如果数据代表诊断检测的评估，Prism会以五种方式报告结果：
术语 |
平均值 |
灵敏度 |
通过检测正确识别为阳性的患者比例。 |
特异性 |
通过检测未正确识别为阴性的患者比例。 |
阳性预测值 |
实际上患有该疾病且经检测呈阳性的人数比例。 |
阴性预测值 |
实际上没有该疾病且经检测呈阴性的人数比例。 |
似然比 |
如果检测呈阳性，则患上该疾病的概率是几倍？如果似然比等于6.0，则经检测呈阳性的群体患上该疾病的可能性要比经检测呈阴性的人高六倍。似然比等于灵敏度/（1.0 - 特异性）。 |
灵敏度、特异性和似然比表示检测的特性。
阳性与阴性预测值表示检测和受测群体的特性。如果在不同患病率的两个群体中进行检测，预测值将有所不同。将在临床环境下非常实用的检验（高预测值）作为筛查检测可能毫无价值。在筛查检测中，该疾病的患病率显著更低因此阳性检测的预测值也将更低。
通过在“选项”选项卡上选择可计算比例置信区间的方法，Prism计算了所有这些值的置信区间。Prism提供了三种方法。 我们推荐Wilson/Brown混合法。
