在医学研究中对某种疾病的流行率以及其诊断检验参数的准确性进行估计都有着重要的意义。在对受试者进行诊断时,若采用的是有误判的诊断检验,那么可能会存在受试者被错误分类的情况,这就会导致得到的估计是有偏的;为了避免发生错误分类,那可以采用金标准检验。金标准检验虽然不存在误分类但往往耗时耗力且价格高昂,有误判的检验虽然便宜便捷但存在误分类。因而,采用二重抽样方法获取数据是克服这两种检验不足的有效方法之一。所谓二重抽样,即从感兴趣总体中随机抽取一部分个体全都进行有误判的检验,再从中随机抽取一部分个体来接受金标准检验。由于接受金标准检验的个体能准确知道其患病状况,因此这样的数据也称为部分核实数据。考虑到现实中金标准很难存在,常常使用的是有误判的分类器,因此通过二重抽样获得的数据称为无金标准部分核实数据。本文将基于无金标准的部分核实数据,即假定两种分类器均存在假阴性和假阳性,对疾病流行率和诊断准确性评价进行估计研究,并且从置信区间的角度,即在给定置信水平下,探究将区间宽度控制在给定范围之内所需样本量的公式或有效算法。首先,本文考虑了条件独立模型（模型一）和非条件独立模型（模型二）这两种二重抽样模型。在模型一与模型二下,提出了疾病流行率,诊断检验的敏感度和特异度的极大似然估计和贝叶斯估计共两种点估计方法,提出了它们基于Wald方法,Log变换,Logit变换,逆双曲正切变换,Bootstrap重抽样的置信区间和基于贝叶斯可信区间等区间估计方法。由于贝叶斯方法是以两种分类器条件独立为前提,因此模型二不能使用贝叶斯方法。根据模拟结果有:（1）模型一下,除在Jeffery无信息先验分布下的贝叶斯可信区间表现得较为激进外,其余置信区间都表现出了很好的性质,因而上述置信区间构造方法可被推荐于应用和实践中使用;（2）模型二下,所有置信区间都有很好的性质,因而上述置信区间构造方法可被推荐于应用和实践中使用。然后,本文从疾病流行率的置信区间出发,探究了临床实验所需样本量的确定问题。在两种模型下,提出了Wald置信区间下的样本量计算公式和逆双曲正切变换的置信区间下的样本量计算公式;模型一下还考虑了贝叶斯可信区间下的样本量的算法。根据模拟结果有:（1）对于同样的参数设置,无论是哪种方法,基于模型一得到的所需要的样本量都要比基于模型二得到的所需要的样本量要多;（2）模型一下除了在Jeffery无信息先验分布下的贝叶斯方法外,其他的样本量确定方法都有与事先给定的置信水平相近的经验覆盖概率;对于模型二,所有的样本量确定方法都有与事先给定的置信水平相近的经验覆盖概率;因而上述样本量确定方法被推荐在应用和实践中使用。最后,以疟疾数据为例,并对其进行了分析,用来说明了本文所提出方法的合理性与有效性。