混淆矩阵如图：（是否正确？？）
基本指标
灵敏度（Sensitivity,Se）是试验发现有病的人的能力，即实际诊断为有病的病例中，诊断试验结果为阳性例数的比例。---即精确率(Precision)
Se=a/(a+c)
又称真阳性率，将实际有病的人正确判断为患者的能力。
特异度（Specificity, Sp）是甄别出没有病的人的能力，即实际无病的例数中，诊断试验结果为阴性的比例。
Sp=d/(b+d)
又称真阴性率，将实际无病的人正确判断为非患者的能力
预测值
阳性预测值（positive predictive value,+PV）,如果诊断试验结果是阳性病人真正有病的可能性。
+PV=a/(a+b)
反映诊断指标阳性时患者患某病的概率。
阴性预测值（negative predictive value,-PV）,如果诊断试验结果是阴性病人真正无病的概率
-PV=d/(c+d)
反映诊断指标阴性时受试者不会患某病的概率。
综合评价指标
总符合率（pai） ---即准确率（Accuracy）
pai=(a+d)/(a+b+c+d)
表示观察值与标准值或真实值符合的程度。
阳性似然比（positive likelihood ratio, PLR）指真阳性率与假阳性率之比，说明病人中出现某种检验结果阳性的概率是非病人的多少倍，即一项试验按某已定标准判断某病人结果为阳性
PLR=Se/(1-Sp)
表明阳性时患病与未患病机会的比值，比值愈大患病概率愈大。
阴性似然比（negative likelihood ratio, NLR）指假阴性率与真阴性率之比，说明病人中出现某种检验结果阴性的概率是非病人的多少倍，
NLR=（1-Se)/Sp
表明阴性时不患病与患病机会的比值，比值愈小试验结果阴性时为真阴性的可能性越大。
受试者工作特征曲线（receiver operating characteristic curve,简称ROC曲线），ROC曲线是以每一个检测结果作为可能的诊断界值，以计算得到相应的真阳性率（即灵敏度）为纵坐标，以假
阳性率（即1-特异度）为横坐标绘制曲线，其曲线下面积的大小表明了诊断试验准确度的大小。
ROC曲线下面积（AUC）作为诊断试验真实性评价的固有准确度指标已被普遍认可，完全全无价值的诊断试验曲线下面积为0.5，理想的诊断试验曲线下面积为1，而一般认为对于一个诊断试验，ROC曲线下面积在0.5~0.7之间时诊断价值较低，在0.7 ~ 0.9之间时诊断价值中等，在0.9以上时诊断价值较高。
差异性检验
配对卡方公式：
Kappa系数在0~+1间判断一致性才有意义。Kappa系数越大，表示一致性越好。一般认为Kappa系数>0.8,为高度一致，认为两系统等效；0.4<Kappa系数<0.8认为一致，
需进行阳性符合率和阴性符合率比较并进行统计学分析；Kappa系数<0.4则认为两系统不一致，两系统不等效。
[图片上传中...(image.png-c5ff96-1720590178819-0)]
