问题：
[单选] 评价医学诊断效能的方法中，阴性例数中真正无病者的数量称为（）
灵敏度。特异性。准确性。阳性结果预测值。阴性结果预测值。
真阳性例数÷（真阳性例数+假阴性例数）。真阳性例数÷（真阳性例数+假阳性例数）。真阴性例数÷（真阴性例数+假阳性例数）。（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）。（真阳性例数+真阴性例数）÷（假阳性例数+假阴性例数）。
真阳性例数÷（真阳性例数+假阴性例数）。真阳性例数÷（真阳性例数+假阳性例数）。真阴性例数÷（真阴性例数+假阳性例数）。（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）。（真阳性例数+真阴性例数）÷（假阳性例数+假阴性例数）。
真阳性例数÷（真阳性例数+假阴性例数）。真阳性例数÷（真阳性例数+假阳性例数）。真阴性例数÷（真阴性例数+假阳性例数）。假阴性例数÷（真阳性例数+假阴性例数）。假阳性例数÷（真阴性例数+假阳性例数）。
真阳性例数÷（真阳性例数+假阴性例数）。真阳性例数÷（真阳性例数+假阳性例数）。真阴性例数÷（真阴性例数+假阳性例数）。假阴性例数÷（真阳性例数+假阴性例数）。假阳性例数÷（真阴性例数+假阳性例数）。
问题：
[单选] 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（）
大于他所处人群中该病的流行率。等于他所处人群中该病的流行率。小于他所处人群中该病的流行率。A、B、C均有可能。无法计算。
问题：
[单选] 根据Bayes理论，阳性预测率公式是（）
（灵敏度×流行率）÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。（特异性×流行率）÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。流行率÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。灵敏度÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。流行率÷［灵敏度×流行率+特异性×（1-流行率）］。
问题：
[单选] 根据Bayes理论，阴性预测率公式是（）
［特异性×（1-流行率）］÷［（1-灵敏度）×流行率+特异性×（-1-流行率）］。（特异性×流行率）÷［（1-灵敏度）×流行率+特异性×（1-流行率）］。流行率÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。灵敏度÷［灵敏度×流行率+（1-特异性）×（1-流行率）］。流行率÷［灵敏度×流行率十特异性×（1-流行率）］。
问题：
[单选] 根据界值特征曲线（ROC分析）的判断标准，假阴性极高的界值（）
有助于排除疾病存在，判定为正常。提示很可能正常。只提示可能有病。很可能有病。可以肯定有病。
问题：
[单选] 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（）
有助于排除疾病存在，判定为正常。提示很可能正常。只提示可能有病。很可能有病。可以肯定有病。
