| 命令： | 统计 方法比较和评估 Passing-Bablok 回归  |
描述
Passing-Bablok回归是一种线性回归过程，对样本的分布和测量误差没有特殊的假设（Passing&Bablok，1983）。结果不依赖于方法（或仪器）对 X 和 Y 的分配。斜率 B 和截距 A 是用它们的 95% 置信区间计算的。这些置信区间用于确定 B 和 1 之间以及 A 和 0 之间是否只有机会差。
所需输入
- Variable Y and Variable X：选择要比较的两种技术的变量。
- Filter：可选过滤器。
- Options
- Calculate perpendicular residuals：选择此选项可计算垂直于回归线的残差（参见 Passing & Bablok， 1983）。这与传统的（最小二乘法）方法不同，后者测量平行于 y 轴的残差。
- Spearman rank correlation coefficient：选择此选项可在报表中包括斯皮尔曼等级相关系数。
- Scatter diagram & regression line：带有散点图和回归线的图形窗口，包括回归线和身份线的置信区间（x=y）。
- Residuals：带有残差图的图形窗口。作为一种选择，残差可以按秩数绘制（参见Passing & Bablok，1983）。
- Subgroups：如果要在散点图和残差图中识别子组，请单击子组按钮。将显示一个新对话框，您可以在其中选择分类变量。该图将显示此变量中不同类别的不同标记。
- Advanced：单击“Advanced”按钮，为“Passing-Bablok”过程选择“Advanced ”选项。其中包括计算回归系数的自举参数，或根据 CLSI 指南 EP09c（第 3版，2018 年）计算选定阈值的预期偏差。另请参阅自举选项。
结果
完成对话框后，单击还行继续。以下结果将显示在文本窗口中。
- Sample size：（选定的）数据对的数量
- 两个变量的Summary statistics：平均值和最高值、均值、中位数、标准差和均值的标准误
- Regression equation：根据Passing & Bablok （1983）计算出A和B值的回归方程。
- Systematic differences。截距 A 是两种方法之间系统差异的度量。截距 A 的 95% 置信区间可用于检验 A=0 的假设。如果 A 的置信区间包含值 0，则接受此假设。如果假设被拒绝，则得出结论，A 与 0 显着不同，并且两种方法至少相差一个恒定量。
- Proportional differences。斜率 B 是两种方法之间比例差异的度量。斜率 B 的 95% 置信区间可用于检验 B=1 的假设。如果 B 的置信区间包含值 1，则接受此假设。如果假设被拒绝，则得出结论，B 与 1 显著不同，并且两种方法之间至少存在比例差异。
- Random differences。残差标准差 （RSD） 是两种方法之间随机差异的度量。预计 95% 的随机差异位于 -1.96 RSD 至 +1.96 RSD 的区间内。如果此间隔较大，则两种方法可能不一致。
- Linear model validity：线性的 Cusum 检验用于评估线性模型与数据的拟合程度。线性的 Cusum 检验仅测试 Passing-Bablok 方法的适用性;对于两种实验室方法的可比性，它没有进一步的解释。较小的 P 值 （P<0.05） 表示两个测量值之间没有线性关系，因此 Passing-Bablok 方法不适用。
或者，该程序报告 Spearman 的秩相关系数 （rho） 与 P 值和 95% 置信区间。请注意，Passing & Bablok （1983）不鼓励在方法比较研究中报告相关系数。我们发现，当相关性较低时，Passing & Bablok 回归不起作用;我们不是将其报告为方法比较统计量，而是将其作为评估 Passing-Bablok 回归过程本身有效性的一个因素。
散点图和回归线
此图显示了回归线（实线）、回归线（虚线）和身份线（x=y，虚线）的置信区间的观测值：
外推法
MedCalc 仅显示观测值范围内的回归线。通常，不建议将回归线外推到观测范围之外。要允许外推，请在图表中单击鼠标右键，然后单击上下文菜单上的 Allow extrapolation (允许外推)。
残差图
残差图允许对线性模型的拟合优度进行可视化评估。如果残差显示某种模式，则可以预期这两个变量不具有线性关系。
异常
由于它本质上是一个非参数过程，因此 Passing-Bablok 回归不受存在一个或相对少数异常值的影响。然而，异常值（此处定义为超出 4 SD 限制的残差）在残差图中以不同的颜色绘制。Linnet&Boyd（2012）建议，这些测量值不应该被自动拒绝，而且应该仔细检查它们存在的原因。
Bablok & Passing （1985）建议“产生偏差值的样本应该用这两种方法再次分析。任何测量值都应仅称为异常值，并且如果发现分析错误或分析仪宣布结果有问题，则应从数据中排除。如果数据的分布是已知的，则可以使用统计检验来检测异常值。
样本量的重要性
当样本量较小时，截距和斜率的 95% 置信区间的宽度将很大，并且更有可能包含值 0，即 1（另见 Mayer 等人，2016 年）。结果是，基于小样本量的方法比较研究偏向于实验室方法一致的结论。
因此，必须使用正确且足够大的样本量。
Passing & Bablok W （1984） 和 Bablok & Passing （1985） 给出了建议的足够样本量（范围从 30 到 90）的表格。Bablok & Passing （1985） 建议至少有 30 个样本。Ludbrook （2010） 引用的样本量至少为 50。
笔记
- Passing-Bablok 过程应仅用于具有线性关系且高度相关的变量。
- 我们建议用 Bland-Altman 图来补充 Passing-Bablok 程序的结果。
文献
- Bablok W， Passing H （1985） 统计程序在分析仪器测试中的应用。自动化学杂志 7：74-79。
- CLSI （2018） 使用患者样本的测量程序比较和偏倚估计。第 3版CLSI 指南 EP09c。宾夕法尼亚州韦恩：临床和实验室标准研究所。
- Linnet K， Boyd JC （2012） 方法的选择和分析评估 – 使用统计技术。在Burtis CA，Ashwood ER，Bruns DE（编辑）。Tietz临床化学和分子诊断教科书（第5版）。Elsevier Saunders，密苏里州圣路易斯，第 201-228 页。
- Ludbrook J （2010） 用于比较两种度量或测量方法的线性回归分析：但哪种回归？临床和实验药理学与生理学37：692-699。
- Mayer B， Gaus W， Braisch U （2016） Passing-Bablok-回归的谬误。冰川杂志 66：95-106。
- Passing H， Bablok W （1983） 一种新的生物识别程序，用于测试两种不同分析方法的测量值的相等性。线性回归程序在临床化学中方法比较研究中的应用，第一部分。Chem. Clin.生化。21:709-720.
- Passing H， Bablok W （1984） 比较几种回归程序，用于方法比较研究和确定样本量。线性回归程序在临床化学第二部分方法比较研究中的应用。J.克林。Chem. Clin.生化。22:431-445.