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)]
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)]
举一反三
- 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)]
- 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)
- 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↓
- 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