分析数据一致性时常用的方法如下:
方法 | 数据类型 |
---|---|
ICC组内相关系数 | 定量或者定类 |
Kappda一致性系数 | 定类(分级) |
Bland-Altman图(BA图) | 定量数据 |
常用于生物医学研究论文中评价 两种连续变量测量方法的一致性。BA图直观反映两者的一致性。如图所示,横轴表示 两种测量方法的均值,纵轴表示两种测量方法的差值。图中蓝色线条表示两种测量方法的差值均值。两条红线分别表示±1.96SD\pm 1.96 SD±1.96SD的范围。
若大部分样本点落在 mean±1.96stdmean \pm 1.96 stdmean±1.96std,则说明两种方法的测量一致性较好。
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)
通过matplotlib 绘制
import matplotlib.pyplot as pltplt.figure(figsize=(10,10))plt.rc('axes', unicode_minus=False) # 处理 负号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()