根据Bayes理论阳性预测率公式是()。
A:
B: 灵敏度÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
C:
D: (灵敏度×流行率)÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
E:
F: 流行率÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
G:
H: [特异性×(1-流行率)]÷[(1-灵敏度)×流行率+特异性×(1-流行率)]
I:
J: 流行率÷[灵敏度×流行率+特异性×(1-流行率)]
A:
B: 灵敏度÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
C:
D: (灵敏度×流行率)÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
E:
F: 流行率÷[灵敏度×流行率+(1-特异性)×(1-流行率)]
G:
H: [特异性×(1-流行率)]÷[(1-灵敏度)×流行率+特异性×(1-流行率)]
I:
J: 流行率÷[灵敏度×流行率+特异性×(1-流行率)]
举一反三
- 根据Bayes理论,阳性预测率公式是 A: (灵敏度×流行率)÷[灵敏度×流行率+(1-特异性)×(1-流行率)] B: (特异性×流行率)÷[灵敏度×流行率+(1-特异性)×(1-流行率)] C: 流行率÷[灵敏度×流行率+(1-特异性)×(1-流行率)] D: 灵敏度÷[灵敏度×流行率+(1-特异性)×(1-流行率)] E: 流行率÷[灵敏度×流行率+特异性×(1-流行率)]
- 根据Bayes理论,阴性预测率公式是() A: A[特异性×(1-流行率)]÷[(1-灵敏度)×流行率+特异性×(-1-流行率)] B: B(特异性×流行率)÷[(1-灵敏度)×流行率+特异性×(1-流行率)] C: C流行率÷[灵敏度×流行率+(1-特异性)×(1-流行率)] D: D灵敏度÷[灵敏度×流行率+(1-特异性)×(1-流行率)] E: E流行率÷[灵敏度×流行率十特异性×(1-流行率)]
- 阳性似然比是指诊断试验的真阳性率与假阳性率的比值,即阳性似然比= A: 特异度/(1-灵敏度) B: (1- 灵敏度)/特异度 C: 灵敏度/(1-特异度) D: (1- 特异度)/灵敏度 E: (1-灵敏度)/(1-特异度)
- 阳性拟然比() A: =灵敏度/(1-特异度) B: =假阴性/真阳性 C: =真阳性/假阴性 D: =(1-灵敏度)/特异度 E: =灵敏度/特异度
- 两项筛检试验联合应用时按照并联试验判定结果,则: A: 灵敏度↑误诊率↓ B: 灵敏度↑漏诊率↓ C: 灵敏度↓特异度↑ D: 特异度↑误诊率↓ E: 特异度↑漏诊率↓