plot_BA


メニュー情報

Bland-Altman

概要

Bland-Altmanプロットを作図

追加の情報

必要なOriginのバージョン: 2020b以降

コマンドラインでの使用法

1.plot_BA -r 1 irng:=[Book1]Sheet1!(C"RV",D"IC",A"Subj.") diff:=1 trplot.fillloa:=1 trplot.fillcil:=0;

変数

表示
名 		変数
名 		I/O
と
データ型 		デフォルト
値 		説明
入力 irng

入力

Range

<active>

手法1、手法2、カテゴリのデータ範囲を順番に指定します。カテゴリ列はオプションです。

オプションリスト：

  • 手法1
手法1のデータ列を指定します。
  • 手法2
手法2のデータ列を指定します。
  • カテゴリ
カテゴリのデータ列を指定します。これはオプションです。
X軸 xaxis

入力

int

平均

X軸に使用する値を指定します。

オプションリスト：

  • mean: 平均
  • m1: 手法1
  • m2:手法2
  • geo: 幾何学
Y軸 yaxis

入力

int

1

Y軸に使用する値を指定します。

オプションリスト：

  • diffp:差 %

 

  • diff:差
この値はカテゴリ列が指定されたときに使用されます。
  • ratio:比率

 
誤差の許容範囲のSD乗数 sd

入力

double

1.96

 
信頼水準 (%) conf

入力

double

95

信頼水準をパーセントで指定します。
真の値は定数 trueval

入力

int

0

カテゴリが指定されたときのみ選択可能です。
各被験者を1つのバブルとしてプロット bubble

入力

int

1

カテゴリが指定されたときのみ選択可能です。各被験者を1つのバブルとしてプロットするかどうかを指定します。

選択すると、バブルサイズが各被験者の複製数にマッピングされます。それ以外の場合、各データポイントは1つのシンボルとしてプロットされ、その色と形状は「カテゴリ」列にマッピングされます。

平均差（バイアス）の推定 diff

入力

int

カテゴリの違い

カテゴリが指定されたときのみ選択可能です。真の値は定数が選択されているとき、 平均差の推定はカテゴリの違いを使用します。

オプションリスト：

  • sub:カテゴリの違い
  • indv:独立行
誤差の許容範囲の信頼区間推定 interval

入力

int

MOVER

カテゴリが指定されたときのみ選択可能です。

オプションリスト：

  • mover:Mover
  • delta:Delta法
線と塗りつぶし trplot

入力

TreeNode

<unassigned>

項目にチェックして、目的の参照線と塗りぶした領域を表示します。

詳細は、次の表をご参照ください。

ペアワイズ平均どうしの平均 mpm

入力

int

0

各ペアワイズ平均の平均値: 0=偽, 1=真
Bland-Altman比率 ratio

入力

int

0

0.5*(upper LoA - lower LoA)/mpmとして計算: 0=偽, 1=真
結果の出力 rd

出力

ReportData

[<入力>]<新規>

プロット用のデータ出力先を指定します。

線と塗りつぶしツリーノードの詳細

trplotツリーは、サポートされているすべての参照線と塗りつぶし領域を指定します。

シンタックス: trplot.Treenode:=<value>

例: trplot.fillloa:=1

ツリーノード ラベル データ型 デフォルト 説明
mean 平均値 int 1 平均値の線。
equality 等線（差=0） int 1 等線（差=0）。
  誤差の許容範囲。 int 1 誤差の許容範囲。
fillloa 誤差の許容範囲間の塗りつぶし int 0 誤差の許容範囲間の塗りつぶし。
cim 平均値CI int 0 平均の信頼区間の上限と下限の線。信頼水準は信頼水準(%)で指定されたのもです。
fillcim 平均のCI間の塗りつぶし int 1 平均のCI間の塗りつぶし。信頼水準は信頼水準(%)で指定されたのもです。
cil 誤差の許容範囲のCI int 0 誤差の許容範囲のCI。
fillcil 誤差の許容範囲のCI間の塗りつぶし int 1 誤差の許容範囲のCI間の塗りつぶし。信頼水準は誤差の許容範囲の信頼区間推定で指定されたのもです。

説明

このXファンクションは、Bland-Altman plotプロットの作図に使用されます。メニュー詳細はこちらもご参照ください。

アルゴリズム

真の値が変化 - 単一の被験者の繰り返しの違いは独立していると仮定

  1. 手法1-手法2の一元配置分散分析
  2. 被験者の平均二乗の差（モデルの平均二乗）、最後のステップからの残差平均二乗（誤差の平均二乗）を取得
  3. NOO=sumここで、n は被験者の数、m_i は被験者 i の観測数です。すべての#subjectに同じ観測数 m がある場合、この係数は m に減少します。
  4. 被験者間の平均差 = （モデルの平均二乗-誤差の平均二乗）/ NOO
  5. 異なる被験者の単一の差異の合計分散 = 誤差の平均二乗 + 被験者間の平均差
  6. 標準偏差 = 異なる被験者の単一の差異の分散合計の平方根
  7. 平均 = 個別の差の平均

真の値は定数

  1. 2つの手法の一元配置分散分析を個別に、両方の手法の残差（誤差）の平均二乗を取得します。
  2. 被験者ごとの手法1-手法2の平均を取得（被験者ごとにグループ化して手法1-手法2の列の統計）
  3. 被験者平均間の差の分散を取得（最後のステップの平均列の列の統計）
  4. 両方の手法で次の値を計算します。
  5. 標準偏差 = 平方根（被験者の平均値の差 + 手法1の乗数 * 手法1の平均二乗誤差 + 手法2の乗数 * 手法2の平均二乗誤差）
  6. 平均 = 個別の差の平均

参考文献
English | Deutsch | 日本語