Bland-Altman方法判定測(cè)量一致性

運(yùn)用Bland-Altman分析水稻測(cè)量方法一致性摘要：在農(nóng)業(yè)生產(chǎn)中，對(duì)水稻穗長(zhǎng)進(jìn)行測(cè)量的數(shù)據(jù)是預(yù)測(cè)水稻產(chǎn)量，觀測(cè)農(nóng)作物生長(zhǎng)情況的重要指標(biāo)。在實(shí)際測(cè)量中，經(jīng)常會(huì)遇到評(píng)價(jià)兩種或多種檢測(cè)、測(cè)量方法結(jié)果一致性的問題。一般情況下，其中一種方法是目前廣泛應(yīng)用的或被稱為“金標(biāo)準(zhǔn)”的方法，在對(duì)水稻穗長(zhǎng)進(jìn)行測(cè)量的過程中，水稻穗長(zhǎng)的手動(dòng)測(cè)量方法即人工對(duì)每棵水稻的穗長(zhǎng)進(jìn)行測(cè)量，此測(cè)量數(shù)據(jù)可作為“金標(biāo)準(zhǔn)”。而另一種方法則是更先進(jìn)、更便于應(yīng)用、更經(jīng)濟(jì)的方法，在對(duì)水稻穗長(zhǎng)進(jìn)行測(cè)量的過程中，水稻穗長(zhǎng)的自動(dòng)測(cè)量方法即使用機(jī)器視覺采集水稻穗長(zhǎng)圖像，然后用圖像識(shí)別的方法獲得每個(gè)水稻的穗長(zhǎng)。本文將通過運(yùn)用Bland-Altman方法對(duì)水稻穗長(zhǎng)測(cè)量實(shí)例的分析，來判斷這兩種方法是否可以互相替代。一、原理和方法Bland-Altman方法的基本思想是計(jì)算出兩種測(cè)量結(jié)果的一致性界限，并用圖形的方法直觀地反映這個(gè)一致性界限。最后結(jié)合水稻穗長(zhǎng)的實(shí)際狀況，得出兩種測(cè)量方法是否具有一致性的結(jié)論。1．一致性界限在進(jìn)行兩種方法的測(cè)定時(shí)，通常是對(duì)同一批受試對(duì)象同時(shí)進(jìn)行測(cè)量。這兩種方法一般不會(huì)獲得完全相同的結(jié)果，總是存在著有一定趨勢(shì)的差異，如一種方法的測(cè)量結(jié)果經(jīng)常大于(或小于)另一種方法的結(jié)果，這種差異被稱為偏倚。偏倚可以用兩種方法測(cè)定結(jié)果的差值的均數(shù)d進(jìn)行估計(jì)，均數(shù)d的變異情況則用差值的標(biāo)準(zhǔn)差S來描述。如果差值的分布服從正態(tài)分布，則95％的差值應(yīng)該位于dd-1．96S和d+1．96Sd之間。我們稱這個(gè)區(qū)間為95％的一致性界限，絕大多數(shù)d差值都位于該區(qū)間內(nèi)。如果兩種測(cè)量結(jié)果的差異位于一致性界限內(nèi)在實(shí)際上是可以接受的，則可以認(rèn)為這兩種方法具有較好的一致性，這兩種方法可以互換使用。當(dāng)樣本量較小時(shí)，抽樣誤差會(huì)相對(duì)較大，因此還要給出95％一致性界限的上下限的置信區(qū)間。差值均數(shù)的標(biāo)準(zhǔn)差SE(d),—致性界限的上、下限的標(biāo)準(zhǔn)誤近似等于1.71SE(d),則可以分別計(jì)算出一致性界限上限的95%置信區(qū)間和下限的95％置信區(qū)間。120120*2.一致性界限的圖形表示Bland—Altman圖Bland-Altman圖以圖形的方式反映一致性界限。在二維直角坐標(biāo)中，用橫軸z表示兩種方法測(cè)量每個(gè)對(duì)象的平均值，縱軸W表示兩種方法測(cè)量每個(gè)對(duì)象的差值，即可得到Bland—Altman圖3.3。圖中上下兩條水平實(shí)線代表95%—致性界限的上下限，中間實(shí)線代表差值的均數(shù)，虛線代表差值均數(shù)為0。兩種測(cè)量方法的一致程度越高，代表差值均數(shù)的實(shí)線越接近代表差值均數(shù)為0的虛線。根據(jù)95%一致性界限外的數(shù)據(jù)點(diǎn)數(shù)和一致性界限內(nèi)的最大差值，以及臨床上的可接受程度，對(duì)待評(píng)價(jià)的兩種方法的一致性做出評(píng)價(jià)。Bland.Altman圖還清楚地顯示了觀察過程中出現(xiàn)的極端情況，如圖中最下方的兩個(gè)點(diǎn)。二、水稻穗長(zhǎng)測(cè)量實(shí)驗(yàn)運(yùn)用Bland-Altman差值方法對(duì)兩次實(shí)驗(yàn)結(jié)果進(jìn)行比較，第二次顯示采用機(jī)器視覺測(cè)量水稻穗長(zhǎng)的方法與手動(dòng)測(cè)量方法即“金標(biāo)準(zhǔn)”具有較好的一致性，這兩種方法可以互相替換。而第一次實(shí)驗(yàn)兩種測(cè)量方法的一致性較差。以下是運(yùn)用Bland-Altman方法對(duì)水稻數(shù)據(jù)進(jìn)行分析。1.用Bland-Altman方法對(duì)第一次實(shí)驗(yàn)結(jié)果進(jìn)行分析：220200180160140102030405060102030405060圖1.1第一次實(shí)驗(yàn)水稻穗長(zhǎng)手動(dòng)測(cè)量數(shù)據(jù)散點(diǎn)圖#：2010-10-20(X-Y+2*sima)801001-20140160180'20022080(X+Y避圖3.3Bland-Altman差值法分析圖圖3.4Bland-Altman比值法分析圖四、實(shí)驗(yàn)Matlab源代碼clearcloseallclcdata=xlsread('01.xls');%data=xlsread('02.xls');%data=xlsread('03.xls');X=data(:,1);Y=data(:,2);%%%%%%%%%%%%%數(shù)據(jù)散點(diǎn)圖%%%%%%%%%%%%%%%%%%%%%%%%%%%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*');holdonhline=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*');holdonhline=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)%%%%%%%%%%%%%獲得95%置信區(qū)間的單邊寬度%%%%%%%%%%%%%%%%%y=X-Y;[midu,midsig,miduci,midsigci]=normfit(y,0.05);%midSigleW=miduci-midu;midSigleW=s/s