估计操作步骤
1.模型中的关键参数定义
模型的参数定义如下所示：
T 估计地区在估计年份的总人口数
N 估计人群中在估计年份已确诊HIV感染人数
S 估计年份接受强制检测（孕检或术前检测）人数 S=x+y+z
x 估计年份通过强制检测（孕检或术前检测）新确诊为HIV感染人数（新阳）
y 估计年份通过强制检测（孕检或术前检测）诊断为未感染人数（强制检测阴性人群）
z 估计年份进行强制检测并在此次检测前已确诊的HIV感染人数（原阳）
f 未确诊感染者估计年份年内接受强制性检测的概率
M 估计人群中未确诊HIV感染人数
P 全人群已确诊HIV患者所占比率P=N/N+M
2.模型的假设、运用和计算
（1）模型的假设
强制检测率的获得是估计比例诊断的关键，关于有两个假设作为前提。
①强制性HIV检测率（即在某一年进行术前检测或孕检的率）在未确诊HIV感染者和已确诊HIV感染者中一致；
②强制性HIV检测率（即在某一年进行术前检测或孕检的率）在未确诊的HIV感染者和HIV未感染者中一致。通过使用假设1和假设2来为参数提供合理的范围。
（2）模型的运用和计算
①以假设1为前提可得强制性HIV检测率 =z/N（已确诊者的强制检测率），那么未确诊者的数量即为M=x/f，那么发现率P=N/（N+M）的最大似然估计为：
该值为点估计值，需要计算可信区间，可以认为，这是一个二项分布，可使用在线网站http://vassarstats.net/计算（x+z,z）的可信区间，该区间即为该点值的可信区间，计算方法如下所示：
A.首先点击http://vassarstats.net/，得到图5-14所示界面，点击左手边导航栏处的proportion按钮，在跳出的界面中选择第一项。
图5-14 网站页面示意图
B.进入图5-15所示的界面，在K处填入x+z的数值，在n处填入z的数值，点击calculate，得出可信区间。(https://www.daowen.com)
图5-15 可信区间计算页面示意图
点击calculate后，读取95% confidence interval：一般选择including continuity correction 的结果，lower limit为95%的下限，upper limit为95%的上限（如图5-16所示）。
图5-16 可信区间读取示意图
②以假设2为前提可得强制性HIV检测率 =（x+y）/（T-N）（所有未确诊人群的检测率），M=x/f，那么发现率P=N/（N+M）的最大似然估计为：
该值为点估计值，需要计算可信区间，可以认为，这是一个二项分布，可使用在线网站http://vassarstats.net/（点击左侧区的proportion后选择第一个选项）计算（x+y,y）的可信区间（基本操作方法同上，k处输入y值，n处输入x+y的值），该区间的低值和高值分别为θL 和θu，根据公式PL=n/（θLN+（1-θL）T）和Pu=n/（θuN+（1-θu）T），PL为95%的下限，Pu为95%的上限。
（3）模型的偏差和敏感度分析
该模型的基本前提是知晓自身感染状况的艾滋病病毒感染者/病人进行手术的概率与未感染艾滋病病毒者或是未知晓自身感染状况的艾滋病病毒感染者/病人一致，但是实际上，已知晓自身感染状况的艾滋病病毒感染者/病人进行手术的概率有可能不同，主要原因有以下两点：①不同感染阶段的HIV感染者手术发生率可能不同；常理推断，潜在未发现的感染者感染年代较近，机体免疫能力较好，手术发生率可能低于已经发现的感染者。②已经发现的HIV感染者可能就医意愿更高（目前相当比例的感染者都是通过医疗途径被诊断），那么同等身体状况下该部分感染者的手术概率比潜在感染者手术概率高。
由于模型本身的局限性，因而需要进行敏感性分析，分析由于参数的误差会在多大程度上影响模型估计结果的准确性。
根据Brookmeyer教授和吴尊友教授的分析，该模型的准确性主要取决于未发现的感染者的强制性检测率f的估计是否准确，因此模型的敏感性取决于f的变化对结果的影响。若假设f为真实的未发现的感染者的强制性检测率，而f*为有偏差的未发现的感染者的强制性检测率，假设R为未发现的感染者的强制性检测率f的偏差度，即R=f*/f，如果R＞1，表示高估了未发现的感染者的强制性检测率f，如果R＜1，表示低估了未发现的感染者的强制性检测率f。如果未发现的感染者的强制性检测率f的估计有了偏差，那么估计出的发现率P也必然有偏差，若P为真实的发现率，那么P*为偏差的发现率，根据P，设Δ为发现率的偏差度，即Δ=P*/P。根据Brookmeyer教授和吴尊友教授的分析，Δ（Δ介于0～1之间）,而图5-17显示了在R变化的情况下，Δ的偏差度有多少。
图5-17 敏感性示意图
正如图5-17所示：当R=2时，即未发现的感染者的强制性检测率f高估了两倍的时候，发现率P的偏差度在P=0.41时最大，发现率高估0.17（即17%）；当R=1.5时，即未发现的感染者的强制性检测率f高估了1.5倍的时候，发现率P的偏差度在P=0.4时最大，发现率高估0.1（即10%）；当R=0.5时，即未发现的感染者的强制性检测率f低估了0.5倍的时候，发现率P的偏差度在P=0.59时最大，发现率低估0.17（即17%）；当R=0.67时，即未发现的感染者的强制性检测率f低估了0.33倍的时候，发现率P的偏差度在P=0.59时最大，发现率低估0.10（即10%）。
（4）模型的校正
①对于部分新发感染控制较好的地区，可能本年度辖区内的医疗机构的术前检测中无法发现新确诊的艾滋病病毒感染者/病人，这时候由于x等于0，因而无法使用以上两个假设进行计算，使用以上两个假设，计算出的发现率均为100%，这明显与事实不符，因而对于这部分地区，可以采用分年龄段的标化率进行估计。具体方法为计算各年龄段的HIV感染率，按年龄进行标化，计算辖区内全人群标化的HIV感染率，使用人口数推算总感染者人数（A）；从艾滋病防治基本信息系统中统计辖区内该年度已发现存活感染者总人数（B），计算发现率（P），P=B/A×100%。
低年龄组如20岁以下年龄组进行手术的机会较小，而中高年龄组如50岁左右的年龄组进行手术的机会可能较多，因此可能造成低年龄组术前检测占比相对该年龄段人口占比较低，而中高年龄组术前检测占比相对该年龄段人口占比较高，使用全年龄段数据进行建模可能造成发现率的低估或高估，故可以选择术前检测占比和人口占比相近的年龄段进行建模，使用此方法进行校正时需注意模型中各参数应选择相对应的年龄段，如选择20～49岁年龄段进行建模，那么人口数，已发现感染者数，术前检测数均应选择20～49岁年龄段。
②对于女性感染者，可以使用孕检数据进单独估计出女性的发现率，再使用术前检测数据单独估计男性的发现率。
③由于各地医疗技术水平发展不一，可能造成部分感染者不在本县区内进行手术，将造成发现率的低估，因此使用近三年感染者既往手术调查信息进行校正。通过调查感染者既往手术信息可得到感染者在近三年进行术前检测的比例，根据假设3（未确证人群的强制性HIV检测率与已发现的感染者近三年做手术的比例一致），利用公式M=x/f可得到未确诊感染者的数量，通过公式P=N/（N+M-x）可得到当地发现率。
（5）模型的扩展
①对于女性，由于孕检也是一种强制性检测，对于女性感染者可以使用孕检数据来估计女性感染者的发现率。
②对于部分地区，由于人口较少，艾滋病病毒感染者/病人也较少，在术前检测人群中，无法检出既往已经发现的艾滋病病毒感染者/病人，也无法检出新发现的艾滋病病毒感染者/病人，如果当地能够确保每一个住院的病人均进行HIV抗体检测，同时医疗机构登记系统完备，登记了所有住院病人的身份证号，且该系统可以顺利导出进行查重处理，则可以使用住院病人的HIV抗体检测数据进行发现率的估计。