Regresión de Passing-Bablok

Comando:

Estadística Comparación y evaluación de métodos Regresión de Passing-Bablok

Descripción

La regresión de Passing-Bablok es un procedimiento de regresión lineal sin supuestos especiales sobre la distribución de las muestras ni los errores de medición (Passing y Bablok, 1983). El resultado no depende de la asignación de los métodos (o instrumentos) a X e Y. La pendiente B y la intersección con el eje A se calculan con su intervalo de confianza del 95%. Estos intervalos de confianza se utilizan para determinar si solo existe una diferencia aleatoria entre B y 1 y entre A y 0.

Entrada requerida

• Variable Y y Variable X : seleccione las variables para las dos técnicas que desea comparar.
• Filtro : un filtro opcional.
• Opciones
  • Calcular residuos perpendiculares : seleccione esta opción para calcular los residuos perpendiculares a la recta de regresión (véase Passing y Bablok, 1983). Esto difiere del método tradicional (mínimos cuadrados), que mide los residuos paralelos al eje y.

    Residuos perpendiculares a la recta de regresión	Residuos perpendiculares

  • Coeficiente de correlación de rango de Spearman : seleccione esta opción para incluir el coeficiente de correlación de rango de Spearman en el informe.
  • Diagrama de dispersión y línea de regresión : una ventana gráfica con diagrama de dispersión y línea de regresión, incluido el intervalo de confianza para la línea de regresión y la línea de identidad (x = y).
  • Residuos : ventana gráfica con un gráfico de residuos. Opcionalmente, los residuos pueden representarse por número de rango (véase Passing y Bablok, 1983).
  • Subgrupos : haga clic en el botón Subgrupos si desea identificar subgrupos en el diagrama de dispersión y el gráfico de residuos. Se mostrará un nuevo cuadro de diálogo donde podrá seleccionar una variable categórica. El gráfico mostrará diferentes marcadores para las distintas categorías de esta variable.
  • Avanzado : haga clic en el botón Avanzado para seleccionar las opciones avanzadas del procedimiento Passing-Bablok. Estas incluyen el cálculo de los parámetros de bootstrap de los coeficientes de regresión o el cálculo del sesgo esperado en los valores umbral seleccionados, según la directriz EP09c del CLSI (3.ª ^ed., 2018). Consulte también Opciones de bootstrap.

    

Resultados

Cuando haya completado el cuadro de diálogo, haga clic en Aceptar Para continuar. Se mostrarán los siguientes resultados:

Regresión de Passing-Bablok

Variable X	CHE1
Variable Y	CHE2

Tamaño muestral	37

	Variable X	Variable Y
Valor más bajo	681.0000	692.0000
Valor más alto	5588.0000	5580.0000
Media aritmética	2456.6757	2499.2162
Mediana	2355.0000	2394.0000
Desviación típica	1205.1457	1211.9868
Error típico de la media	198.1247	199.2494

Ecuación de regresión

y = 22.904132  +  1.008326  x
Diferencias sistemáticas
Intersección A	22.9041
IC del 95 %	-3.9496 a 54.0386
Diferencias proporcionales
Curva B	1.0083
IC del 95 %	0.9943 a 1.0234
Diferencias aleatorias
Desviación Típica Residual (DTR)	35.0689
± 1,96 Intervalo DTR	-68.7351 a 68.7351
Validación del modelo lineal
Prueba CUSUM para linealidad	Sin desviación significativa de la linealidad (P=0.74)

Guardar valores predichos - Guardar residuos

• Tamaño de la muestra : el número de pares de datos (seleccionados)
• Estadísticas de resumen para ambas variables: valor mínimo y máximo, media, mediana, desviación estándar y error estándar de la media.
• La ecuación de regresión : la ecuación de regresión con los valores calculados para A y B según Passing y Bablok (1983).
• Diferencias sistemáticas. El intercepto A mide las diferencias sistemáticas entre ambos métodos. El intervalo de confianza del 95 % para el intercepto A permite comprobar la hipótesis de que A = 0. Esta hipótesis se acepta si el intervalo de confianza de A contiene el valor 0. Si se rechaza la hipótesis, se concluye que A es significativamente diferente de 0 y que ambos métodos difieren al menos en una cantidad constante.
• Diferencias proporcionales. La pendiente B mide las diferencias proporcionales entre los dos métodos. El intervalo de confianza del 95% para la pendiente B permite comprobar la hipótesis de que B = 1. Esta hipótesis se acepta si el intervalo de confianza para B contiene el valor 1. Si se rechaza la hipótesis, se concluye que B es significativamente diferente de 1 y que existe al menos una diferencia proporcional entre los dos métodos.
• Diferencias aleatorias. La desviación estándar residual (DER) mide las diferencias aleatorias entre ambos métodos. Se espera que el 95 % de las diferencias aleatorias se encuentren en el intervalo de -1,96 DER a +1,96 DER. Si este intervalo es grande, es posible que los dos métodos no coincidan.
• Validez del modelo lineal : la prueba Cusum de linealidad se utiliza para evaluar el ajuste de un modelo lineal a los datos. Esta prueba solo evalúa la aplicabilidad del método de Passing-Bablok; no tiene mayor interpretación respecto a la comparabilidad de los dos métodos de laboratorio. Un valor p bajo (P<0,05) indica que no existe una relación lineal entre las dos mediciones y, por lo tanto, el método de Passing-Bablok no es aplicable.

Opcionalmente, el programa reporta el coeficiente de correlación de rangos de Spearman (rho) con valor p e intervalo de confianza del 95%. Cabe destacar que Passing y Bablok (1983) desaconsejan reportar el coeficiente de correlación en estudios de comparación de métodos. Hemos observado que la regresión de Passing y Bablok no funciona cuando la correlación es baja; la reportamos no como un estadístico de comparación de métodos, sino como un factor en la evaluación de la validez del propio procedimiento de regresión de Passing y Bablok.

Diagrama de dispersión y línea de regresión

Este gráfico muestra las observaciones con la línea de regresión (línea continua), el intervalo de confianza para la línea de regresión (líneas discontinuas) y la línea de identidad (x=y, línea punteada):

Extrapolación

MedCalc solo muestra la línea de regresión en el rango de valores observados. Por lo general, no se recomienda extrapolar la línea de regresión más allá del rango observado. Para permitir la extrapolación de todas formas, haga clic derecho en el gráfico y seleccione ' Permitir extrapolación' en el menú contextual.

Gráfico de residuos

El gráfico de residuos permite la evaluación visual del ajuste del modelo lineal.

Dado que el procedimiento supone una relación lineal, los residuos deben mostrar un patrón aleatorio y estar cerca de una distribución normal. Si los residuos muestran un patrón determinado, se puede esperar que las dos variables no tengan una relación lineal.

Los residuos representan la variación restante tras corregir las diferencias sistemáticas y proporcionales. El 95 % de los residuos debe encontrarse en el intervalo ± 1,96 veces la desviación estándar de los residuos. Este intervalo define las diferencias aleatorias entre los dos métodos de laboratorio (un estadístico que suele olvidarse al utilizar la regresión de Passing-Bablok).

Valores atípicos

Dado que se trata, en esencia, de un procedimiento no paramétrico, la regresión de Passing-Bablok no se ve afectada por la presencia de uno o pocos valores atípicos. Sin embargo, los valores atípicos (definidos aquí como residuos fuera del límite de 4 DE) se representan con un color diferente en el gráfico de residuos. Linnet y Boyd (2012) recomiendan que estas mediciones no se rechacen automáticamente, sino que se investigue el motivo de su presencia.

Bablok y Passing (1985) recomiendan que «las muestras que arrojaron valores desviados se vuelvan a analizar con ambos métodos. Cualquier valor de medición solo se considerará atípico y se excluirá de los datos si se identificó un error analítico o si el analizador declaró el resultado como cuestionable. Si se conoce la distribución de los datos, se puede utilizar una prueba estadística para detectar valores atípicos».

Importancia del tamaño de la muestra

Cuando el tamaño de la muestra es pequeño, la amplitud de los intervalos de confianza del 95% para la intersección y la pendiente será grande y, con mayor probabilidad, contendrá los valores 0 y 1 (véase también Mayer et al., 2016). Como resultado, los estudios de comparación de métodos basados ​​en muestras pequeñas están sesgados, concluyendo que los métodos de laboratorio concuerdan.

Por lo tanto, se debe utilizar un tamaño de muestra correcto y suficientemente grande.

Passing y Bablok W (1984) y Bablok y Passing (1985) presentan tablas con tamaños de muestra adecuados sugeridos (de 30 a 90) (véase también Serdar et al., 2021, donde se reproducen las tablas). Bablok y Passing (1985) recomiendan tener al menos 30 muestras. Ludbrook (2010) cita un tamaño de muestra de al menos 50.

Notas

• El procedimiento Passing-Bablok sólo debe utilizarse en variables que tengan una relación lineal y estén altamente correlacionadas.
• Recomendamos complementar los resultados del procedimiento Passing-Bablok con un gráfico de Bland-Altman.

Literatura

• Bablok W, Passing H (1985) Application of statistical procedures in analytical instrument testing. Journal of Automatic Chemistry 7:74-79.
• CLSI (2018) Measurement procedure comparison and bias estimation using patient samples. 3^rd ed. CLSI guideline EP09c. Wayne, PA: Clinical and Laboratory Standards Institute.
• Linnet K, Boyd JC (2012) Selection and analytical evaluation of methods - with statistical techniques. In Burtis CA, Ashwood ER, Bruns DE (eds). Tietz Textbook of Clinical Chemistry and Molecular Diagnostics (5^th ed). Elsevier Saunders, St Louis, MO, pp. 201-228.
• Ludbrook J (2010) Linear regression analysis for comparing two measures or methods of measurement: but which regression? Clinical and Experimental Pharmacology & Physiology 37:692-699.
• Mayer B, Gaus W, Braisch U (2016) The fallacy of the Passing-Bablok-regression. Jökull Journal 66:95-106.
• Passing H, Bablok W (1983) A new biometrical procedure for testing the equality of measurements from two different analytical methods. Application of linear regression procedures for method comparison studies in Clinical Chemistry, Part I. J. Clin. Chem. Clin. Biochem. 21:709-720.
• Passing H, Bablok W (1984) Comparison of several regression procedures for method comparison studies and determination of sample sizes. Application of linear regression procedures for method comparison studies in Clinical Chemistry, Part II. J. Clin. Chem. Clin. Biochem. 22:431-445.
• Serdar CC, Cihan M, Yücel D, Serdar MA (2021) Sample size, power and effect size revisited: simplified and practical approaches in pre-clinical, clinical and laboratory studies. Biochemia Medica (Zagreb) 31:010502.

Véase también

• Diagramma de Bland y Altman
• Gráfico de montaña
• Regresión de Deming
• Formato gráfico
• Aplicación de la fluctuación en los diagramas de dispersión