上一期我们聊到了诊断试验的一致性评价，不知道大家搞懂了没有，先来个回顾：

无序分类变量，一般采用Kappa一致性检验；

有序分类变量（等级变量），采用加权Kappa或Kendall协同系数评价一致性；

连续变量的一致性评价，除了之前提到的组内相关系数（ICC），还有另外两种图示方法——Bland-Altman法和ATE/LER区域法。

接下来两期就带着大家一起学习怎么通过“画图”来搞定一致性评价，今天我们就来学习Bland-Altman法。

Bland-Altman分析[1,2]

一般我们在说对两种方法（或两位评价者）的进行一致性评价时，都会对同一批研究对象同时各测量一次（典型的自身对照~）。

理论上讲，这两种方法（或两个评价者）一般不会获得完全相同的结果，但是会具有一定趋势的差异，啥意思呢？就是说一种方法（一名评价者）的测量结果总是大于（或小于）另一种方法（另一名评价者），这种系统误差就是我们常说的“偏倚”。

这种“偏倚”大小可以用两种方法（或两位评价者）测量结果的差值的均数d进行估计，d的变异情况则用差值的标准差Sd来描述。当测量结果的差值服从正态分布时，那么95%的差值应该位于d±1.96Sd之间（有没有点儿正常参考值的感觉~），这样一个区间有一个专业名称，叫做95%一致性界限（95% limits of agreement, 95% LoA）。

如果两个测量结果的差异位于95% LoA内，在临床上是可以接受的，则可以认为这两种方法（或两位评价者）测量结果具有较好的一致性。

Bland-Altman法正是基于以上思路，计算出两种方法（或两位评价者）测量结果的“95%一致性界限”，并用图形的方法直观地反映出这个一致性界限——通常以测量结果的差值为纵轴，以测量结果的均数为横轴，绘制散点图，并标注出95%一致性界限。最后结合临床实际允许的最大误差，得出两种方法（或两位评价者）是否具有一致性的结论。