来自观察到的样本：患病率、灵敏度、特异度、预测值和似然比的估计值（附 95% 置信区间）
根据金标准（条件）与待评价检测（测试）对受试者交叉分类，将四个格子各自的观察频数填入对应单元格， 结果实时计算；「NaN」表示该格分母为零、无法计算。
| 条件（金标准） | 合计 | ||
|---|---|---|---|
| 不存在疾病 | 存在疾病 | ||
| 测试阳性 | — | ||
| 测试阴性 | — | ||
| 合计 | — | — | — |
请先在上方输入完整的四格数据
各比例指标的 95% 置信区间按 Robert Newcombe 描述的有效评分方法（含连续性校正）计算， 基于 Wilson（1927）的程序。熟悉的高斯近似 p ± 1.96 × √(p(1−p)/n) 不适用于比例很小（如患病率）或很大（如灵敏度、特异度）的情况。
Kappa 一致性系数：κ = (Po − Pe) / (1 − Pe)，其中观察一致率 Po = (b + c) / n， 期望一致率 Pe = (行合计×列合计 之和) / n²（按边际分布的随机一致概率）。 κ 剔除了"碰巧一致"的部分，是两法一致性的校正度量（κ<0 一致性比随机差，0~0.20 轻微， 0.21~0.40 一般，0.41~0.60 中等，0.61~0.80 较好，0.81~1.00 几乎完全一致，Landis & Koch 分级）。 κ 的 95% 置信区间按 Fleiss 大样本近似 SE = √(Po(1−Po) / (n(1−Pe)²)) 计算。
似然比定义（Sn=灵敏度，Sp=特异度，PV=预测值）：
阳性似然比 [C] = Sn / (1 − Sp)，阴性似然比 [C] = (1 − Sn) / Sp；
加权版 [W] 以样本患病率条件下的预测值之比计算：阳性 [W] = PPV / 假阳性率，阴性 [W] = 假阴性率 / NPV。 似然比的置信区间按 Katz 对数法计算。
参考文献：Newcombe, R. G. Statistics in Medicine, 17, 857-872 (1998)； Wilson, E. B. JASA, 22, 209-212 (1927)。
© Richard Lowry（理查德·劳瑞）& Kevin Lee（李先坤）2001-2026，汉化版经授权移植，All rights reserved.