在临床工作中，医生们常常会遇到一个棘手的问题：由于乳腺解剖个体间变异较大，缺少准确无误的金标准，因此同一张乳腺 X 线片给两位不同的医师阅读，结果可能大相径庭。这一问题也同样出现在精神类疾病分级评估、临床检验数据效能判定等情况下，这给临床工作带来了极大的困扰，有违现代循证医疗精神。为此 Malcolm Gladwell 在著名 STUDENTS 4 BEST EVIDENCE 网站的博客中详细探讨了 Kappa 值在这一现象中的意义。
我们以临床中最常见的胸部 X 线片为例，最常见的问题就是胸片上是否有渗出征相。如果有的上级医生认为有，有的认为没有，此时作为一个年轻小医生的你应该怎么办？很困惑是不是？接下来，我们以一个数学模型来逐步介绍 Kappa 值这一概念。假设两位医生分别阅读 100 张胸片，第一位怀疑 20 张有渗出，80 张无渗出；第二位怀疑 10 张有渗出，90 张无渗出，我们统计如表 1： 
两位阅片医生都怀疑有渗出的胸片有 5 张，都排除渗出的有 75 张，因此我们观察到的一致性为（5+75）/100 = 80%。根据他们各自的阳性率和阴性率可推测他们偶然同时一致怀疑有渗出的可能是（10*20）/100 = 2 张，偶然同时排除渗出的可能是（90*80）/100 = 72 张。因此他们两位的偶然一致性为（2+72）/100 = 74%。
因而此例中的 Kappa 值为（80%-74%）/（100%-74%）= 0.23，根据 Kappa 值判定标准（表 2）我们可以认为两位医生判定结果的一致性一般，但是「可接受」。
由此我们可知 Kappa 的本质是「排除偶然后的一致性」，即「beyond the agreement that is expected by chance」，如下图 1 所示。Kappa 值则可用来评价两位评估者之间是否存在一致性以及一致性的程度，纠正偶然一致性并可解决不同评估人员间的偏差和精度的问题，因而被广泛应用于评估诊断和筛选试验，其计算方式如下图 2 所示。
图 1 注：Kappa 实际上是「观察到的一致性」减去「偶然的一致性」
图 2 注：由图可知，「观察到的一致性」为实际统计的一致性之和（P11+P00）；「偶然的一致性」为两位观察者各自阳性率乘积与阴性率乘积之和（P1+* P+1 +P0+* P+0）
有研究者以上述计算方式，对其他 9 个临床常见问题进行了 Kappa 统计，结果如下表 3 所示：
那么 Kappa 研究对医学有什么指导意义呢？作者为我们总结了一下 3 点：
1. 很多体格检查和影像学发现的 Kappa 值都是差强人意的 原因有很多，比如：某些疾病的定义和标准本身就是模糊的、医生技术有缺陷、查体时不够仔细、被预期结果误导等。
2. 一些体格检查技术太主观 以「黄疸」为例，单纯肉眼观察「多黄」算是「黄」？这从来没有绝对标准。有研究显示血清胆红素增高达 2.5-3 mg/dL 时仅 70-80% 医生观察到了黄疸，增高达 10 mg/dL 也仅有 83% 诊断出。因此一旦临床怀疑有黄疸时，必须检查胆红素而不能仅依靠肉眼观察。
3. 每个医生对待结果的判断都有自己的临床考虑 这就像拍照，每个摄影师都有自己选择的角度。即使是有了明确的实验室检查结果，不同医生的诊断和治疗意见也常常有争议。有研究邀请三位内分泌专家依据甲状腺功能检验结果和其他临床数据对 55 位门诊病人进行甲状腺疾病诊断，专家们有争议的病例比例高达 40%。
由此可见，我们在临床工作和研究中必须重视 Kappa 所代表的「一致性」，对工作中的诊疗行为必须拥有清晰的认识和辨证思维，努力提高自身对疾病的理解并积累经验，这样才能尽量避免差错。
当然，Kappa 也有一定的局限性，一般仅用于分类评级，在某些特定情况下它可能无法准确反映评分者之间的真实水平，尤其当评估者的报告发病率非常高时。本文中作者也仅讨论了「二元结局」的 Kappa 值及其相关问题，对「多层次分类变量」、「次序或等级变量」以及多位评估者参与的研究未作过多讨论，在以后的文章中我们将进行单独的详尽论述。