临床诊断计算器

从

来自观察到的样本：人口患病率、敏感性、特异性、预测值和似然比的估计值

给定

一个根据某种条件是否存在进行交叉分类的受试者样本，以及根据旨在表明该条件存在的测试是否证明为阳性或阴性，此页面将计算估计的总体中点和 95% 置信度间隔为

患病率;_T
测试灵敏度（如果条件存在，则测试为阳性的条件概率）;_T
测试特异性（如果条件不存在，测试为阴性的条件概率）;_T
测试的预测值（真阳性、真阴性、假阳性和假阴性的概率）; _T
阴阳性似然比._T

要继续，将四格表中每一个的观察频率输入指定的单元格，然后单击“计算”按钮。要使用一组新数据执行新分析，请单击 «重置» 按钮。

	条件		合计
	不存在疾病	存在疾病	合计
测试阳性
测试阴性
总计

	估计值	95%的置信区间
	估计值	下限	上限
患病率
灵敏度
特异性
总符合性
对于任何特定的测试结果，其概率为：
总阳性符合率
总阴性符合率
准确性
对于任何特定的阳性检测结果，其概率为：
真阳性 (阳性预测值)
假阳性
对于任何特定的阴性测试结果，其概率为：
真阴性 (阴性预测值)
假阴性
似然比： [C] = 常规 [W] = 按患病率加权 [定义]
阳性 [C]
阴性 [C]
阳性 [W]
阴性 [W]
上述任何单元格中的条目“NaN”表示无法执行计算，因为输入的值包含一个或多个零实例。关于计算置信区间的说明关于置信区间计算

关于置信区间计算说明

95% 的比例置信区间（包括上述最后四个除外）是根据 Robert Newcombe 描述的有效评分方法（针对连续性进行校正）计算的，基于以下概述的程序EB Wilson 在 1927 年。正如 Newcombe 在他 1998 年的论文中指出的那样，熟悉的高斯近似

p ± 1.96 × √p(1-p)/n

不适用于比例很小的情况，通常是流行度测量的情况，或相当大的情况，最好是敏感性和特异性测量的情况。

参考文献:

Newcombe, Robert G. "Two-Sided Confidence Intervals for the Single Proportion: Comparison of Seven Methods," Statistics in Medicine, 17, 857-872 (1998).

Wilson, E. B. "Probable Inference, the Law of Succession, and Statistical Inference," Journal of the American Statistical Association, 22, 209-212 (1927).

关于置信区间计算说明

似然比的定义：