如果您的数据涉及对某项诊断试验的评估，Prism 将以五种方式呈现结果：
术语 |
含义 |
敏感度 |
检测正确识别为阳性的患者所占比例。 |
特异性 |
未患病者中被检测正确判定为阴性的比例。 |
阳性预测值 |
阳性试验结果的人群中，实际患有该疾病的人所占的比例。 |
阴性预测值 |
阴性试验结果的人群中，实际未患该疾病的比例。 |
似然比 |
如果阳性试验结果出现，患病的可能性会增加多少倍？如果似然比等于6.0，则阳性试验结果出现的人患病的可能性是阴性试验结果出现的人的六倍。似然比等于灵敏度和特异性。 |
灵敏度和特异性以及似然比是检测本身的属性。
阳性预测值和阴性预测值既是检测本身的属性，也是受检人群的属性。若在两种疾病患病率不同的群体中使用同一检测，其预测值将有所不同。一种在临床环境中非常有用的检测（预测值高），作为筛查检测时可能几乎毫无价值。在筛查检测中，疾病的患病率要低得多，因此阳性检测结果的预测值也会相应降低。
Prism 会根据您在“选项”标签页中选择的计算比例置信区间的方法，为所有这些值计算置信区间。Prism 提供了三种方法。我们推荐混合威尔逊/布朗法。
