阳性预测值代表什么意义

性能验证矩阵

试验方法的性能验证，通常参考对照方法进行比对，一般是经过验证的事实（Truth）或是金标准，经过验证的事实包括两类已患病和未患病人群，那么试验方法的结果会出现四种情况，在已患病人群中检出的阴性和阳性数，以及在未患病人群中检测的阴性和阳性数，见下表：

真阳性率（敏感性）：c/a；试验方法检出阳性数在参照对象或金标准阳性（已患病人群）中的比例；越高假阴性率越低

真阴性率（特异性）：d1/a1；试验方法检出阴性数在参照对象或金标准阴性（未患病人群）中的比例；越高假阳性率越低

假阳性率（误诊率）：c1/a1（=1-真阴性率）；试验方法检出阳性数在参照对象或金标准阴性（未患病人群）中的比例

假阴性率（漏诊率）：d/a（=1-真阳性率）；试验方法检出阴性数在参照对象或金标准阳性（已患病人群）中的比例

阳性预测值：c/b；试验方法真阳性数在试验方法总阳性数中的比例

阴性预测值：d1/b1；试验方法真阴性性数在试验方法总阴性数中的比例

准确度：（c+d1）/N；试验方法真阳性数与真阴性数之和在总参照对象数（N）中的比例

阳性预测值与贝叶斯统计

那么阴性预测值代表什么意义，举例说明：

某试验方法的敏感性为95%，特异性90%，某疾病的人群基础患病率为5%。

假如有1000个样本，那么实际患病人数为50，未患病人数为950，在患病人数里该方法检出阳性数和阴性数分别为47.5和2.5，在未患病人数该方法检出阳性数和阴性数分别为95和855。

那么阳性预测值=47.5/（47.5+95）=33.3%

根据贝叶斯统计公式，计算检测阳性时患病的概率P（患病丨阳性）：

（95%×5%）/{（95%×5%）+（10%×95%）}=33.3%

由此可见：阳性预测值=P（患病丨阳性）

阳性预测值是跟人群基础患病率相关，而人群基础患病率受样本大小、受检人群、地区等因素的影响。因此阳性预测值在引入人群基础患病率后才有意义，它代表某人检测阳性结果时患病的概率。