预测值(Predictive Values)计算——MedCalc软件实现

关键词：MedCalc; 预测值; 验后概率

预测值(Predictive values)又称诊断价值，是指在已知试验结果的条件下，表明有无疾病的概率，可分为阳性预测值(positive predictive value, PPV)和阴性预测值(negative predictive value, NPV)。阳性预测值是指试验结果阳性者中真正患此病的概率，阴性预测值是指试验结果阴性者中未患病的概率。以经典诊断试验四格表(表 1)为例，预测值的计算公式如下：

\(P P V=\left[\frac{a}{a+b}\right] \times 100 \%\)

\(N P V=\left[\frac{d}{c+d}\right] \times 100 \%\)

而已知样本人群的患病率(P)、诊断试验的灵敏度(Se)和特异度(Sp)，根据Bayes条件概率理论，其预测值的计算公式如下(提高诊断试验效率——验前概率对验后概率的影响)：

\(P P V=\frac{S e \times P}{S e \times P+(1-S p) \times(1-P)}\)

\(N P V=\frac{S p \times P}{(1-S e) \times P+S p \times(1-P)}\)

表 1 诊断试验真实性评价表

在MedCalc软件中，当疾病组和正常组的样本含量已知时，软件使用标准Logit法(standard logit method)计算预测值的95%CI。

一、案例介绍

已知某种疾病的患病率为67%，某机构发明了一种新型诊断试剂，其灵敏度为91%、特异度为70%，现使用该新型试剂对金标准筛查过的患者和非患者各1000例进行检查，试计算该检查的阳性预测值和阴性预测值。

二、案例分析

本案例已知某疾病的患病率(P)、诊断试验的样本例数(n)、灵敏度(Se)和特异度(Sp)，计算该诊断试验的阳性预测值和阴性预测值，可用MedCale软件中的预测值(Predictive)功能进行分析。

三、软件操作及结果解读

(一) 软件操作

• 选择“统计”—“ROC曲线”—“预测值”（图 1）

• 在“预测值”对话框中按图2填入相关信息，并点击“检验”
  • 敏感性(%)：诊断试验的灵敏度。本例填“91”
  • 患病组的病例总数：患病组的案例数。本例填“1000”
  • 特异性(%)：诊断试验的特异度。本例填“70”
  • 正常组的病例总数：正常组的案例数。本例填“1000”
  • 疾病流行性(%)：疾病的患病率。本例填“67”。

(二) 结果解读

该诊断试验的阳性预测值为86.03%，其95%CI为(84.8%~87.2%)；阴性预测值为79.30%，其95%CI为(75.8%~82.4%)。

四、结论

本研究中，已知某种疾病的患病率为67%，新型诊断试剂的灵敏度为91%、特异度为70%，患病组和正常组的病例总数各为1000例，可计算出其诊断试验的阳性预测值为86.03%，其95%CI为(84.8%~87.2%)，阴性预测值为79.30%，其95%CI为(75.8%~82.4%)。