背景:配对率数据在生物统计学应用领域中极为常见。对于配对率数据,不论在非劣、优效还是等效性验证中,置信区间都扮演着重要的角色。对于配对率差的置信区间构建,目前推荐的Tango score近似法的置信区间宽度相对较宽,推荐的非条件精确置信区间及对应的近似非条件精确置信区间运算量较大。Lange等人将灵敏度、特异度当成特殊的AUC,为配对率的置信区间构建提供了一条新思路。但现有非参数法计算复杂,限制了其应用。对于配对率比的置信区间构建,已有的模拟研究得出了不一致的结论,因此需要对已有方法重新进行模拟比较。本研究在已有方法的基础上增加了新的基于不同相关系数处理方法的MOVER法构建策略。目的:①利用AUC基于U统计量的非参数构建方法构建配对率差的非参数置信区间,并与已有方法进行模拟比较;②基于MOVER法提出两种新的配对率比置信区间构建策略,并与已有方法进行模拟比较。方法:①将率数据表示为U统计量的表达式,基于structural component方法构建配对率协方差阵;基于正态分布及t分布近似构建配对率差的非参数置信区间方法。②采用两种不同的相关系数调整方法构建配对率差MOVER Wilson score置信区间,并将所有方法进行模拟比较。③模拟比较评价指标采用置信区间覆盖率、平均/中位宽度以及尾侧不覆盖率比值指标。结果:基于U统计量,本研究构建了基于正态分布及自由度为n-1的t分布近似配对率差置信区间。基于配对率相关系数φ估计,本研究基于φ的连续性矫正法给出了新的MOVER置信区间构建策略。同时本研究基于将配对率四格表数据当做多项分布数据,得出了基于多项分布率比的MOVER置信区间构建策略。模拟研究得出:①对于配对率差的置信区间,本研究提出的基于自由度n-1的t分布非参数法与Tango score法的覆盖率在各参数设置下均高于94%,并且除了在小样本情况下,本研究提出的非参数方法置信区间宽度比Tango score法置信区间要窄,尾侧不覆盖率指标各参数设置下均有较好的表现。相比精确置信区间法本研究提出的非参数法计算更为简单。②对于配对率比置信区间法,本研究提出的φ连续性校正MOVER Wilson score覆盖率整体表现最优,置信区间宽度较窄。近似score法及本研究提出的基于多项分布MOVER法表现次之。就尾侧不覆盖率来讲,基于近似score法、基于多项分布对数变换MOVER法及φ连续性校正MOVER Wilson score法要优于其他方法。结论:本研究建立了基于U统计量的配对率差置信区间构建t分布近似非参数法。该方法计算简便,而且模拟研究显示不论在大样本还是小样本下其均有较好的表现,适合在应用中推广使用。将配对率数据当成多项分布数据及基于相关系数φ连续性校正所构建的MOVER Wilson score法的配对率比置信区间相比已有方法表现较好,其中以基于连续性校正φ估计的方法表现最优。综合考虑本研究推荐应用中使用连续性校正φ估计的MOVER Wilson score法。