batplot：图示Bland-Altman一致性分析

发布时间：2021-05-05 阅读 6387

Stata连享会主页 || 视频 || 推文 || 知乎

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装命令如下：
. ssc install lianxh
详情参见帮助文件 (有惊喜)：
. help lianxh

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者：徐楠 (中山大学)
邮箱：xunan3@mail2.sysu.edu.cn

1. 背景介绍

在临床测量中，经常会面临比较两种检测方法的问题。例如，A 是经过验证的 “金方法”，B 是新发现的方法，那么 A 与 B 的检测效果是否一致？

在实践中，通常需要将一种新的测量技术与一种已有的测量技术进行比较，以确定新技术能否取代旧技术。如果结果完全一致，则可以用新方法替代旧方法。但由于客观因素的限制，实践中两种方法的结果不可能完全相同。因此，我们需要借助一定方法来评估两种结果的一致性。

2. Bland-Altman 法

Bland 和 Altman (1986) 首次提出了 Bland-Altman 分析方法。它的基本思路是计算出两种测量结果的一致性界限，并用图形直观地反映一致性界限和两种方法测量差距的分布情况，最后结合临床实际经验，分析两种测量方法是否具有一致性。

2.1 一致性界限

在进行两种方法的测定时，需要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，而总是存在着一定的差异。比如，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 (bias)。

Bland-Altman 使用偏倚来刻画两种方法的一致性。具体来看，可以用两种方法结果差值的均值 $\bar{d}$ 来估计偏倚，且 $\bar{d}$ 的变异情况用差值的标准差 $S_{d}$ 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：

[\bar{d} - 1.96 S_{d}, \bar{d} + 1.96 S_{d}]

我们称这个区间为 95% 的一致性界限 (95% limits of agreement, 95% LoA)。从理论上来看，绝大多数差值都应位于该区间内。换句话说，如果两种测量结果的差异位于一致性界限内，则可以认为具有较好的一致性，即两种方法可以互换使用。

2.2 Bland-Altman 图形

接着，在二维直角坐标系中绘制 Bland-Altman 图，如下所示。其中，横轴表示两种方法测量的每个对象平均值，纵轴表示两种方法测量的每个对象差值。同时，直线表示差值均值、95%一致性界限等信息，虚线带代表差值均值为 0。

两种测量方法的一致性程度越高，代表差值均值的实线越接近值为 0 的虚线。根据一致性界限内的最大差值，及一致性界限外的数据比例，再结合临床上的可接受程度，我们可以通过 Bland-Altman 图对两种方法的一致性做出评价。

2.3 Bland-Altman 的应用

Bland 和 Altman (2010) 提供了显示良好一致性的例子，即氧饱和度检测仪和脉冲血氧饱和度仪测量的氧饱和度的比较。

Bland-Altman 图显示，两种方法的平均差异是 0.42 个百分点。尽管脉冲血氧计的饱和度往往给出一个较低的读数，但一致性界限的临界值 (-2% 和 2.8%) 足够小，因此结合临床经验，可以得出新方法可以用于代替旧方法的一致性评价结论。

2.4 Bland-Altman 的趋势

在前面的分析中，假定在测量范围内，差值没有以任何系统的方式变化。但事实可能并非如此，差值的大小与分散度都可能发生变化。

本文主要介绍的 batplot 命令较前文的 Bland-Altman 图改变了差值均值的衡量方法，使用两种方法差值的趋势线取代所有数据均值的水平线，以刻画差值大小在测量范围内的系统性变化。

3. batplot 命令介绍

batplot 命令生成经趋势调整的 Bland-Altman 图。其中，趋势由均值与差值均值的线形回归拟合得出。并且，对于规模差异较大的两变量一致性分析，趋势调整尤为重要。

3.1 命令安装

. ssc install batplot, replace

3.2 语法介绍

batplot varname1 varname2 [if] [in] [, options]

其中，varname1 varname2 为用于一致性分析的两个变量，batplot 命令提供选项如下：

选项	功能介绍
`info`	以副标题显示 Bland-Altman 图的基本信息
`valabel(varname)`	对超出一致性范围的点使用变量名称进行标记
`shading(min max)`	指定着色阴影范围
`notrend`	指定原始的 Bland Altman 绘图 (没有趋势) 绘制
`moptions`	为位于一致性范围之外的标记点指定展示选项
`scatter`	指定最终绘图的散点部分的展示选项
`twoway_options`	支持二维图绘制功能，如标题、标签

3.3 选项应用

接下来，以「auto.dta」数据为例，对 batplot 命令选项进行逐一介绍。

batplot 最简形式。最简命令的格式仅需输入用于一致性分析的两个变量名即可。图中展示横纵坐标轴、一致性界限 (阴影)、差值的趋势线。

. sysuse auto.dta, clear
(1978 Automobile Data)
. batplot mpg turn

info 选项使用。该选项可以帮助用户在图表上以文字形式清晰呈现一致性分析的结果。同时使用 notrend 选项时，会在结果窗口展示 Bland-Altman 图的基本信息。

. batplot mpg turn, info
. batplot mpg turn, info notrend

Mean difference     = -18.35135135135135
Limits of agreement = (-36.88690235522478,.1841996525220715)
Averages lie between  26.000 and 38.000

valabel 选项使用。该选项能够帮助用户在图表上呈现异常值的信息，方便后续查找分析。valabel(varname) 选项的使用可以对超出一致性限制范围的点进行标记，标记内容为用户输入的对应变量名称 varname。

. batplot mpg turn, valabel(make) //使用 make 变量名称标记异常值

shading 选项指定阴影范围。默认情况下，着色的限制由 xlabel 选项中的值确定。

notrend 选项实现不含趋势的 Bland-Altman 图的呈现。

. batplot mpg turn, notrend

moptions 选项为标记点提供更美观的展示形式 (注：需要与 valabel 选项一同使用)。moptions 选项指定位于一致性界限之外的点的标记形式，支持 scatter##marker_options 中的选项功能，可以通过 help scatter##marker_options 进行查看。

. batplot mpg turn, valabel(make) moptions(mlabp(9)) //将标记点变量名移至标记点左侧，使得变量名不超出图表展示范围

scatter 选项为散点部分提供展示形式选择，可以 help scatter 进行查看。

twoway_options 支持二维图表绘图功能。

4. 应用实例

本文使用陈卉 (2007) 提供的数据。该数据主要通过以下方式获得，即在测量 16 名检查者心功能指标左心室舒张末期容量 (EDV) 时，分别用多次屏气电影法 MRI (mEDV) 和单次屏气电影法 MRI (sEDV) 进行测量。

. clear all 
. input examiner_number medv sedv

     examine~r       medv       sedv
  1.         1   123.25   86.32
  2.         2   126.83   136.65
  3.         3   79.7     73.33
  4.         4   129.23   133.19
  5.         5   110.23   119.34
  6.         6   116.53   101.29
  7.         7   88.35    88.4
  8.         8   90.04    113.25
  9.         9   129.32   131.44
 1.          10  211.44   210.5
 2.          11  142.93   124.82
 3.          12  135.41   112.81
 4.          13  135.63   139.93
 5.          14  92.58    92.13
 6.          15  75.82    77.04
 7.          16  93.9     90.1
 8.  end

. *Bland-Altman 图绘制
. batplot medv sedv, title(Agreement between medv and sedv) info valabel(examiner_number) xlab(100(50)200)

5. 参考文献

Bland J M, Altman D G. Statistical methods for assessing agreement between two methods of clinical measurement[J]. The lancet, 1986, 327(8476): 307-310. -PDF-
Bland J M, Altman D G. Statistical methods for assessing agreement between two methods of clinical measurement[J]. International journal of nursing studies, 2010, 47(8): 931-936. -PDF-
陈卉. Bland-Altman 分析在临床测量方法一致性评价中的应用[J]. 中国卫生统计, 2007, 24(003):308-309. -Link-

6. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 绘图置信区间, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题	嘉宾	直播/回看视频
⭐ 最新专题		文本分析、机器学习、效率专题、生存分析等
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]