BlandAltman方法判定测量一致性.docx
- 文档编号:24050791
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:11
- 大小:157.60KB
BlandAltman方法判定测量一致性.docx
《BlandAltman方法判定测量一致性.docx》由会员分享,可在线阅读,更多相关《BlandAltman方法判定测量一致性.docx(11页珍藏版)》请在冰豆网上搜索。
BlandAltman方法判定测量一致性
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。
一、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。
二、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
三、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3.1sEDV数据散点图
图3.2mEDV数据散点图
图3.3Bland-Altman差值法分析图
图3.4Bland-Altman比值法分析图
四、实验Matlab源代码
clear
closeall
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*');
%%%%%%%%%%%%Bland-Altman差值法%%%%%%%%%%%%%%%%%%%%%%%
me1=mean(X-Y);
s1=std(X-Y);
figure(3)
plot((X+Y)/2,(X-Y),'r*');
holdon
hline=plot(60:
200,ones(1,141)*me1,'b-');
text(200,me1,'(X-Y)');
plot(60:
200,ones(1,141)*(me1-2*s1),'b-');
text(200,me1+2*s1,'(X-Y+2*sigma)');
plot(60:
200,ones(1,141)*(me1+2*s1),'b-');
text(200,me1-2*s1,'(X-Y-2*sigma)');
xlabel('(X+Y)/2');
ylabel('X-Y');
holdoff
%%%%%%%%%%%%%%%%Bland-Altman比值法%%%%%%%%%%%%%%%%%%%
me=mean(X./Y);
s=std(X./Y);
figure(4)
plot((X+Y)/2,(X./Y),'r*');
holdon
hline=plot(60:
200,ones(1,141)*me,'b-');
text(200,me,'(X/Y)');
plot(60:
200,ones(1,141)*(me-2*s),'b-');
text(200,me+2*s,'(X/Y+2*sigma)');
plot(60:
200,ones(1,141)*(me+2*s),'b-');
text(200,me-2*s,'(X/Y-2*sigma)');
xlabel('(X+Y)/2');
ylabel('X/Y');
holdoff
%[muhat,sigmahat,muci,sigmaci]=normfit(X-Y,0.05)
%%%%%%%%%%%%%获得95%置信区间的单边宽度%%%%%%%%%%%%%%%%%
y=X-Y;
[midu,midsig,miduci,midsigci]=normfit(y,0.05);
%midSigleW=miduci-midu;
midSigleW=s/sqrt(length(y))*2;
highSigleW=1.71*s/sqrt(length(y))*2;
lowSigleW=1.71*s/sqrt(length(y))*2;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- BlandAltman 方法 判定 测量 一致性
![提示](https://static.bdocx.com/images/bang_tan.gif)