阳性预测值和阴性预测值

如果输入患者和对照组的检验值，Prism 就能绘制 ROC 曲线。它描绘了灵敏度和特异性在各种可能的临界值下的权衡，以界定 "正常 "和 "异常 "检验结果之间的界限。

灵敏度是指检测结果异常的患者比例。

特异性是指检测结果为阴性的对照组的比例。

但这两个值可能无法回答您真正想要的问题：

•如果结果 "异常"，那么这个人真正患病的几率有多大。这就是阳性预测值（PPV）。

•如果结果 "正常"，那么这个人真的没有患病的几率有多大。这就是阴性预测值（NPV）。

可以根据灵敏度和特异性计算出 PPV 和 NPV，但前提是您必须知道该疾病在所检测人群中的患病率。

本示例

您研究了 ROC 曲线，并选择了一个检验值作为"正常"与"异常"的分界点。对于这个临界值，灵敏度为 90%，特异度为 95%。在您测试的人群中，该疾病的发病率为 10%。PPV 和 NPV 是多少？您可以通过填写表格来计算。

1.假设受检病人总数为一个值。最后，一切都将是一个比率，所以这个值并不重要。我选择了 10,000 人，并将其填入表格右下方。

2.患病率为 10%，因此有 1000 名患者患病，9000 名患者不患病。这些数值构成了表格的最下面一行（总计）。

3.灵敏度为 90%，因此 0.9*1,000=900 名患者（左侧一列）的阳性试验结果为阳性，100 名患者的阳性试验结果为阴性。这些数值填入左栏。

4.特异性为 95%，因此 0.95*9000= 8550 名没有患病的人会得到阴性试验结果。剩下的 450 人将得到阳性试验。这些数值填入第二栏（无疾病）。

5.填写最后一栏（总计）。

6.阳性预测值是指检验值呈阳性的人中，患病的比例： 900/1350 = 66.7%

7.阴性预测值是指检验值为阴性的人中没有患病的比例：8550/8650= 98.8%

如果您想自动进行这些计算（也许可以用 Excel）， 本页底部（来自 MedCalc）提供了必要的计算公式。