特异度

特异度是指在真正没有某种疾病的人群中，检测正确识别为阴性的比例。它回答了“在没有疾病的人群中，有多少人被检测确认为阴性？”这个问题，是用于评估诊断和筛查试验相对于参考标准的两种内在准确性测量方法中与敏感度相对应的指标。

Definition

特异度是指在疾病确实不存在的情况下，检测结果为阴性的条件概率，计算方法是真阴性人数除以没有疾病的总人数（真阴性人数加上假阳性人数）。

Scope

本条目将特异度定义为真阴性率，将其置于检测结果与真实疾病状态的2x2表格中，解释了其互补指标（假阳性率），并阐述了如何估算特异度、特异度如何随患者谱而变化，以及它如何有助于似然比的计算。这是一个方法学主题，不提供任何特定检测的使用建议。

Key concepts

• 真阴性率
• 假阳性率（1 - 特异度）
• 参考（金）标准
• 在无疾病情况下的条件概率
• 谱偏倚
• 阴性似然比

Mechanisms

特异度是根据2x2表格中未患病一列计算的：在所有真实状态为无病的主体中，它是检测正确判断为阴性的比例。因为它以真实的无病状态为条件，所以特异度原则上独立于疾病频率，因此它表征的是检测本身而非人群。其互补指标，即1减去特异度，是假阳性率——健康人被错误标记的比例。高度特异的检测，当结果为阳性时，有助于排除某种疾病，因为很少有无病者会产生阳性结果。特异度与敏感度结合形成阴性似然比，并通过假阳性率定义了ROC曲线的横轴。与敏感度一样，测得的特异度可能取决于所研究的无病受试者谱，因为并存疾病可能会增加假阳性。

Clinical relevance

特异度是衡量检测在多大程度上避免将健康人标记为患病的标准，在假阳性会带来显著成本（例如筛查后不必要的随访）的情况下，特异度尤为重要。这一概念支持对诊断证据的批判性评估；它描述的是检测的属性，而不是个体诊断或治疗决策的基础。

Epidemiology

在人群筛查中，即使特异度略有不足也至关重要，因为大多数受检者是无病的，所以一个小的假阳性率应用于庞大的健康人群，可能会产生大量的假警报。特异度与患病率的这种相互作用是评估筛查项目是否能产生可接受的利弊权衡的核心主题。

History

特异度与敏感度一同从分类和信号检测理论进入医学统计学领域，并在20世纪90年代通过解释性统计著作在临床读者中普及。20世纪70年代的方法学研究强调了无病受试者谱如何可能使测量结果产生偏差。

Debates

为什么特异度在筛查中主导假阳性问题？

因为在筛查中，无病者通常远远多于患病者，即使特异度很高，也可能导致假阳性的绝对数量庞大，从而耗尽随访资源并使健康人面临风险。

Key figures

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

Seminal works

• altman-bland-1994a
• ransohoff-feinstein-1978
• deeks-altman-2004

Frequently asked questions

高度特异的检测在结果为阳性时是否能排除疾病？

高特异度意味着很少有健康人检测呈阳性，因此阳性结果对疾病的诊断更有说服力；但全面的解释仍取决于敏感度和潜在患病率。

什么是假阳性率？

它是1减去特异度：指没有该疾病的人群中，被检测错误分类为阳性的比例。