循证感染病学（evidence-based infectious disease）是循证医学中最活跃的一个领域。 其定义是，从感染性疾病研究中撷取当前最好的证据，明确地、有思考地、认真地应用于个体或群体感染的预防和治疗。 在人类疾病中，对于感染性疾病的循证医学研究显著地占据了重要的地位，从而丰富了对感染性疾病的认识，促进了循证医学与临床实践的紧密结合。

由于感染性疾病的有病原体、有感染性、有流行病学特征以及感染后免疫等特点，感染性疾病的循证医学研究也涉及微生物学、流行病学、免疫学、分子生物学等领域。 而导致人类感染的病原体有500 种以上，又分为细菌、病毒、真菌和寄生虫等，并且，感染病原体不仅可以由外来环境入侵人体（外源性感染），也可由人体黏膜腔内移行易位或者在潜伏的组织器官内复活而导致内源性感染，使感染变得很复杂。

由于以上的各种复杂情况和学科的发展，感染病学中的循证医学概念的应用是获得科学证据的最基本手段，根据这些循证医学证据发展起来的指南和专家共识也在整个医学领域占据规范和引导的作用。 目前，在感染性疾病的预防、诊断和治疗等方面，均有基于循证医学的研究。

采用循证医学的原理和方法进行感染性疾病诊断研究，或者对一个感染性疾病诊断方法进行循证医学评价的时候，有必要先了解一些重要的方法和概念。

在对诊断方法评价中，除了要知道该方法的研究过程是否采用了“盲法”，还要关注的是敏感性（sensitivity）和特异性（specificity），前者是指用标准方法（或参考方法）检测阳性的样本中，用新方法检测同样为阳性的百分比；后者是指用标准方法（或参考方法）检测阴性的样本中，用新方法检测同样为阴性的百分比。 在理想的情况下，新的诊断方法在敏感性和特异性方面都能达到95%以上。

但是，95%的敏感性和特异性仅仅对于检验人员选择优秀的检测试剂有所帮助，在临床医生的工作中还难以具体操作。 当我们采用一个方法诊断某一个病原体感染时，该诊断方法的敏感性和特异性达到95%以上，检测结果为阳性，此时，我们还不能认为该患者感染该病原体的可能性就是95%，还需要借鉴另外两个概念，即阳性预测值（positive predictive value，PPV）和阴性预测值（negative predictive value，NPV）。 前者是指所有检测阳性者中真阳性的百分比；后者是指所有检测阴性者真阴性的百分比。 当阳性预测值为90%时，我们可以认为阳性检测结果提示该患者感染该病原体的可能性为90%。 但要注意，阳性预测值和阴性预测值往往随着该感染性疾病目前的患病率而变化，患病率越高，阳性预测值也高；临床医生根据某病的患病率和诊断试验的阳性结果就能预测就诊者患某病的可能性大小；在患病率一定时，特异性越高，阳性预测值越准确；敏感性越高，阴性预测值越高。

为了解决疾病患病率对于阳性预测值和阴性预测值的影响，更准确地诊断疾病，可以采用似然比（likelihood ratio，LR）。 似然比不受疾病患病的影响，可以检验诊断方法的敏感性和特异度，提示我们应该增高或降低检测结果对于诊断疾病的可能性。 阳性似然比（positive likelihood ratio，LR+）提示我们，应该增高检测结果对于诊断疾病的可能性。 阴性似然比（negative likelihood ratio，LR-）提示我们当检测结果为阴性时，应该降低对于诊断疾病可能性的考虑。

当谈到循证医学的时候，更多地会考虑“随机、双盲对照临床试验”并得出可信的、真正有效的治疗结果。 从发展指南的角度来看，可以根据大样本或小样本的随机对照研究、前瞻性队列研究、病例对照研究以及病例的系列研究来确定证据的等级。 近几年来，在新的证据等级分级中，荟萃分析（meta-analysis，meta 分析）和系统综述被确定为最高等级。 通过Meta 分析，可以将多个试验的结果综合起来分析，评价和减少不同研究中的临床异质性和方法学异质性、统计学异质性三类，评价分析各研究结果合并效应量。 Meta 分析又分为探索性meta 分析和分析型meta 分析。 对于探索性meta 分析的结果还需要发现主要的问题和不足，进一步设计更好的研究来解决，比如随机对照研究。 对系统综述也同样需要明确综述文献选择的策略是什么、纳入综述的文献入选标准和排除标准是什么、治疗相关的文献中样本数和精确性、是否重要的结局都已经考虑到、系统综述的结果是否可以推广到目前诊治的患者，甚至其他同类的患者，以及临床的益处明显超过有害性。

当我们阅读一篇文献、评价一项临床研究时，有几个影响研究质量的重要问题需要注意，即研究的目标人群是什么样的人群、是否真正做到了随机、所有的干预和检测是不是真正双盲、结局是什么、是否可以推广用于我们自己在临床上所遇到的患者。