无金标准的诊断试验研究——配对t检验和Pearson相关

发布于 2022年5月8日 星期日 15:38:02 浏览:2865
原创不易,转载请注明来源,感谢!
附件下载:
1651657900-配对样本t检验.csv 请勿重复点击,如无响应请耐心等待或稍后再试。

无金标准诊断试验通常是分析两种方法诊断某种疾病的结果是否一致,如果诊断指标为连续型变量,可采用配对t检验和Pearson相关系数来进行两种诊断方法的一致性分析。

关键词:无金标准诊断试验;连续型指标;配对t检验;Pearson相关系数;一致性分析

一、案例介绍

为检测血液中某肿瘤指标(X)的含量,分别使用A、B两种方法检测17例该肿瘤患者血液中该指标的含量,试评价两种检测方法的一致性。数据见图1,本文案例可从“附件下载”处下载。

图1

二、问题分析以及软件操作

(一) 问题分析

配对t检验的实质是在将配对数据求差值后,检测差值的均数是否与0有统计学差异,以此判断两组数据差异是否有统计学意义,相关理论见“配对样本t检验(Paired Samples t-test)——理论介绍”。在诊断试验研究中,两种检测方法之间的数值差异有无统计学意义,反映了两种方法检测结果是否有差异。当P<0.05可认为两种方法检测结果不一致,反之,P≥0.05可认为两种方法检测结果一致。但配对t检验用于诊断试验一致性判定,得出的结论是“有”或“无”一致性,难以说明一致性程度。

Pearson相关分析通过计算两连续性变量之间的相关系数r的大小和方向判断两变量之间的关联大小和方向,通过检验相关系数r是否来自ρ=0的总体判断相关性是否有统计学意义[Pearson相关性分析(Pearson Correlation Analysis)——理论介绍]。在诊断试验研究中,两种检测方法之间的相关系数r越大表明检测结果的一致性越高,并通过P是否小于0.05判断一致性是否有统计学意义。当0.9<|r|<1,为高度相关;当0.7<|r|<0.9,为强相关;0.4<|r|<0.7,为中度相关;0.2<|r|<0.4,为弱相关性;0<|r|<0.2,为极弱相关或无相关性。

(二) 软件操作

可参考配对样本t检验(Paired Samples t-test)——SPSS软件实现以及Pearson相关性分析(Pearson Correlation Analysis)——SPSS软件实现,或网站相关软件操作。本文使用jamovi软件进行分析。

三、配对t检验结果解读

(一) 统计描述

图2是两组变量的统计描述结果,可见A、B方法检测结果分别为407.824±76.267、425.294±71.174。从均值看两种方法检测结果可能存在差异,但还需要依据统计学检验的结果进行判断。

图2

(二) 统计学推断

图3是配对样本t检验的结果,显示使用A方法检测该肿瘤指标 (X)比使用B方法检测数值低17.471,95%CI为-52.775~17.834,差异无统计学意义(t=-1.049,P=0.310)。

图3

四、Pearson相关分析结果解读

(一) 线性关系分析

首先绘制散点图描述A、B方法之间的线性关系。图4为方法A和B的散点图,散点大致呈一条直线,说明存在线性关系。

图4

(二) 统计学推断

图5的“相关性”分析结果显示,两组Pearson相关系数r =0.568,P=0.017。可知该肿瘤指标的检测方法A和B之间线性相关性为中度水平。表明A、B两种检测方法检测结果的一致性一般。

图5

四、知识小贴士

(一) 配对样本t检验的缺陷

  • 配对t检验不能兼顾每一个被测对子的差异,而是根据总体均值对测量结果是否一致作出评价,其测量本质是对总体“差异”的检验,而非“一致”。故配对t检验用于一致性的评价结果往往欠准确。
  • 在样本量较大的情况下,配对t检验很容易出现P<0.05的情况,据此认为两诊断试验结果不一致往往不具备实际意义。
  • 配对t检验用于诊断试验一致性判定,得出的结论是“有”或“无”一致性,难以说明一致性程度。这主要是因为配对样本t检验比较的是两种方法检测结果的“平均”效应,换言之,尽管单个样本中有A比B结果高和B比A结果高的各种情况,但是只要两组的均数相差不大,就会得出差异无统计学意义的结果(图6为本案例两组数据的比较情况)。而辅助使用Pearson相关分析可进一步补充说明一致性的程度。
图6

(二) Pearson相关分析的缺陷

Pearson相关系数r其本质反应的是两者之间的相关,而非一致性。因此对系统误差并不敏感,对测量值增加固定的数值后,其相关系数并不会发生改变。

End
文章目录 沉浸式阅读