临床效度SPSS做法幻灯片.pptxVIP

说明人：熊戈 SPSS求临床效度 一般由如下几个指标组成： 敏感度（sensitivity） 特异度（specificity） AUC面积 阳性预测值（PPV） 阴性预测值（NPV） 临床效度 敏感度：指在病例组中，被新诊断试验判为有病的比例. 敏感性反映新试验正确判断患者的能力. 敏感性越高，漏诊的可能性越小. 特异度：指对照组(即被金标准诊断为无病者)中被新试验判断为无病的比例. 特异性反映新试验能正确排除某病的能力. 特异性越高，误诊的可能性就越小. AUC：即Area Under Curve，由筛查抑郁症或抑郁障碍的各种不同划界分的真阳性率（敏感度）随着假阳性率（1-特异度）变化而变化所绘制得到的曲线其下方的面积。AUC表示筛查的诊断准确性大小，即AUC越大，表示筛查的诊断准确性越高。 敏感度、特异度、AUC 即受试者工作特征曲线 根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。 其包含：敏感度、特异度和AUC ROC 以SPSS 20.0为例 关于抑郁症个体的筛查 首先，保证已对个体做了标记（在Value栏做好设置） 能使你清楚知道 哪些是抑郁症个 体。 SPSS求敏感度、特异度和AUC 然后点击 → 将你要分析的数据 放上面，中间放刚 才设置好的数据， 下面值选择你设置 好的（如：重度抑 郁设置为1，这里就 填1），下面选项全 选，点击OK。 SPSS求敏感度、特异度和AUC ROC曲线图： SPSS求敏感度、特异度和AUC AUC面积 这里AUC=.894 SE=.015 AUC（95%CI）=.864-.924 注：CI=置信区间 SPSS求敏感度、特异度和AUC 敏感度、特异度 最左边为分数点（可理解为划界分） 中间为敏感度 最右边为假阳性率，计算特异度为 1-最右边数值=特异度 SPSS求敏感度、特异度和AUC PPV：阳性预测值（Positive Predictive Value）又称预测阳性结果的正确率，是指在新的诊断试验结果阳性的患者中， 真正患病的例数所占的比例. NPV：阴性预测值（negative predictive value）又称预测阴性结果的正确率，是指在新诊断试验阴性结果的患者中，真正没 有患该病的例数所占的比例. PPV和NPV 计算方法金标准诊断： PPV（阳性预测值）=a/a+b NPV（阴性预测值）=d/c+d PPV和NPV计算 例：有100人，真阳性个体为10人，假阳性个体为30人， 真阴性个体40，假阴性个体20人，则： PPV=10/（10+20）=.333 NPV=40/（30+40）=.571 PPV和NPV计算 前面在计算敏感度和特异度等值的时候提到过划界分（最左边项） 划界分的选择推荐方式： Youden法则：即Youden指数最大法，Youden指数=敏感度+特异度-1，指数最大的所对应的敏感度和特异度的划界分即为最优划界分 预先设定敏感度或特异度的取值：如，敏感度需在.90以上，或特异度需在.75以上，再根据，然后寻找不低于该限值的最大敏感度或特异度所对应的划界分。 划界分的选择 一般来说，敏感度和特异度的关系为一个升 高，另一个就会下降，反之亦然. 敏感度高的诊断试验用于以下几种情况：①排除某病的诊断；②病情严重， 但治疗有积极意义，漏诊可造成严重后果而误诊不致带来严重后果的疾病，如嗜铬细胞瘤；③用于发病率较低的人群中，筛检无症状的患者. 特异度高的诊断试验用于：①用于肯定诊 断；②误诊会给患者造成严重后果(包括经济负担、精神和肉体上的严重危害). 相关概念整理 预测值受敏感度、特异度和患病率的影响. 当患病率一定时，随着敏感度的升高，特异度下降，漏诊率下降，NPV升高，PPV下降. 随着特异度的升高，敏感度下降，误诊率下降，PPV升高，NPV下降. 相关概念整理 李强. 如何开展诊断性研究. 世界华人消化杂志，2000，8(7)：803-805. 王敬瀚. ROC曲线在临床医学诊断实验中的应用.中华高血压杂志，2008，16（2）：175-177. 陈卫中，潘晓平，宋兴勃，倪宗瓒. ROC曲线中最佳工作点的选择.中国卫生统计，2006