【阳性预测值和阴性预测值计算公式】在医学检测、统计分析以及诊断试验评估中，阳性预测值（Positive Predictive Value, PPV）和阴性预测值（Negative Predictive Value, NPV）是衡量检测结果准确性的两个重要指标。它们分别表示在检测结果为阳性或阴性的情况下，实际患病或未患病的概率。
一、基本概念
- 阳性预测值（PPV）：在所有检测结果为阳性的个体中，真正患病的比例。
- 阴性预测值（NPV）：在所有检测结果为阴性的个体中，真正未患病的比例。
这两个指标与疾病的发生率（即人群中实际患病的比例）密切相关，因此在不同人群中的意义可能有所不同。
二、计算公式
| 指标 | 公式 | 说明 |
| 阳性预测值（PPV） | $ \text{PPV} = \frac{\text{TP}}{\text{TP} + \text{FP}} $ | TP 是真阳性数，FP 是假阳性数 |
| 阴性预测值（NPV） | $ \text{NPV} = \frac{\text{TN}}{\text{TN} + \text{FN}} $ | TN 是真阴性数，FN 是假阴性数 |
其中：
- TP（True Positive）：实际患病且检测为阳性的数量
- FP（False Positive）：实际未患病但检测为阳性的数量
- TN（True Negative）：实际未患病且检测为阴性的数量
- FN（False Negative）：实际患病但检测为阴性的数量
三、举例说明
假设某项疾病筛查测试在1000人中进行，结果如下：
| 实际状态\检测结果 | 阳性 | 阴性 | 合计 |
| 患病 | 90 | 10 | 100 |
| 未患病 | 50 | 850 | 900 |
| 合计 | 140 | 860 | 1000 |
根据表格数据计算：
- TP = 90
- FP = 50
- TN = 850
- FN = 10
代入公式：
- PPV = 90 / (90 + 50) = 90 / 140 ≈ 64.3%
- NPV = 850 / (850 + 10) = 850 / 860 ≈ 98.8%
这说明，在该测试中，如果一个人被检测为阳性，他真正患病的可能性约为64.3%；而如果检测为阴性，他真正未患病的可能性高达98.8%。
四、注意事项
1. 依赖于患病率：PPV 和 NPV 的数值受人群中真实患病率的影响较大。患病率越高，PPV 越高；反之，NPV 越高。
2. 不能单独使用：PPV 和 NPV 只能反映检测结果的可靠性，不能替代灵敏度（Sensitivity）和特异度（Specificity）等其他指标。
3. 临床应用需结合背景信息：在实际应用中，应结合患者的具体情况、流行病学数据等综合判断。
五、总结
| 指标 | 定义 | 公式 | 影响因素 |
| PPV | 检测为阳性时，真正患病的概率 | $ \frac{TP}{TP+FP} $ | 患病率、假阳性率 |
| NPV | 检测为阴性时，真正未患病的概率 | $ \frac{TN}{TN+FN} $ | 患病率、假阴性率 |
通过合理计算和理解 PPV 与 NPV，可以更科学地评估诊断工具的实际效果，为临床决策提供有力支持。
