拿到一个人的阳性诊断结果，这个人是不是一定患病了？回答当然为“不是”。一个诊断试验会有假阳性和假阴性，假阳性即实际未患病的人，被诊断为阳性的概率。说到假阳性和假阴性（灵敏度和特异度）时，我们是在评价诊断试验，也就是已经知道了目标人群的患病状态，来评估一个诊断试验的准确性。

然而，实际临床实践中，我们事先并不知道，而是需要根据一个诊断结果来判断目标个体是否真正患病。换句话说，临床医生拿到一个诊断结果时，应当考虑：诊断阳性结果的人，有多大的可能是真正患病的人？

为了回答这个问题，我们需要了解阳性预测值（positive predictive value, PPV），即诊断结果阳性的人群中，真正患病的人的比例。 

一、什么是阳性预测值 

一项诊断试验有1000位受试者，其中100人有病，900人没病。经诊断试验检查，180人结果阳性，820人结果阴性（表1）。

表1. 诊断试验分布情况举例

这个诊断试验中，180人结果阳性，但真正患病的人只有80人，即阳性预测值为：

阳性预测值=真正患病的人/诊断结果阳性的人=80/(80+100)×100%≈44%

同样地， “如果诊断试验的结果是阴性，那么有多大的可能没患病？”这就是与阳性预测值相对应的概念：阴性预测值（negative predictive value, NPV），即诊断结果阴性的患者中，真正不患病的人的比例。仍用上面的例子，该诊断试验中有820人为阴性，其中只有800人没病，即阴性预测值为：

阴性性预测值=真正不患病的人/诊断结果阴性的人=800/(800+20)×100%≈98%

阳性预测值与阴性预测值的性质相反，但原理类似，由于篇幅的限制，本文重点介绍阳性预测值的特点。