阴性结果预测值的计算公式是（）A.真阳性例数÷（真阳性例数+假阴性例数） B.真阴性例数÷（真阴性例数+假阴性例数） C.真阴性例数÷（真阴性例数+假阳性例数） D.阴性例数÷（真阳性例数

阴性结果预测值的计算公式是（）A.真阳性例数÷（真阳性例数+假阴性例数） B.真阴性例数÷（真阴性例数+假阴性例数） C.真阴性例数÷（真阴性例数+假阳性例数） D.阴性例数÷（真阳性例数+假阴性例数） E.假阳性例数÷（真阴性例数+假阳性例数）

阴性预测值（NPV）是诊断试验中关键的临床决策指标，指检测结果为阴性的受试者中真正无病者所占的比例。其核心逻辑是评估"阴性结果"的可靠性——当试验显示阴性时，有多大比例的人确实健康。

根据诊断试验评价的通用术语，计算公式为 真阴性例数÷（真阴性例数+假阴性例数），其中真阴性（TN）表示实际无病且检测阴性的人群，假阴性（FN）表示实际患病但检测错误显示阴性的人群。这一公式在多个权威文献中被明确阐述，例如有研究将其表达为NPV = TN/(TN+FN)，直观反映了阴性结果中"真阴性"的占比。

从临床应用角度看，该指标直接关系到排除疾病的信心。例如在癌症早筛中，高阴性预测值意味着"阴性结果"能有效排除患癌风险，减少不必要的进一步检查。而假阴性的存在（实际患病却显示阴性）是影响该指标的关键因素，这也是为什么公式中必须包含假阴性例数作为分母的一部分。

正确答案为C选项，即"真阴性例数÷（真阴性例数+假阳性例数）"这一表述存在混淆，正确分母应为"真阴性+假阴性"。其他选项中，A为灵敏度计算公式，B将假阴性误作假阳性，D和E则完全偏离了预测值的定义逻辑。