【提 要】 目的 探討 Bland-Altman 法在定量測量結(jié)果的一致性評價方面的應用,。方法 采用 Bland-Altman作圖法對定量測量結(jié)果的一致性問題進行分析評價,針對不同的數(shù)據(jù)情況分別采用原始數(shù)據(jù)和經(jīng)過對數(shù)轉(zhuǎn)換以后的數(shù)據(jù)進行作圖分析,,以適應不同數(shù)據(jù)條件的要求,,計算差值均數(shù)的一致性界限,并與專業(yè)要求的容許誤差進行比較,,最終做出推斷結(jié)論,。結(jié)果 Bland-Altman 圖法將一致性界限的定量分析與散點圖分布的定性描述相結(jié)合,可以對定量測量數(shù)據(jù)的一致性進行較為準確的評價,。結(jié)論 Bland-Altman 圖法是定量數(shù)據(jù)一致性評價的理想方法,。 【關(guān)鍵詞】 一致性評價 Bland-Altman 計量資料 一致性界限
在臨床醫(yī)學、診斷醫(yī)學,、計量放射學等學科研究中,,經(jīng)常要求對兩種或者兩種以上診斷方法進行比較 或者進行測量結(jié)果一致性的評價。有時,,其中一種方 法是診斷的“金標準”或公認的方法,,而另外一種是新的方法或手段,相比較金標準而言可能更加經(jīng)濟或創(chuàng)傷,、痛苦更小;而有時并沒有金標準,,研究者只關(guān)注方法之間的互換性如何,。通過對診斷或測量結(jié)果的一致性評價,可以回答“方法之間能否相互替代”的問題,。k當測量結(jié)果為定量數(shù)據(jù)時,,涉及到一致性評價的問題,過去臨床工作中常用的方法是進行配對t檢驗,、相關(guān)分析,、回歸分析等,但是這些方法均不準確,,甚至是錯誤的,。例如,配對t檢驗只是檢驗兩組數(shù)據(jù)的集中位置是否相同,,相關(guān)分析只是檢驗數(shù)據(jù)同步變化的方向與緊密程度,,這些都只是一致性評價的某一個方面。準確的一致性評價,,應當同時考慮到數(shù)據(jù)的集中趨勢,、離散趨勢以及相關(guān)性,這三個方面均相同才能認為是“一致”,,才能說明方法之間的“可互換性”,。通過采用Bland-Altman圖來進行定量資料的一致性評價是近年來興起的新方法,并且針對數(shù)據(jù)的不同情況,,應用方面也有所差別,,本文將通過兩個實例來介紹該方法的應用,以及需要注意的若干問題,。
原理和方法 對定量測量資料進行一致性評價的Bland-Altman方法,,最初是由英國學者 Bland JM和Altman DG于1983年首先提出的,1986年在 Lancet上發(fā)表文章詳細闡述,,并于1999年將該方法進一步擴展,。該方法的基本思想是,,利用原始數(shù)據(jù)的均值與差值,,分別以均值為橫軸,以差值為縱軸做散點圖,,計算差值的均數(shù)以及差值的95%分布范圍(即為一致性界限,,LoA差值的均值d加減 1.96Sd ),認為應該有95%的差值位于該一致性界限以內(nèi),。分析散點的分布與一致性界限的位置關(guān)系,,并且與專業(yè)上可接受的界限值相比較,如果一致性界限在臨床上可以接受,,則可以認為兩種方法之間一致性較好,,可以互換,。 在現(xiàn)有軟件中,可以通過Medcalc繪制Bland-Altman圖,,其做出的 Bland-Altman 圖一般如圖1所示,。 圖1的下方橫軸代表兩個指標的平均值,左側(cè)縱軸代表兩個指標之差,。圖形區(qū)域內(nèi)共有六條線,,三條較長者從上到下依次是: Mean+1.96SD、Mean和 Mean-1.96SD,,即上述所述差值均數(shù)及LoA上限與下限,。其余三條較短者(一般無標記,筆者添加)分別為差值為0和差值均數(shù)的95% CI,。而LoA的95% CI軟件不能自動繪出,,需要手工計算。一般認為,,圖形中的點位于LoA 范圍內(nèi)的要占到所有點的95%,,同時還要考慮該LoA不超出專業(yè)上可接受的臨界值范圍。滿足這兩點一般即可認為兩種方法的一致性較好,,可以互換,。
實例分析 采用Bland-Altman圖進行一致性評價,需要根據(jù)數(shù)據(jù)情形進行判定,。如果Difference-Average散點圖上差值隨均值變化不明顯,,則可采用原始數(shù)據(jù)進行作圖分析;常見的另外一種情形是差值隨著均值的增大而增大,此時需要對原始數(shù)據(jù)進行對數(shù)轉(zhuǎn)換,,然后再進行作圖分析,。具體實例如下: (1) 原始數(shù)據(jù) 某實驗室采用兩個不同公司的試劑盒(W與M)對70份同型半胱氨酸樣品進行檢測,研究兩種試劑盒檢測結(jié)果是否一致,。數(shù)據(jù)見表1,。 (2) Bland-Altman分析 從圖2中可以看出,70個點中有3個位于LoA范圍以外,,比例為4.29%,,小于5%。經(jīng)過計算70對數(shù)據(jù)的相關(guān)系數(shù)為0.963(P<0.001),,差值的均數(shù)d=0. 001μmol/L,,標準差SD=0.81μmol/L,標準誤SE=0.10μmol /L,,由此計算出的 95% LoA為(-1.587,,1.589)μmol/L。樣本量為70,對應的t=1.995,,LoA上限 1.589的95%CI 為(1.589-1.995×1.71×0.1,,1.589+1.995×1.71×0.1),即(1.248,,2.336)μmol/L,,LoA下限-1.587的95%CI為(-1.928,-1.246)μmol/L,。綜合起來,,LoA的可信區(qū)間為(-1.982,2.336)μmol/L,。該范圍明顯大于95% LoA 本身,,這是考慮到了抽樣誤差的結(jié)果。所以,,數(shù)據(jù)點有95%分布在該范圍內(nèi)即可(比LoA寬泛),,同時也要求LoA的CI不能超出專業(yè)意義的臨界值(比LoA更嚴格),二者其實也是相統(tǒng)一的,。假如專業(yè)上要求兩種檢測方法之間的偏差在±2.5μmol/L之間是可以接受的,,那么二者的一致性較好。 討 論 1. 做Bland-Altman圖,,除了要計算數(shù)據(jù)的LoA外,,還要計算和考慮LoA的可信區(qū)間。由于分析的數(shù)據(jù)大多為抽樣得到,,所以為了考慮到抽樣誤差的大小,,LoA CI 就顯得更加重要。LoA CI的范圍更大,,可以包含更多的散點,,但同時也可能超出專業(yè)上可接受的臨界值。在國外臨床文獻中,,Bland-Altman法應用比較廣泛,,但是仍然很少有同時考慮LoA CI的,所以該方法的應用不能過于機械化,。 2. 經(jīng)過上述實例分析比較可以看出,,BlandAltman 法的使用一定要根據(jù)數(shù)據(jù)的情況靈活調(diào)整,當遇到數(shù)據(jù)的差值與均值成比例變化時(可能是“喇叭”狀的散點,,也可能是其他情況),,最好將原始數(shù)據(jù)取對數(shù)以后再繪制該圖,然后將得到的LoA與LoA CI進行反對數(shù)計算,。 3. 數(shù)據(jù)進行對數(shù)變化并不能徹底消除差值與均值成比例的問題,但是從上述的圖中也可以看出,這樣做可以使得LoA與LoA CI明顯變窄,,相比較于采用原始數(shù)據(jù)有更大的優(yōu)勢,。 4. 采用Bland-Altman圖法進行一致性評價實際上也需要有一定的樣本量,雖然沒有固定的樣本含量計算公式,,但是樣本量越大,,LoA CI范圍越小,越容易得到一致性較好的結(jié)論,。同時,,除了樣本量足夠以外,對數(shù)據(jù)的分布情況也有一些要求,,即數(shù)據(jù)的覆蓋范圍盡量寬一些,,太窄的話容易得到錯誤的結(jié)論,也不容易發(fā)現(xiàn)是否存在差值隨均值成比例變化的情形,。 5.Bland-Altman圖法最初主要用于新方法與金標準之間的比較,,或者兩個觀察者間的比較。對于重復測量之間的一致性評價相對比較復雜,,還需要進一步深入研究,。 附:Bland-Altman圖Medcalc實現(xiàn)步驟 1.下載、安裝 官方網(wǎng)站:http://www./ 可下最新版,,我就用的這個,。免費試用15天。 軟件站:各大軟件站均可下載,。 2. 使用步驟 1)打開軟件,,在左側(cè)主頁面Data中,將spss或execl建好的原始表復制進來,,記得寫title(不需要預先做平均值和差值哦),。 2)點Statistics-Method comparsion & Evaluation-Bland-Altman plot 3) 在first method 和second method中分別選中1)中錄入的表。 4)軟件自動出來結(jié)果,。 本公眾號精彩歷史文章: 04:如何在R軟件中求一致性指數(shù)( Harrell'concordance index:C-index),? 05:Nomogram 繪制原理及R&SAS實現(xiàn). 06 : Lasso方法簡要介紹及其在回歸分析中的應用 07 : 最優(yōu)模型選擇中的交叉驗證(Cross validation)方法 08 : 用R語言進行分位數(shù)回歸(Quantile Regression) 09 : 樣本數(shù)據(jù)中異常值(Outliers)檢測方法及SPSS & R實現(xiàn) 10 : 原始數(shù)據(jù)中幾類缺失值(Missing Data)的SPSS及R處理方法 11 : [Survival analysis] Kaplan-Meier法之SPSS實現(xiàn) 12 : [Survival analysis] COX比例風險回歸模型在SPSS中的實現(xiàn) 13 : 用R繪制地圖:以疾病流行趨勢為例 14 : 數(shù)據(jù)挖掘方法:聚類分析簡要介紹 及SPSS&R實現(xiàn) 15 : 醫(yī)學研究中的Logistic回歸分析及R實現(xiàn) 16 : 常用的非參數(shù)檢驗(Nonparametric Tests)總結(jié) 17 : 高中生都能看懂的最小二乘法原理 18 : R語言中可實現(xiàn)的常用統(tǒng)計假設檢驗總結(jié)(側(cè)重時間序列) 19 : 如何根據(jù)樣本例數(shù)、均數(shù),、標準差進行T-Test和ANOVA 20 : 統(tǒng)計學中自由度的理解和應用 21 : ROC和AUC介紹以及如何計算AUC 22 : 支持向量機SVM介紹及R實現(xiàn) 23 : SPSS如何做主成分分析? 24 : Bootstrap再抽樣方法簡介 |
|
來自: 生物_醫(yī)藥_科研 > 《待分類》