针对检验结果类的鉴定意见，其可靠性是指某种检测技术或检测方法测试结果所具有的预测价值，依赖于检测技术或检测方法灵敏度、准确性和基率（如某种疾病的感染率，相当于贝叶斯统计学的前概率）。例如：某男子的体检报告显示艾滋病病毒（HIV）检测为阳性，该项血液检查的灵敏度为81%（假阴性率为19%），特异度为74%（假阳性率为26%）。那么，阳性的检验结果是否意味着某男子有81%的可能性得艾滋病？要知道，81%是这个诊断方法的灵敏度，不是患病的概率。具体的计算方法是这样的：根据既往研究，在确实感染HIV的人群中，血液检查诊断阳性的概率P（检验阳性|患病）=81%，在未患病的人群中，错误诊断为阳性的概率P（检验阳性|未患病）=26%。全国范围的流行病学调查显示，HIV的感染率为5%（假定）［P（患病）=5%，P（未患病）=99.5%］所以，根据贝叶斯定理，在血液检查诊断阳性的人群中，确实感染HIV的概率为：

也就是：某男子是否感染HIV这个结论不能仅仅基于血液检查结果（P（患病|检验阳性）≠P（检验阳性|患病）），而应该结合疾病的发病率（先验概率），获得一个综合诊断。

再举个例子：假设有种疾病的发病率为0.1%。现在有一种化验技术可以100%检测出该病，但是有5%的假阳性率（即，如果一个人真得了此病，一定会被检测出来。但是，未得此病的健康人做这种化验，有5%的可能性被误诊为得此病）。现在，从人群中随机选取一人进行检测，化验结果为阳性。那么，仅根据这一化验结果（不考虑个人信息、病史等），这位受检者的得病概率为多少？答：95%。这是个常见的回答。(www.daowen.com)

正确的答案是，根据贝叶斯公式：P（患病|阳性）=P（患病）×P（准确率）/［（P（患病）×P（准确率）+P（正常）×P（误诊率）］=0.001×1/［（0.001×1+0.999×0.05）］。我们也可以把问题转化成频率表述，使用逻辑推理来解：这个病的发病率是千分之一，那么1000个里面会有1个得病，剩下的999个人去做化验，会有约50个人呈阳性（999×5%），也就是1000个人里面会有51个人检测呈阳性，而其中只有1个人真正得病，那么从人群中随机挑选的1个人检测呈阳性，其真正得病的概率是1/51。这样也可以得到一个近似答案（要提示的是频率不等于概率，样本越大频率越接近概率）。所以正确答案是约2%。

作为鉴定人，在使用这些技术或利用相应的检测结果时，应该对这些检测结果的可靠性有较为清晰的了解。必要的情况下，可以采用增加检测次数或改变检测方法，提高灵敏度和准确性，以提高检测结果的可靠性^[3]。其他的检查方法也存在类似的问题。例如，在听力障碍评估中，纯音测听是一个非常科学且又有效的方法，但是由于被鉴定人存在有意夸大或伪装听力障碍的可能，单靠一次检查往往不能反映被鉴定人听力的真实情况。同样需要鉴定人在鉴定的过程中选择不同的时间进行重复检查，通过检查结果的比较来确定检查结果的可靠程度。又如，阴茎夜间勃起功能监测（NPT试验）被认为是判断被鉴定人有无阴茎勃起功能障碍的一个有效的方法，但因为检测本身存在假阴性的情况，所以要求至少连续监测三个夜晚，以减少假阴性的发生，提高测试结果的可靠性。^[4]