现今科技的发展使得在疾病诊断这一领域出现了很多对人体危害小,操作方便,并且费用也不很昂贵的新的诊断方法.在采用新的诊断方法之前,人们首先要对它进行评估,看它的诊断准确性是否优于权威性的金标准检验方法(gold standard test).但在比较的过程中,我们经常会遇到一些病人,他们虽然用新的诊断方法对病情做出了判断,但却由于某种原因而没有利用金标准检验确诊病情.如果只依赖那些用金标准检验已经确诊的病人的数据来估计特异度和敏感度,则会引起偏差,这种偏差我们称为验证偏差(verification bias).很多作者在处理这种验证偏差时都事先假定:在新方法做出诊断后,病人的真实病情与他们是否选择用金标准检验确诊是独立的.但这种假设在很多时候是无效的.因为病人是否参与病情确诊依赖于诊断结果或其他一些因素.例如:病人可能是因为病情过重而无法接受确诊检查,也可能是因为自身感觉很好而认为没有必要检查.因此,验证偏差是不能被忽视的.本文主要针对这种存在验证偏差的不完全数据,从不同的角度进行了敏感度与特异度的分析.分析的过程中没有忽视验证偏差的存在,而是将数据缺失的所有可能情况考虑进来,并且不局限于某个缺失数据模型.文中画出了优比(odds ratio)在不完全数据的所有可能组合下的变化区域,一个空间曲面,并利用其投影面积讨论了优比大于1的情况所占的比例,进而来判断两种诊断方法的一致性.此外,对于给出先验分布的情况,也对优比,敏感度与特异度作了相应的讨论.最后我们用了两个例子来说明以上观点.