率为10%。什么是PPV和NPV？您可以通过填写表格来找出答案。

1.假设所检查的患者总数值。最终，一切将是一个比率，因此该值并不重要。我选择10,000，并将其放置在表格右下角。

2.患病率为10%，因此，1,000名患者将患病，且9,000名将不会。这些值构成表格的最后一行（总数行）。

3.灵敏度为90%，因此，0.9*1,000 = 900名患病患者（左列）将具有阳性检验结果，100名患者没有该结果。这些值进入左列。

4.特异性为95%，因此，0.95*9000 = 8550名未患病患者将具有阴性检验结果。剩余450名具有阳性检验结果。这些值进入第二列（无疾病）。

5.填写最后一列（总数列）。

6.阳性预测值是指具有阳性检验结果的患者患有该疾病的比例：900/1350 = 66.7%

7.阴性预测值是指具有阴性检验结果的未患病患者的比例：8550/8650= 98.8%

如果您想自动执行这些计算（也许在Excel中），本页（来自MedCalc）底部给出了必要方程。