P15、N20、P25这三个波是临床上常看的，其中的数字是时间的代表，单位是毫秒ms。这是体感诱发电位定义的三个波的名称，年龄越小，身高越矮，臂长越短，时间越短。不必在意后面的几个波，就算是成人，后面那些波的分化也不是很好，重复性也不行，因此临床上常看的就是P15、N20、P25三个波，只要这三个波分化良好，潜伏期正常，就可以了。很多医院甚至只看P15或者N20。
简单的理解，SPE就是通过刺激周围神经，在大脑皮层记录电生理活动，来检查周围神经传导至中枢神经，中枢神经传导到皮层这些节段是否正常，通过有锁时关系波形的记录，来辅助临床诊断。
照现在的结论，如果没有特别的临床体征，SEP应该是没有啥问题的，不用担心。
原假设 H0：θ = θ0；备择假设为 H1 ： θ ≠(不等于) θ0（θ = θ1）
从模型中可以看到事实上 θ0 和 θ1 可以认为是代表了两个不同的模型，其含义是你有两个统计学模型，分别是 p(xθ1) 和 p(xθ0) 。λ 越接近 1 代表两个模型差异越小；反之，两个模型差异
似然比(likelihood ratio, LR) 是反映真实性的一种指标，属于同时反映灵敏度和特异度的复合指标。即有病者中得出某一筛检试验结果的概率与无病者得出这一概率的比值。
该指标全面反映筛检试验的诊断价值，且非常稳定。似然比的计算只涉及到灵敏度与特异度，不受患病率的影响。
因检验结果有阳性与阴性之分，似然比可相应地区分为阳性似然比(positive likelihood ratio, ＋LR)和阴性似然比(negative likelihood ratio, －LR)。
阳性似然比是筛检结果的真阳性率与假阳性率之比。说明筛检试验正确判断阳性的可能性是错误判断阳性可能性的倍数。比值越大，试验结果阳性时为真阳性的概率越大。
用诊断试验检测经诊断金标准确诊的患病人群的阳性率(a/(a+c))与以金标准排除诊断的受试者中试验阳性即假阳性率(b/(b+d))之间的比值.
因真阳性率即为敏感性，假阳性率与特异性成互补关系，所以，也可表示成敏感性与(1－特异性)之比：
LR= [a/(a+c)]÷[b/(b+d)]=Sen/1－Spe
Sen:敏感性； Spe:特异性 ；a:真阳性；b:假阳性；c:假阴性；d:真阴性
阴性似然比是筛检结果的假阴性率（1-Se）与真阴性率（Sp）之比。表示错误判断阴性的可能性是正确判断阴性可能性的倍数。其比值越小，试验结果阴性时为真阴性的可能性越大。
如果可以，那么这个复杂模型的附加参数能够用在以后的数据分析中。LRT应用的一个前提条件是这些待比较的模型应该是分级的巢式模型。
具体来讲，是说相对于简单模型，复杂模型仅仅是多了一个或者多个附加参数。增加模型参数必定会导致高似然值成绩。因此根据似然值的高低来判断模型的适合度是不准确的。LRT提供了一个客观的标准来选择合适的模型。LRT检验的公式
其中L1为复杂模型最大似然值，L2为简单标准模型最大似然值LR近似的符合卡方分布。为了检验两个模型似然值的差异是否显著，我们必须要考虑自由度。
LRT检验中，自由度等于在复杂模型中增加的模型参数的数目。这样根据卡方分布临界值表，我们就可以判断模型差异是否显著。
更多的参考资料：The LRT is explained in more detail by Felsenstein (1981) , Huelsenbeck and Crandall (1997) , Huelsenbeck and Rannala (1997) , and Swofford et al. (1996) . While the focus of this page is using the LRT to compare two competing models, under some circumstances one can compare two competing trees estimated using the same likelihood model. There are many additional considerations (e.g., see Kishino and Hasegawa 1989 , Shimodaira and Hasegawa 1999 , and Swofford et al. 1996 ).
大家好，一般血常规检查主要观察四个指标，分别是血红蛋白、白细胞、血小板、高密度脂蛋白，如果这四个指标在正常范围内，一般考虑没有大问题建议其他指标偏高偏低需要考虑自己的个人情况，不能视而不见，普通感冒发烧一般可能会引起其他指标上升，所以这是一个判断的电话，我希望它能有所帮助欢迎分享，转载请注明来源：优选云
微信扫一扫
支付宝扫一扫
