选择遗忘|程序员不用的R语言，在这些行业却“香”到不行( 三 ) 作为一门编程语言

事实上，左侧部分的相对宽度反映了这种疾病的患病率。在此例中，两个组的数目相等，所以患病率为 50% 。灵敏度和特异度的计算限定在每一列中，因此它们与患病率无关。如果不考虑研究的设定条件，尤其是在社区研究中，患病率通常远远低于 50% 。
图b表示的患病率较低，因为左侧部分的宽度仅为两列加起来的总宽度的5% 。灵敏度（80%）和特异度（90%）与前例一致，但阳性预测值现在要小得多。患病组（左侧）的红色部分面积不到总的红色面积的一半，阳性预测值仅为 80/(80 + 190) ≈ 29.6% 。
在患病率为 5%的情况下，检测结果呈阳性的人患病的可能性不到 30% 。在社区或人群中对一种罕见疾病进行临床诊断必须谨慎，因为结果实际上可能反映的是其他类似疾病的情况。
降低患病率对阴性预测值也有一定影响。在图b中，右侧白色部分的面积占绝对大的比重。阴性预测值为 1710/(1710 + 20) ≈ 98.8% 。这比之前的 81.8%有所升高。但是，阴性检测结果可能不会对临床排除疾病的倾向决定有太大的影响。因此，患病率很低的筛查检测中，很少用到阴性预测值。
以上就是临床诊断试验中的二分类结果的评价指标，而R语言在医学中的应用远不止这些，像比如截断值、ROC曲线、SPSS、样本量计算、Meta分析等。
R语言医学数据分析实战
作者：赵军
R语言医学数据分析实战作者：赵军
内容简介：
【选择遗忘|程序员不用的R语言，在这些行业却“香”到不行】本书以医学数据为例，讲解如何使用R进行数据分析，结合大量精选的实例对常用分析方法进行了深入浅出的介绍，以帮助读者解决医学数据分析中的实际问题。本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中最常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深入地理解数据分析。