一般常見評價診斷試驗真實性的指標包括靈敏度(真陽性率)、特異度(真陰性率)、假陽性率、假陰性率、似然比。
|
生病(Disease) |
健康(non Disease) |
||
|
陽性 |
a (真陽性) |
b (假陽性) |
a+b |
|
陰性 |
c (假陰性) |
d (真陰性) |
c+d |
|
a+c |
b+d |
a+b+c+d |
(註)假陽性：是指健康人的診斷試驗結果為不正常情況
(註)假陰性：是指生病者診斷試驗結果為正常情況
上述表格是用來計算靈敏度與特異度，二者是統計學中用來表示二項分類測試特徵的數據。靈敏度只與病例組有關，理想的試驗靈敏度應為100％；特異度只與非病例組有關，理想的試驗特異度應為100％。
|
|
定義 |
公式 |
|
靈敏度 |
將有病者診斷為陽性結果的比率= 真陽性/生病 |
a / a+c |
|
特異度 |
將健康者診斷為陰性結果的比率= 真陰性/健康 |
d / b+d |
|
假陽性率 |
實際無疾病，但根據診斷試驗卻被定為有病的機率 |
b / b+d |
|
假陰性率 |
實際有疾病，但根據診斷試驗卻被定為非病者的機率 |
c / a+c |
|
|
意義 |
|
靈敏度 |
當靈敏度高的診斷試驗結果為陰性，是未罹患此疾病一項相當可靠指標 |
|
特異度 |
在特異性高的診斷試驗結果為陽性，即表示有病 |
|
假陽性率 |
特異度越高，誤診愈少，理想的診斷試驗假陽性率=0 |
|
假陰性率 |
靈敏度越高，漏診愈少，理想的診斷試驗假陰性率=0 |
(註)
|
陽性預測值(Positive Predictive Value，PPV) |
為有病者診斷試驗結果呈陽性的比率 |
a / a+b |
|
陰性預測值(Negative Predictive Value，NPV) |
為無疾病者診斷試驗結果呈陰性的比率=真陰性 / 陰性試驗結果 |
d / c+d |
病患中出現某種試驗結果的概率與非病患中出現該結果的概率之比，說明病患出現該結果的機率是非病患的多少倍。似然比是一個綜合性評價指標，不受患病率的影響，在選擇診斷試驗時應選擇陽性似然比高的方法。
|
|
定義 |
公式 |
意義 |
|
陽性似然比(positive likelihood ratio，+LR) |
病患中某試驗出現陽性結果的機率是非病患的多少倍---即真陽性率與假陽性率之比 |
[a/(a+c)]/ |
比值愈大，患病的機率愈大；比值愈小，基本可以排除疾病 |
|
陰性似然比(negative likelihood ratio，-LR) |
病患中某種試驗出現陰性結果的機率是非病患的多少倍—即假陰性率與真陰性率之比 |
[c/(a+c)]/ |
比值越小，試驗診 |
(註)分子：疾病中，診斷試驗呈陽性或陰性比率
(註)分母：無疾病中，診斷試驗呈陽性或陰性比率
(註) 陽性似然比比值所代表的臨床意義：
|
陽性似然比 |
意義 |
|
>10 |
Strong evidence to rule in disease |
|
5–10 |
Moderate evidence to rule in disease |
|
2–5 |
Weak evidence to rule in disease |
|
0.5–2.0 |
No significant change in the likelihood |
|
0.2–0.5 |
Weak evidence to rule out disease |
|
0.1–0.2 |
Moderate evidence to rule out disease |
|
<0.1 |
Strong evidence to rule out disease |
r=(靈敏度+特異度)－1＝1－(假陽性率+假陰性率)，用於兩個診斷方法的比較，理想的正確診斷指數為100％。
|
篩檢 |
疾病 |
|
|
有 |
無 |
|
|
陽性 |
44 |
3 |
|
陰性 |
0 |
98 |
- 84%
- 94%
- 97%
- 100%
|
篩檢 |
疾病 |
|
|
有 |
無 |
|
|
陽性 |
a |
c |
|
陰性 |
b |
d |
- a/(a+b)
- a/(a+c)
- d/(b+d)
- c/(c+d)
|
|
有 |
無 |
|
有 |
68 |
6 |
|
無 |
12 |
114 |
- 敏感度為85%
- 特異度為95%
- 陽性預測值為85%
- 陰性預測值為90.5%