版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
临床中经常会遇到下列情况：一种新的诊断方式，能否替代原有的标准诊断方法？一种简便易行的检测方法，与原来繁琐操作的方法是否结果一致？一种价格便宜的试剂，能否取代原来价格昂贵的结果？这些都是一致性分析(agreement analysis)的内容。一致性分析与相关分析不同，它是比相关分析更为严格的一个概念，不仅要求两个测量结果具有相关性，而且要求两个测量之间差别不大。本文主要介绍一下诊断试验中常见的几种一致性分析方法，为临床医生提供一定的参考。
例1：某研究欲评价某干眼仪在干眼诊断中的价值，选择确诊的25例干眼人群和25例非干眼人群，分别采用干眼仪进行检测，结果数据见表1。该研究分别采用了χ2检验和Pearson相关分析，评价干眼仪的诊断效果。
干眼仪诊断结果与实际结果比较(例)
干眼仪诊断结果与实际结果比较(例)
| 诊断结果 | 实际结果 | 合计 | |
|---|---|---|---|
| 干眼 | 非干眼 | ||
| 干眼 | 20 | 6 | 26 |
| 非干眼 | 5 | 19 | 24 |
| 合计 | 25 | 25 | 50 |
辨析：该研究是评价干眼仪诊断结果与实际诊断结果(金标准)的一致性，两个结果均为二分类变量，这种情况下，一般采用Cohen′s Kappa一致性检验。χ2检验只是说明二者之间是否存在关联，而Pearson相关则主要用于连续资料的相关分析。而在本研究中，分析的是两个二分类变量的一致性，采用Kappa一致性检验更为合理。
Kappa一致性检验主要用于两个分类资料之间的一致性分析，它要求两个分类资料的类别数是相等的，如2×2表、3×3表等。该法其实就是计算一个Kappa值，根据Kappa值大小来反映一致性的强弱。Kappa值的计算思路如下：
由公式不难看出，当观察数据的一致性越高，Kappa值越大。Kappa值介于－1和1之间。一般认为，当Kappa值≥0.80，认为二者的一致性非常好(perfect)；Kappa值介于0.61至0.80之间，二者的一致性较好(substantial)；Kappa值介于0.41至0.60之间，二者的一致性为中等(moderate)；Kappa值介于0.21至0.40之间，二者的一致性勉强可接受(fair)；当Kappa值≤0.20，则认为几乎没有一致性(slight)[1]。
一般Kappa值主要用于无序分类资料的情况。但如果是有序分类资料，通常采用加权的Kappa值，其思路与一般的Kappa值相同，只是将考虑到了有序资料的权重(如轻度、中度、重度分别赋值为1、2、3)。
对于例1的数据，利用统计软件不难得到Kappa值为0.56(如SPSS可通过"分析" － "统计描述" － "交叉表" － "统计量"指定)，可以认为两种方法具有中等一致性。
尽管Kappa系数应用很广，但在有些情况下该系数可能可靠性较差，尤其是两类结果的例数差别较大的时候。如表2数据中，左侧场景一的四格表中，两种方法一致的数目为40＋45＝85例；右侧场景二的四格表中，两种方法一致的数目为80＋5＝85例。但两个表的Kappa一致性系数差别非常大，左侧的Kappa值为0.70，右侧则为0.32。
不同场景下模拟数据的比较(例)
不同场景下模拟数据的比较(例)
| 结果 | 场景一 | 场景二 | ||
|---|---|---|---|---|
| 检测阳性 | 检测阴性 | 检测阳性 | 检测阴性 | |
| 实际阳性 | 40 | 9 | 80 | 10 |
| 实际阴性 | 6 | 45 | 5 | 5 |
为什么会出现这种情况，因为左侧数据中，实际阳性和阴性的例数分别为49和51，差别不大；而右侧数据中，实际阳性和阴性的例数分别为90和10，差别非常大。换句话说，Kappa值受行合计或列合计数的影响较大，如果两类的例数差别很大，此时Kappa值的结果未必可靠。
例2：某医生欲了解电脑验光与综合验光测量结果的一致性，在医院随机抽取10名青少年，分别进行电脑验光和综合验光，检测其球镜度数(见表3)。该研究采用了Pearson相关系数来描述一致性，计算得到Pearson相关系数为0.71，认为两种方法具有较高的一致性。
10名青少年的球镜度数
10名青少年的球镜度数
| 分类 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 电脑验光 | －2.10 | －2.50 | －1.95 | －4.45 | －3.25 | －1.75 | －0.35 | －1.70 | －3.05 | －4.60 | |
| 综合验光 | －2.50 | －2.05 | －0.75 | －1.65 | －1.55 | －1.55 | －0.20 | －0.90 | －1.90 | －3.25 |
辨析：该研究中两个结果均为连续变量，尽管相关系数较高，但相关分析只能说明随着一个变量的变化，另一个变量是如何共变的。即使两个变量差别很大，也可以显示出很好的相关性。而一致性要求两个变量之间的值应该差别较小，这一点无法通过相关系数体现出来。事实上，如果采用配对t检验，可以发现两种方法之间的差异有统计学意义(t＝3.25，P＝0.01)。
也有人同时结合相关系数和配对t检验，认为相关系数高，且配对t检验差异无统计学意义，就认为一致性较高。这也是一种错误的做法，因为即使配对t检验差异无统计学意义，也未必说明差别小，P值大主要与例数有关，不一定与差值大小有关。
如果要说明两个连续变量之间的一致性，常用的是ICC(intra－class correlation coefficient，内部相关系数)指标或Bland－Altman图。
ICC常用于评价不同诊断方法对同一对象评价的一致性，也可用于不同评判者对同一测定结果的一致性。该指标反映了研究对象间的变异占总变异的比例，其公式为：
从公式可以看出，ICC值介于0～1。ICC值越大，评价对象之间(如例2中10个人之间)的变异越大，从而每个人的两种评价方法之间(如例2中的电脑验光和综合验光)的变异越小，即二者的一致性越高。
对于例2数据，利用统计软件可以计算出ICC为0.66(如SPSS可在"分析" － "质量" － "可靠性分析" － "统计量"中指定)，可以认为两种方法的检测结果有一定的一致性，但不是非常高。
Bland－Altman法是从两种方法所测数据的差异入手，通过对其差异的处理，分析两种方法的一致性。该法的基本思路是，根据原始数据求出两种方法的均值和差值，以均值为横轴、以差值为纵轴，画出散点图。计算差值的均数及差值的95%分布范围(均数±1.96×标准差)，这一范围也称为一致性界限。理论上，如果差值的分布服从正态分布，则95%的差值应位于一致性界限之内。Bland－Altman图的绘制并不难，只要计算出两个变量的均值和差值，利用Excel也可绘制。
图1是例2数据的Bland－Altman图，上下两条水平虚线代表95%一致性界限的上下限，中间实线代表差值的均数。根据95%一致性界限外的数据点的个数以及一致性界限内的最大差值，并临床上的可接受程度，可对待评价的两种方法的一致性作出评价。如果两种测量结果的差值位于一致性界限内且在0附近(表示两种方法的差值很小)，并在临床上可以接受，则认为这两种诊断方法具有较好的一致性。如果超出一致性界限的点数过多(如5%)，临床上认为不可接受，则认为两种方法不具有一致性。
图1中多数点都位于一致性界限内，只有1个点在下限外，从这一点来看，一致性尚可。但二者差值并不是很小，可以看出，差值均值为－0.94，距离0较远。因此综合来看，这两种方法的一致性不是非常高。
