阴性预测值

阴性预测值（NPV）是指检测结果为阴性的人群中，真正没有患病的概率。与阳性预测值类似，它是通过2x2表格的行而不是列来读取的，因此它取决于疾病的患病率以及检测本身的内在准确性。

Definition

阴性预测值是在检测结果为阴性的情况下，疾病确实不存在的条件概率，计算方法是真阴性数量除以阴性结果总数（真阴性加假阴性）。

Scope

本条目将NPV定义为所有阴性结果中真阴性的比例，解释了其对疾病患病率的依赖性，将其与敏感性和特异性进行对比，并将其与贝叶斯更新的检测前概率到检测后概率联系起来。这是一个方法学主题，不就任何特定检测的使用提供建议。

Key concepts

• 阴性结果下无疾病的概率
• 对患病率（检测前概率）的依赖性
• 真阴性与假阴性
• 检测后概率
• 贝叶斯定理在诊断中的应用
• 与阴性似然比的关系

Mechanisms

NPV是根据2x2表格的阴性结果行计算的：在所有检测结果为阴性的受试者中，它是疾病状态确实为阴性的比例。由于假阴性的绝对数量是从患病组中产生的，因此即使敏感性和特异性保持不变，随着疾病患病率的升高，NPV会下降；随着疾病患病率的降低，NPV会上升。因此，NPV是检测内在准确性和受检人群中疾病检测前概率的共同产物。这种关系通过贝叶斯定理形式化，该定理使用检测的似然比将检测前概率更新为检测后概率；NPV对应于阴性结果后疾病检测后概率的1减去该概率。

Clinical relevance

NPV表达了在特定环境下阴性结果能提供多少安心，因此对于在特定背景下解释筛查和诊断结果至关重要。该概念支持对诊断证据的批判性评估；它描述了如何在人群中解释检测结果，而不是个体诊断或治疗决策的基础。

Epidemiology

在低患病率环境下，NPV往往很高，这仅仅是因为大多数人没有患病，这使得阴性结果看起来非常令人安心，即使检测的敏感性不高。相反，随着患病率的上升，NPV会下降，因此像所有预测值一样，它必须与相关人群相关联报告，而不是被视为固定的检测属性。

History

预测值对患病率的依赖性在20世纪诊断准确性框架成熟时得到了澄清，并且通过1990年代的解释性统计著作，内在检测特性与依赖人群的预测性能之间的区别变得易于临床医生理解。

Debates

高阴性预测值是否意味着检测在排除疾病方面表现良好？

高NPV可能主要反映低患病率而非强大的检测性能，因此阴性结果带来的安心应根据疾病的潜在概率和检测的似然比来判断，而不仅仅是NPV本身。

Key figures

• Douglas Altman
• Martin Bland
• Jonathan Deeks
• David Grimes
• Kenneth Schulz

Seminal works

• altman-bland-1994b
• deeks-altman-2004
• grimes-schulz-2002-screening

Frequently asked questions

为什么罕见疾病的阴性预测值通常很高？

当疾病罕见时，大多数人确实没有患病，因此大多数阴性结果是正确的，这使得NPV很高，这主要是由于低患病率而非检测质量。

阴性预测值是检测的固有属性吗？

不是。它取决于受检人群中疾病的患病率以及检测的敏感性和特异性，因此相同的检测在不同环境下会产生不同的预测值。