BlandAltman方法判定测量一致性.doc

运用Bland-Altman分析水稻测量方法一致性 摘要：在农业生产中，对水稻穗长进行测量的数据是预测水稻产量，观测农作物生长情况的重要指标。在实际测量中，经常会遇到评价两种或多种检测、测量方法结果一致性的问题。一般情况下，其中一种方法是目前广泛应用的或被称为“金标准”的方法，在对水稻穗长进行测量的过程中，水稻穗长的手动测量方法即人工对每棵水稻的穗长进行测量，此测量数据可作为“金标准”。而另一种方法则是更先进、更便于应用、更经济的方法，在对水稻穗长进行测量的过程中，水稻穗长的自动测量方法即使用机器视觉采集水稻穗长图像，然后用图像识别的方法获得每个水稻的穗长。本文将通过运用Bland-Altman方法对水稻穗长测量实例的分析，来判断这两种方法是否可以互相替代。 原理和方法 Bland-Altman方法的基本思想是计算出两种测量结果的一致性界限，并用图形的方法直观地反映这个一致性界限。最后结合水稻穗长的实际状况，得出两种测量方法是否具有一致性的结论。 1．一致性界限 在进行两种方法的测定时，通常是对同一批受试对象同时进行测量。这两种方法一般不会获得完全相同的结果，总是存在着有一定趋势的差异，如一种方法的测量结果经常大于(或小于)另一种方法的结果，这种差异被称为偏倚。偏倚可以用两种方法测定结果的差值的均数d进行估计，均数d的变异情况则用差值的标准差Sd来描述。如果差值的分布服从正态分布，则95％的差值应该位于d-1．96Sd和d+1．96Sd之间。我们称这个区间为95％的一致性界限，绝大多数差值都位于该区间内。如果两种测量结果的差异位于一致性界限内在实际上是可以接受的，则可以认为这两种方法具有较好的一致性，这两种方法可以互换使用。 当样本量较小时，抽样误差会相对较大，因此还要给出95％一致性界限的上下限的置信区间。差值均数的标准差SE(d)，一致性界限的上、下限的标准误近似等于1．71SE(d)，则可以分别计算出一致性界限上限的95％置信区间和下限的95％置信区间。 2．一致性界限的图形表示——Bland—Altman图 Bland-A1tman图以图形的方式反映一致性界限。在二维直角坐标中，用横轴z表示两种方法测量每个对象的平均值，纵轴Ⅳ表示两种方法测量每个对象的差值，即可得到Bland—Altman图3.3。图中上下两条水平实线代表95％一致性界限的上下限，中间实线代表差值的均数，虚线代表差值均数为0。两种测量方法的一致程度越高，代表差值均数的实线越接近代表差值均数为0的虚线。根据95％一致性界限外的数据点数和一致性界限内的最大差值，以及临床上的可接受程度，对待评价的两种方法的一致性做出评价。Bland．Altman图还清楚地显示了观察过程中出现的极端情况，如图中最下方的两个点。 水稻穗长测量实验 运用Bland-Altman差值方法对两次实验结果进行比较，第二次显示采用机器视觉测量水稻穗长的方法与手动测量方法即“金标准”具有较好的一致性，这两种方法可以互相替换。而第一次实验两种测量方法的一致性较差。以下是运用Bland-Altman方法对水稻数据进行分析。 1.用Bland-Altman方法对第一次实验结果进行分析： 图1.1 第一次实验水稻穗长手动测量数据散点图 图1.2 第一次实验水稻穗长自动测量数据散点图 图1.3 第一次实验使用Bland-Altman差值法分析图 图1.4 第一次实验使用Bland-Altman比值法分析图 2.用Bland-Altman方法对第二次实验方法进行分析 图2.1 第二次实验水稻穗长手动测量数据散点图 图2.2 第二次实验水稻穗长自动测量数据散点图 图2.3 第二次实验使用Bland-Altman差值法分析图 图2.4 第二次实验使用Bland-Altman比值法分析图 对Bland-Altman方法进行其他实验的验证 在本次作业中还对《Bland—Altman分析在临床测量方法一致性评价中的应用》论文中的方法进行了验证，实验证明，作业得出的结果与论文得出的结果一致。可知，该方法和程序正确。 图3.1 sEDV数据散点图 图3.2 mEDV数据散点图 图3.3 Bland-Altman差值法分析图 图3.4 Bland-Altman比值法分析图 实验Matlab源代码 clear close all clc data = xlsread(01.xls); %data = xlsread(02.xls); %data = xlsread(03.xls); X=data(:,1); Y=data(:,2); %%%%%%%%%%%%%数据散点图%%%%%%%%%%%%%%%%%%%%%%%%%%% figure(1) plot(X, g*); figure(2) plot(Y, g