电诊断的基础统计学.pptx

趣味肌电图群读书会;;基础统计学;;标准差（SD）在描述一个呈正态分布的总体的散布情况时非常有用。 平均值 ± 1 SD 覆盖了约 68% 的总量。 平均值 ± 2 SD 覆盖了约 95% 的总量。 平均值 ± 3 SD 覆盖了约 99.7% 的总量。;特异性（specificity）：又称真阴性（true negative）率，是实际未患病且被检测为非患者的概率。 敏感性（sensitivity）：又称真阳性（true positive）率，是实际患病且被检测为患者的概率。 误诊率：又称假阳性（false positive）率，是实际未患病但被检测为患者的概率。 漏诊率：又称假阴性（false negative）率，是实际患病但被检测为非患者的概率。;当一项检查应用于正常人群时，低于临界值被正确判断为非患者（true negative），但同样会错误判断少部分高于临界值的正常人为患者（false positive）。;理想情况下，正常人群与患病人群没有重叠部分，临界值设置在两个总体之间时，可以正确区分所有的患者和正常人，达到 100% 的敏感性和特异性。;如果临界值设置过低（高敏感性），检查能正确诊断近乎所有的患者（true positive），仅有少部分患者被误判为正常人 （false negative） 。;优点和缺点;假阳性（false positive）与假阴性（false negative）导致了统计学术语中的 I 类错误 与 II 类错误。 在 I 类错误中，正常人被误诊为患者。 在 II 类错误中，患者被漏诊为正常人。 虽然这两类错误都非常重要，但是 I 类错误通常被认为更加不可接受。因为误诊可能导致更严重的问题，例如不恰当的检查与治疗，增加患者不必要的心理负担等。 因此在通常情况下，一项检查的特异性应该优先于敏感性，除非该项检查是作为一项单独的筛查措施（即任何阳性的筛查结果在得出最终结论前必须接受其他更具有特异性的检查）。;ROC （receiver operator characteristic）曲线，y轴为敏感性，x轴为特异性，该曲线显示了不同的参考值其敏感性与特异性的关系。;重要启示;贝叶斯定理;;人群总数为1000，检查的敏感性和特异性均为95%。;例二：低患病率;虽然前面的分析令人沮丧，但有的放矢的检查是提高阳性预测值的一个解决方法。好消息是：接受电诊断的受检者通常都是临床高度怀疑患病的人，因??受检者中的患病率还是很高的。 例如：申请行电诊断的、怀疑为腕管综合征的患者，如果有腕手疼痛、桡侧4指麻木，并在睡觉、开车、持手机时加重，其真正罹患腕管综合征的可能性很高。如果在电诊断检查中发现正中神经跨腕段反应延迟，则这一阳性检查结果是真阳性的概率将非常高。 相反，如果同样的检查应用于没有手和手指症状的背痛患者，则腕管综合征在该类人群中患病率将会很低。在这种情况下，任何阳性发现都有很大的可能是假阳性，可能没有任何临床意义。;解决方法二;重要启示;多项检查;;一项异常判定;多项异常判定;重要启示;参考文献