W3Cschool
恭喜您成為首批注冊(cè)用戶
獲得88經(jīng)驗(yàn)值獎(jiǎng)勵(lì)
Bland-Altman分析是驗(yàn)證設(shè)計(jì)用于測(cè)量相同參數(shù)的兩種方法之間的一致性或不一致程度的過(guò)程。 方法之間的高相關(guān)性表明在數(shù)據(jù)分析中選擇了足夠好的樣品。 在SAS中,我們通過(guò)計(jì)算變量值的平均值,上限和下限來(lái)創(chuàng)建一個(gè)Bland-Altman圖。 然后我們使用PROC SGPLOT創(chuàng)建Bland-Altman圖。
在SAS中應(yīng)用PROC SGPLOT的基本語(yǔ)法是:
PROC SGPLOT DATA = dataset; SCATTER X=variable Y=Variable; REFLINE value;
以下是使用的參數(shù)的描述:
在下面的例子中,我們?nèi)蓚€(gè)名為new和old的方法生成的兩個(gè)實(shí)驗(yàn)的結(jié)果。 我們計(jì)算變量值的差異以及相同觀察值的變量的平均值。 我們還計(jì)算要在計(jì)算的上限和下限中使用的標(biāo)準(zhǔn)偏差值。
結(jié)果顯示Bland-Altman圖為散點(diǎn)圖。
data mydata; input new old; datalines; 31 45 27 12 11 37 36 25 14 8 27 15 3 11 62 42 38 35 20 9 35 54 62 67 48 25 77 64 45 53 32 42 16 19 15 27 22 9 8 38 24 16 59 25 ; data diffs ; set mydata ; /* calculate the difference */ diff=new-old ; /* calculate the average */ mean=(new+old)/2 ; run ; proc print data=diffs; run; proc sql noprint ; select mean(diff)-2*std(diff), mean(diff)+2*std(diff) into :lower, :upper from diffs ; quit; proc sgplot data=diffs ; scatter x=mean y=diff; refline 0 &upper &lower / LABEL = ("zero bias line" "95% upper limit" "95% lower limit") ; TITLE 'Bland-Altman Plot'; footnote 'Accurate prediction with 10% homogeneous error'; run ; quit ;
當(dāng)執(zhí)行上面的代碼中,我們得到以下結(jié)果:
在上述程序的增強(qiáng)模型中,我們得到95%的置信水平曲線擬合。
proc sgplot data=diffs ; reg x = new y = diff/clm clmtransparency= .5; needle x= new y=diff/baseline=0; refline 0 / LABEL = ('No diff line'); TITLE 'Enhanced Bland-Altman Plot'; footnote 'Accurate prediction with 10% homogeneous error'; run ; quit ;
當(dāng)執(zhí)行上面的代碼中,我們得到以下結(jié)果:
Copyright©2021 w3cschool編程獅|閩ICP備15016281號(hào)-3|閩公網(wǎng)安備35020302033924號(hào)
違法和不良信息舉報(bào)電話:173-0602-2364|舉報(bào)郵箱:jubao@eeedong.com
掃描二維碼
下載編程獅App
編程獅公眾號(hào)
聯(lián)系方式:
更多建議: