如果您的数据是对诊断试验的评估,Prism 会以五种方式报告结果:
术语 |
术语 |
灵敏度 |
通过试验正确识别为阳性的疾病患者的比例。 |
特异性 |
通过试验正确识别为阴性的未患病者的比例。 |
阳性预测值 |
阳性试验中实际患病者的比例。 |
阴性预测值 |
阴性试验结果为阴性的人群中实际未患病者的比例。 |
可能性比 |
如果您的阳性试验结果呈阳性,那么您患病的可能性会增加多少倍?如果似然比等于 6.0,那么阳性试验者患病的可能性是阴性试验者的六倍。似然比等于灵敏度/(1.0-特异性)。 |
灵敏度、特异性和似然比是检验的属性。
阳性预测值和阴性预测值既是检验值的属性,也是检验人群的属性。如果在两个疾病流行率不同的人群中使用一种检验,其检验值就会不同。在临床环境中非常有用的检验(高检验值),作为筛查检验可能几乎毫无价值。在筛查试验中,疾病的流行率要低得多,因此阳性试验的预测值也会较低。
Prism 使用您在 "选项"选项卡上选择的计算比例置信区间的方法来计算所有这些值的置信区间。Prism提供三种方法。 我们推荐使用威尔逊/布朗混合法。