Bland-Altman

这篇具有很好参考价值的文章主要介绍了Bland-Altman。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、案例介绍

某医生使用方法A和方法B对20名患者进行血脂测量,现在想要知道这两种血脂测量方法的测量结果是否具有一致性,收集部分数据如下:

Bland-Altman,人工智能,算法

二、问题分析

医学研究中进行一致性检验时,通常有以下4种方法,对比说明如下表:

Bland-Altman,人工智能,算法

本案例数据为定量数据,可以使用ICC组内相关系数或者Bland-Altman图进行一致性分析。在之前已经介绍过如何使用ICC进行一致性分析,所以本案例介绍如何通过图示化的方法进行两组数据之间的一致性检验。

三、软件操作及结果解读

(1)软件操作

将数据上传至SPSSAU系统后,在实验/医学研究模块,选择分析方法【Bland-Altman图】将“方法A”拖拽到右侧“第1种方法”分析框中,将“方法B”拖拽到右侧“第2种方法”分析框中,然后点击“开始分析”,操作如下图:

Bland-Altman,人工智能,算法

(2)结果解读

①Bland-Altman描述统计

Bland-Altman描述统计展示两组测量数据的平均值、以及差值的均值、差值的标准差、差值均值的95%置信区间、差值的95%置信区间、差值的显著性检验结果、重复以血性系数CR值。显著性检验的原理为配对t检验,用于检验差值是否明显偏离数字0,如果呈现出显著性,说明两组测量数据差值明显偏离数字0,即说明两种方法具有不一致性。反之说明两种方法具有一致性。

SPSSAU输出Bland-Altman描述统计分析结果如下:

Bland-Altman,人工智能,算法

从上表可知:两种方法测量血脂的平均值分别为5.8000和5.8050,使用配对样本t检验显示,数据没有呈现出显著性(p=0.8708>0.05),即说明两种测量方法的差值并没有明显偏离数字0,也就是说两种方法测量结果具有一致性。

②Bland-Altman图

Bland-Altman图的横坐标为两种方法测量数据的平均值,纵坐标为两种方法的测量差值,图中包括3条线,中间线条表示差值的平均值,上下线条为95%一致性界限的上下限。通过Bland-Altman图,可以直观的了解两个观察值之间的测量偏差和一致性程度。如果大部分点分布在平均值差值附近,并且标准差范围内,则说明两组数据具有较好的一致性。

SPSSAU输出Bland-Altman图如下:

Bland-Altman,人工智能,算法

从上图可以看出,两种方法的差值均值为-0.005,差值的95%置信区间为-0.271~0.261,所有测量数据均介于95%置信区间范围内,意味着本次数据具有良好的一致性水平。

四、结论

本案例使用Bland-Altman图分析方法A和方法B测量血脂结果的一致性,分析得知,配对样本t检验结果未呈现出显著性,说明两种方法测量结果具有一致性。同时观察Bland-Altman图可知,数据点均匀的分布在均值差异线附近且全部在95%置信区间内,说明两组测量结果在整体上具有良好的一致性水平。

五、知识小贴士

Bland-Altman描述统计表格里面的t 检验是什么意思?

Bland-Altman描述统计里面的t 检验,其原理为配对t检验,检验的原假设是差值的平均值为0,即两种测量方法具有一致性,通常希望检验不能呈现出显著性,即接受原假设,论证两种测量方法具有一致性。文章来源地址https://www.toymoban.com/news/detail-613288.html

到了这里,关于Bland-Altman的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 人工智能学习框架—飞桨Paddle人工智能

    机器学习的三要素:模型、学习策略、优化算法。 当我们用机器学习来解决一些模式识别任务时,一般的流程包含以下几个步骤: 浅层学习 (Shallow Learning):不涉及特征学习,其特征主要靠人工经验或特征转换方法来抽取。 底层特征VS高层语义:人们对文本、图像的理解无法

    2024年02月12日
    浏览(52)
  • 什么是生成式人工智能?人工智能创造

    原文地址:什么是生成式人工智能?人工智能创造  生成式人工智能模型可以进行对话、回答问题、编写故事、生成源代码以及创建几乎任何描述的图像和视频。以下是生成式人工智能的工作原理、使用方式以及其局限性比您想象的要大的原因。 生成式人工智能是一种人工智

    2024年02月03日
    浏览(169)
  • 从 人工智能学派 视角来看 人工智能算法

    当今人工智能的算法纷繁复杂:神经网络、卷积神经网络CNN、遗传算法、进化策略、知识图谱、贝叶斯网络、支持向量机SVM、强化学习、生成对抗网络GAN,自编码器… 如果你把每个算法独立看待简直是眼花缭乱,头都是大的。这次我就带你理理这些算法,有些算法其实是可以

    2024年03月15日
    浏览(62)
  • 【人工智能业务概述】—人工智能的技术框架

    人工智能的技术框架按照产业生态通常可以划分为基础层、技术层、应用层三大板块。其中,基础层提供了支撑人工智能应用的基础设施和技术,包括存储和处理大规模数据的能力,以及高性能的计算和通信基础设施;技术层提供了各种人工智能技术和算法,用于处理和分析

    2024年02月02日
    浏览(53)
  • 人工智能基础部分24-人工智能的数学基础,汇集了人工智能数学知识最全面的概况

    、 大家好,我是微学AI,今天给大家介绍一下人工智能基础部分24-人工智能的数学基础,汇集了人工智能数学知识最全面的概况,深度学习是一种利用多层神经网络对数据进行特征学习和表示学习的机器学习方法。要全面了解深度学习的数学基础,需要掌握这些数学知识:向

    2024年02月21日
    浏览(75)
  • 人工智能市场:人工智能市场生态与行业融合

    作者:禅与计算机程序设计艺术 引言 1.1. 背景介绍 人工智能作为一项新兴技术,近年来在各个领域取得了显著的成果,如医疗、金融、教育、制造业等。这使得人工智能产业逐渐崛起,形成了一个庞大的市场。根据市场研究机构的统计数据,全球人工智能市场规模将从 201

    2024年02月07日
    浏览(60)
  • 如何开始学习人工智能?人工智能入门教程

    你想要了解人工智能的基本原理和应用,但面对庞大的知识体系和众多的学习资源,你可能感到有些迷茫。不用担心!作为从事人工智能多年的我,今天将为你提供一条通俗易懂的学习路径,帮助你正确入门人工智能。 第一步:打下基础 在入门人工智能前,咱们先要具备了

    2024年02月11日
    浏览(56)
  • Adobe:受益于人工智能,必被人工智能反噬

    来源:猛兽财经  作者:猛兽财经  总结: (1)Adobe(ADBE)受益于生成式人工智能的兴起,其一直能实现两位数的收入增长就证明了这一点。 (2)在生成式人工智能兴起时,该公司就快速的将生成式人工智能整合到其热门产品中了,并取得了巨大成功。 (3)目前该公司的利

    2024年02月05日
    浏览(50)
  • 强人工智能与弱人工智能:有什么区别?

    我们通常将人工智能(AI)视为模仿人类思维的计算智能。然而,这种特征并不适用于所有人工智能系统,因为各种类型的人工智能具有不同的特征。人工智能中的两个主要类别是“强AI”和“弱AI”,代表了机器智能的不同方法。 现在,让我们看看强AI和弱AI之间的根本区别

    2024年02月07日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包