1、貝葉斯統(tǒng)計(jì)是不同于經(jīng)典統(tǒng)計(jì)的又一大統(tǒng)計(jì)學(xué)派，其基本思想是根據(jù)貝葉斯公式作統(tǒng)計(jì)推斷。在上世紀(jì)80年代之前，其研究停留在理論階段，在決策論方面有一些簡單應(yīng)用。近20年來情況發(fā)生了根本的變化，特別是上世紀(jì)90年代起，隨著MCMC(Markov chain MonteCarlo)方法的引進(jìn)，Bayes方法在醫(yī)學(xué)領(lǐng)域得到了廣泛應(yīng)用。但目前，國內(nèi)關(guān)于診斷試驗(yàn)評價(jià)的應(yīng)用還少見報(bào)道。本研究針對醫(yī)學(xué)診斷試驗(yàn)評價(jià)中先驗(yàn)參數(shù)的確定方法以及條件相關(guān)模型的Bay

2、es理論與方法進(jìn)行了探討。 對于貝葉斯方法的實(shí)施，人們常感到理論與應(yīng)用的脫節(jié)，其中關(guān)于先驗(yàn)的確定，是貝葉斯方法的一個(gè)難點(diǎn)。合理的輸入先驗(yàn)，充分利用先驗(yàn)信息，是解決貝葉斯方法醫(yī)學(xué)統(tǒng)計(jì)應(yīng)用的一個(gè)關(guān)鍵。 對于條件獨(dú)立模型下診斷試驗(yàn)參數(shù)以及患病率的估計(jì)問題，在經(jīng)典統(tǒng)計(jì)學(xué)方法中，通常將診斷和篩檢試驗(yàn)結(jié)果作為隨機(jī)變量，而把評價(jià)指標(biāo)(如靈敏度、特異度等)看作是金標(biāo)準(zhǔn)下的固定參數(shù)，這需要在三個(gè)自由度的情況下對五個(gè)診斷試驗(yàn)參數(shù)進(jìn)行估計(jì)，而

3、對條件相關(guān)模型，則需要對更多的診斷試驗(yàn)參數(shù)進(jìn)行估計(jì)，這在經(jīng)典統(tǒng)計(jì)學(xué)方法中常常會造成一些難以解決的困難。貝葉斯統(tǒng)計(jì)方法在處理此類問題時(shí)，把統(tǒng)計(jì)模型中的參數(shù)和觀察變量均視為隨機(jī)變量，則我們在掌握診斷試驗(yàn)先驗(yàn)分布和似然函數(shù)的情況下，利用MCMC方法，即可得到診斷試驗(yàn)參數(shù)的后驗(yàn)分布。 MCMC是運(yùn)用Markov鏈進(jìn)行Monte Carlo積分的方法。該方法通過模擬技術(shù)得到參數(shù)后驗(yàn)，基本上解決了統(tǒng)計(jì)計(jì)算問題。本研究所借助的計(jì)算工具之一就是