根据界值特征曲线（ROC分析）的判断标准，如果真阳性率明显高于假阳性率（）

单项选择题根据界值特征曲线（ROC分析）的判断标准，如果真阳性率与假阳性率相近（）

A.有助于排除疾病存在，判定为正常
B.提示很可能正常
C.只提示可能有病
D.很可能有病
E.可以肯定有病

单项选择题根据界值特征曲线（ROC分析）的判断标准，如果真阳性率小于假阳性率（）

A.有助于排除疾病存在，判定为正常
B.提示很可能正常
C.只提示可能有病
D.很可能有病
E.可以肯定有病

单项选择题根据界值特征曲线（ROC分析）的判断标准，假阴性极高的界值（）

A.有助于排除疾病存在，判定为正常
B.提示很可能正常
C.只提示可能有病
D.很可能有病
E.可以肯定有病

单项选择题根据Bayes理论，阴性预测率公式是（）

A.［特异性×（1-流行率）］÷［（1-灵敏度）×流行率+特异性×（-1-流行率）］
B.（特异性×流行率）÷［（1-灵敏度）×流行率+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×流行率十特异性×（1-流行率）］

单项选择题根据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）］

单项选择题根据Bayes理论，一个未作过任何检查的患者患某种疾病的概率是（）

A.大于他所处人群中该病的流行率
B.等于他所处人群中该病的流行率
C.小于他所处人群中该病的流行率
D.A、B、C均有可能
E.无法计算

单项选择题漏诊率的计算公式是（）

A.真阳性例数÷（真阳性例数+假阴性例数）
B.真阳性例数÷（真阳性例数+假阳性例数）
C.真阴性例数÷（真阴性例数+假阳性例数）
D.假阴性例数÷（真阳性例数+假阴性例数）
E.假阳性例数÷（真阴性例数+假阳性例数）

单项选择题假阳性率的计算公式是（）

A.真阳性例数÷（真阳性例数+假阴性例数）
B.真阳性例数÷（真阳性例数+假阳性例数）
C.真阴性例数÷（真阴性例数+假阳性例数）
D.假阴性例数÷（真阳性例数+假阴性例数）
E.假阳性例数÷（真阴性例数+假阳性例数）

单项选择题准确性的计算公式是（）

A.真阳性例数÷（真阳性例数+假阴性例数）
B.真阳性例数÷（真阳性例数+假阳性例数）
C.真阴性例数÷（真阴性例数+假阳性例数）
D.（真阳性例数+真阴性例数）÷（真阳性例数+假阴性例数+假阳性例数+真阴性例数）
E.（真阳性例数+真阴性例数）÷（假阳性例数+假阴性例数）

单项选择题灵敏度的计算公式是（）

A.真阳性例数÷（真阳性例数+假阴性例数）
B.真阳性例数÷（真阳性例数+假阳性例数）
C.真阴性例数÷（真阴性例数+假阳性例数）
D.（真阳性例数+真阴性例数）÷（真阳性例数+假阴性例数+假阳性例数+真阴性例数）
E.（真阳性例数+真阴性例数）÷（假阳性例数+假阴性例数）