一致性分析

分析數據一致性時常用的方法如下：

方法數據類型

ICC組內相關系數	定量或者定類
Kappda一致性系數	定類（分級）
Bland-Altman圖（BA圖）	定量數據

Bland-Altman

常用于生物醫學研究論文中評價 兩種連續變量測量方法的一致性。BA圖直觀反映兩者的一致性。如圖所示，橫軸表示 兩種測量方法的均值，縱軸表示兩種測量方法的差值。圖中藍色線條表示兩種測量方法的差值均值。兩條紅線分別表示$\pm 1.96SD$的范圍。
若大部分樣本點落在 $mean\pm 1.96std$,則說明兩種方法的測量一致性較好。

Bland-Altman python 繪圖

準備數據，score1和score2分別代表兩次測量的結果

score1=np.asarray(score1)score2=np.asarray(score2)mean=np.mean([score1,score2],axis=0)diff=score1-score2md=np.mean(diff)sd=np.std(diff,axis=0)

通過matplotlib 繪制

import matplotlib.pyplot as pltplt.figure(figsize=(10,10))plt.rc('axes', unicode_minus=False) # 處理 負號plt.scatter(mean, diff)plt.axhline(md, color='black', linestyle='-')plt.axhline(md + 1.96*sd, color='gray', linestyle='--')plt.axhline(md - 1.96*sd, color='gray', linestyle='--')plt.show()

總結

以上是生活随笔為你收集整理的python 绘制BA图, 绘制Bland-Altman, 两个连续变量的一致性分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。