医学论文敏感度计算公式

灵敏度（sensitivity），又称真阳性率，即实际有病，并且按照该诊断试验的标准被正确地判为有病的百分比。它反映了诊断试验发现病人的能力。特异度（specificity），又称真阴性率，即实际没病，同时被诊断试验正确地判为无病的百分比。它反映了诊断试验确定非病人的能力。灵敏度=真阳性人数/（真阳性人数+假阴性人数）*100%。正确判断病人的率。特异度=真阴性人数/（真阴性人数+假阳性人数））*100%。正确判断非病人的率。灵敏度和特异度指标的重要性。如果一项诊断试验的灵敏度比较低，那么会出现很多假阴性的患者。这会延误患者的就诊，影响病程发展和愈后，甚至导致患者过早死亡。如果一项诊断试验的特异度比较低，那么会出现很多假阳性的患者。这样会浪费医疗资源、造成患者无端的恐慌和焦虑。因此，具有较高的灵敏度和特异度是一项诊断试验的应用基础。

灵敏度又称真阳性率，特异度又称真阴性率。灵敏度=真阳性人数/（真阳性人数+假阴性人数）*100%特异度=真阴性人数/（真阴性人数+假阳性人数））*100%

这2个指标的意义是：

灵敏度/敏感性：诊断疾病的时候不漏诊（假阳性）的机内会有多大（小）；

特异性：指该指标在诊断某疾病时，不误诊（假阴性）的机会有多大（小）；

在医学统计里，任何一个诊断指标，都有两个最基本的特征，即敏感性和特异性，所谓敏感性，就是指其在诊断疾病的时候不漏诊（假阴性）的机会有多大（小），所谓特异性就是指该指标在诊断某疾病时，不误诊（假阳性）的机会有多大（小）。

单独一个指标，如果提高其诊断的敏感性，必然降低其诊断的特异性，换句话说，减少漏诊必然增加误诊，反之亦然。

扩展资料：

特异性中提到的健康人是相对的，指没有观察疾病的人，例如在研究肿瘤指标对于胃癌的特异性时，胃溃疡患者也是健康人。检出标准未必能够在胃溃疡组里面得出全阴性的结果，如果得不出全阴性的结果，这组数据就说明了正常人误诊的概率。

借助生物制剂的作用，培养并输入人体内，利用人体内最高效的特异性免疫细胞DC、CIK、T、NK细胞共同作用，调动患者机体的防御机制，以调节患者机体的生物学反应，杀灭癌细胞，激活免疫细胞，能够杀灭体内残存的微小癌症细胞，实现从根源治疗肿瘤为目的。

参考资料来源：百度百科-特异性

1、诊断敏感性：是指将实际患者正确地判断为阳性(真阳性)的百分率。

计算公式为：TP/(TPFN)×100%。TP为真阳性，FN为假阴性。

2、诊断特异性：是指将实际无病者正确地判断为阴性(真阴性)的百分率。

计算公式为：TN/(TN+FP)×100%。TN为真阴性,FP为假阳性。

3、诊断效率：是指能准确区分患者和非患者的能力。

计算公式为：(TP+TN)/(TP+FP+TN+FN)×100%。

4、阳性预期值：是指特定试验方法测定得到的阳性结果中真阳性的比率。

计算公式为：PPV=TP/(TP+FP)×100%。

5、阴性预期值：是指特定试验方法测定得到的阴性结果中真阴性的比率。

计算公式为：NPV=TN/(TN+FN)×100%。

扩展资料：

医学统计方法的选择

一、先确定研究目的，根据研究目的选择方法

不同研究目的采用的统计方法不同，常见的研究目的主要有三类：一是差异性研究，即比较组间均数、率等的差异，可用的方法有t检验、方差分析、χ2检验、非参数检验等。

二是相关性分析，即分析两个或多个变量之间的关系，可用的方法有相关分析。三是影响性分析，即分析某一结局发生的影响因素，可用的方法有线性回归、logistic回归、Cox回归等。

二、明确数据类型，根据数据类型进一步确定方法

不同数据类型采用的统计方法也不同。定量资料可用的方法有t检验、方差分析、非参数检验、线性相关、线性回归等。分类资料可用的方法有χ2检验、对数线性模型、logistic回归等。图简要列出了不同研究目的、不同数据类型常用的统计分析方法。

三、选定统计方法后，需要利用统计软件具体实现统计分析过程

SAS中，不同的统计方法对应不同的命令，只要方法选定，便可通过对应的命令辅之以相应的选项实现统计结果的输出。

四、统计结果的输出并非数据分析的完成

一般统计软件都会输出很多结果，需要从中选择自己需要的部分，并做出统计学结论。但统计学结论不同于专业结论，最终还需要结合实际做出合理专业结论。

参考资料：百度百科-医学统计

参考资料：百度百科-敏感性

参考资料：百度百科-特异性

诊断正确33例，假阳性2例，假阴性无，请问敏感性多少？特异性为多少？