Bland-Altman plot and ICC

Laat zien hoe goed twee methoden die dezelfde grootheid meten overeenstemmen, met het gemiddelde verschil en het bereik waarin de meeste verschillen vallen.

Klinisch voorbeeld

Twee bloeddrukmeters die na elkaar bij dezelfde patiënten zijn gebruikt.

Wanneer te gebruiken

Twee methoden meten dezelfde continue grootheid bij dezelfde patiënten.
U wilt weten of de twee methoden door elkaar gebruikt kunnen worden.
U wilt de grootte van de verschillen, niet alleen of de waarden samenhangen.

Aannames om te controleren

Verschillen ongeveer constant over het bereik

Plot het verschil tegen het gemiddelde van beide methoden. Verandert de spreiding van de verschillen met de grootte van de meting, dan vraagt het bereik van overeenstemming een andere aanpak.

Acceptabele overeenstemming is een klinisch oordeel

De grenzen van overeenstemming beschrijven de verschillen. Bepaal vooraf hoe groot een verschil mag zijn.

Wat te rapporteren

De Bland-Altman plot
Bias (gemiddeld verschil) met 95%-grenzen van overeenstemming
ICC met 95%-BI, en welke vorm van ICC u hebt gebruikt

Veelgemaakte fouten

Correlatie laat geen overeenstemming zien

Twee methoden kunnen perfect correleren en toch systematisch verschillen. Gebruik een Bland-Altman plot.

In uw software

# R
library(irr)
d$diff <- d$device_a - d$device_b
mean(d$diff)
mean(d$diff) + c(-1.96, 1.96) * sd(d$diff)
icc(d[, c("device_a", "device_b")], model = "twoway", type = "agreement", unit = "single")

SPSS

COMPUTE diff = device_a - device_b.
COMPUTE avg = (device_a + device_b) / 2.
EXECUTE.
DESCRIPTIVES VARIABLES=diff /STATISTICS=MEAN STDDEV.
GRAPH /SCATTERPLOT(BIVAR)=avg WITH diff.
RELIABILITY
  /VARIABLES=device_a device_b
  /SCALE('ALL VARIABLES') ALL
  /MODEL=ALPHA
  /ICC=MODEL(RANDOM) TYPE(ABSOLUTE) CIN=95 TESTVAL=0.