一致性分析

分析數(shù)據(jù)一致性時(shí)常用的方法如下：

方法數(shù)據(jù)類型

ICC組內(nèi)相關(guān)系數(shù)	定量或者定類
Kappda一致性系數(shù)	定類（分級(jí)）
Bland-Altman圖（BA圖）	定量數(shù)據(jù)

Bland-Altman

常用于生物醫(yī)學(xué)研究論文中評(píng)價(jià) 兩種連續(xù)變量測(cè)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(cè)量方法的均值，縱軸表示兩種測(cè)量方法的差值。圖中藍(lán)色線條表示兩種測(cè)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(diǎn)落在 $mean\pm 1.96std$,則說(shuō)明兩種方法的測(cè)量一致性較好。

Bland-Altman python 繪圖

準(zhǔn)備數(shù)據(jù)，score1和score2分別代表兩次測(cè)量的結(jié)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(guò)matplotlib 繪制

import matplotlib.pyplot as pltplt.figure(figsize=(10,10))plt.rc('axes', unicode_minus=False) # 處理 負(fù)號(hào)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(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。