图1：健康犬群与2型糖尿病犬群对比正态分布重叠图。

理想上来说，由健康动物获得的分析值与由患病动物获得的分析值没有重叠。不幸的是，这两组动物个体检测结果分布总有一些重叠（见图1）。当所考虑的疾病对分析结果有主要影响时，重叠部分较少；不过，当所考虑的疾病对于分析结果影响较小时，重叠部分大大增加。真阳性（true positives, TPs）是指患有某种要检测疾病的阳性检测结果，假阳性（false positives, FPs）是指不患有某种要检测疾病的阳性检测结果（图2），真阴性（true negatives, TNs）是指不患有某种要检测疾病的阴性检测结果，假阴性（false negatives, FNs）是指患有某种要检测疾病的阴性检测结果。如图2所示，如果为了减少假阳性（FPs）而增加健康动物的参考值范围，则假阴性（FNs）数量增加。

图2：健康犬群与2型糖尿病犬群对比频率图。该图由图1重画，说明真阴性（TN）、假阴性（FN）、真阳性（TP）和假阳性（FP）值，这些用于计算敏感性、特异性和预测值。上面A图说明用平均值+2标准差（SD）设定参考值上限的影响，下面B图说明用平均值+3标准差（SD）设定参考值上限的影响。用较高的参考值上限假阳性（FP）检测数量降低，但假阴性（FN）检测数量增加。

临床检测应是安全和实用的，应该精确表明某种特定疾病或病理的存在或缺少。敏感性、特异性和预测值构成确诊或排除特定疾病所用试验的度量标准。

敏感性是指发生于动物所考虑疾病阳性或异常检测结果的可能性（图3）。例如，如果28只患有猫传染性腹膜炎的病例中有23只患猫血液检测存在绝对淋巴细胞降低，则淋巴细胞降低对于猫传染性腹膜炎的诊断敏感性为82%。

特异性是指非患病动物获得阴性或正常结果的可能性——即动物没有特定疾病。换句话说，特异性代表动物没有正在讨论的疾病获得正常检测结果的比例。特异性可通过两种不同的方式进行计算，一是通过假定所有非患病动物都是健康的，一是假定尽管非患病动物没有所要分析的特定疾病，但其可能有其它疾病。

对于健康动物决定检测特异性意义有限，因为参考值建立通常是包括95%的健康动物检测值在内，2.5%健康动物高于参考值，2.5%健康动物低于参考值。动物医院设立通常要评估的动物数量，检测特异性更有用。此方法下，“非疾病”组不仅仅包括所选择程序的健康动物，也包括患有除所考虑疾病外其它疾病的动物。

Adopted from: 2012-Veterinary Hematology