当我们把统计数据说成是工具时，你就不那么害怕了吗?不给你们看任何方程就讲统计学怎么样?这就是韦斯特加德医生的教训。如果您认为方法验证是一项需要一组工具的工作，那么您就可以阅读本文了。

注意:这个教训是从……中得出的第一个的版本基本方法验证书．这本参考手册现在已经出版了第三版。该材料的更新版本也可在一个在线培训项目同时获得AACC和ASCLS认证。

• 工具，不是方程!
• 推荐的数据分析工具
• 到哪里去找工具
• 什么时候使用每个工具
• 示例工具
  • 线性数据绘图机
  • SD计算器
  • 配对数据计算器
  • 决定计算器
• 参考文献

这节课实际上是关于统计学的，但是我不敢把“统计学”放在题目里。许多人一提到“统计”就感到不舒服。当其他人看到统计计算的方程式时，他们会感到不舒服。到现在为止，这节课已经讲了三句话了，你可能想知道你是否可以跳过这节课，避开这个话题。答案是否定的;您需要统计数据来理解在方法验证实验中收集的数据。

工具，不是方程!

为了减少理解统计学的心理障碍，本课中没有任何方程。相反，我们假设这些计算可以很容易地用今天可用的计算器和计算机技术来完成。你的主要工作将是识别哪些计算对不同的数据集是有用的。

当我讲这个话题时，我首先向全班展示了一堆工具，比如锤子、扳手、锯子和螺丝刀。办公工具(如订书机、剪刀、纸和笔)也可以提供很好的例子，但是你对这些工具太熟悉了。我想让你知道你可以使用工具，即使你不习惯它们。那么，让我们考虑一下锤子，扳手，锯子和螺丝刀。

• 把画挂在墙上最好用的工具是什么?
  
• 你会用什么工具把太阳镜的蝴蝶结系紧?
  
• 当你在圣诞节去森林里摘圣诞树的时候，你想带什么工具呢?
  
• 如果你的车爆胎了，你希望随身携带什么工具?

你不必是工程师、机械师或木匠，也能识别出适合这些工作的工具。每个人都利用这些工具来做一些基本的工作。虽然有更复杂的应用程序需要更多的技能和知识，有时还需要更专业的工具，但每个人都能够实际使用通用工具。

统计学也是一样!

推荐的数据分析工具

统计学只是把许多实验结果结合起来，用几个数字概括所有数据的工具。记住，每个实验的目的是估计收集到的数据的误差量。统计学的关键是要知道在不同的实验中，哪些数据能提供有关感兴趣的误差的有用信息。

在尝试估计这些误差之前，我们需要定义方法的可用分析范围(或可报告范围)，以便可以适当地计划实验并收集有效的数据。可报告范围通常定义为该方法的分析响应与被测分析物浓度成线性关系的范围。

然后我们从误差分析开始。首先，我们想知道在重复实验中收集的20个或更多的数据点的不精确或随机误差。然后，我们需要从比较方法实验中收集的40或更多的数据点中估计系统误差。最后，我们需要根据观察到的误差对方法的性能做出判断。统计数据用于根据收集到的数据对误差进行可靠的估计。

这是分析基本方法验证实验数据所需的工具包的图片。这套工具包括几个计算器和绘图仪:

• 线性数据绘图仪显示对一系列溶液或样品的相对或指定浓度的观察方法响应;
  
• SD计算器确定分布统计量(均值、标准差和CV)并显示分布的直方图;
• 配对数据计算器确定回归统计(斜率或a, y截距或b，标准差约回归线或s_{y / x}，相关系数r)，在比较图中显示数据(检验方法为y，比较方法为x)，确定t检验统计量(偏差，标准差)_diff，和t值)，并在差值图中显示数据(y-x vs x);
  
• 决定计算器为了判断业绩，

还要注意，这些工具通常包括数据的计算和图形显示。某些计算器和图形之间存在关联，因为它们在描述和显示一组数据时相互补充。例如，分布统计与直方图一起用于描述和显示不精确或随机错误的数据。对于不准确或系统误差，回归统计与比较图一起使用，或者t检验统计与差异图一起使用。

还要注意，工具的使用有一个自然的顺序，正如它们在工具包中的位置所建议的那样。通常先将顶部的部分拉出来，例如，首先使用线性数据绘图仪建立方法的可报告范围，然后使用SD计算器估计不精确或随机误差，可以使用决策计算器评估其可接受性。在这些步骤之后，将使用配对数据计算器来估计方法的不准确性，并再次使用决策计算器来评估方法的总体性能。

到哪里去找工具

这些计算器工具可以从手持计算器(例如，德州仪器)，电子表格(例如，Excel, Lotus 123)，常见的统计软件包(Minitab, SAS, SPSS)，为实验室应用编写的专门方法验证软件，也可以从本网站有交互式网络计算器．许多这些源还将提供适当的图形显示，或者您可以使用图表纸手动构造它们。的方法决策图应使用方格纸手工构造。

我们将在其他课程中提供更详细的统计计算讨论，以及统计数据的含义和如何解释统计数据的细节。现在，我们将关注更大的图景——哪些工具适合不同的方法验证实验。

什么时候使用每个工具

给定一组实验数据，您需要识别哪个工具适合该工作。以下是一些一般准则:

• 随机误差(RE)几乎总是通过计算标准偏差来估计。实验本身决定了哪些因素对估计有贡献，例如，复制实验将RE限制为仅被测试的方法，而方法比较实验可以提供方法之间的RE估计，这取决于测试和比较方法观察到的变化。
  
• 系统误差(SE)在某种程度上与计算平均数或平均值有关。这可以是方法比较研究中成对样本之间的平均差异，也可以是两种方法之间的均值之差，也可以是方法比较数据中最佳拟合线给出的平均关系的表示。
  
• 记住，一个决定就对了可接受性一种方法的性能在于判断观察到的误差是否会影响检验的医学用途。统计数据提供了对误差大小的最佳估计[1]。你必须判断这些错误是否会影响检测的医学用途[2]。您可以通过以允许总误差TE的形式定义质量需求来做到这一点_一个，如由CLIA能力测试标准可接受的性能。一个简单的图形工具称为方法决策图，可以用来帮助您判断方法的性能[3]。

用于教育的示例工具

可供教育使用的互联网计算器．这些网络工具对于处理示例数据集和问题集应该很有用。然而，它们并不打算回答方法验证研究的所有数据分析需求。还建议您获取自己的计算器工具，可以是通用的统计程序、专门的方法验证程序或电子表格。

的线性数据绘图机与线性实验中收集的数据一起使用，其目的是评估可能报告患者结果的分析范围。该方法的响应在y轴上与样品或标本的相对浓度或赋值在x轴上绘制。“可报告范围”一般估计为分析方法的线性工作范围。

的SD计算器用于在重复实验中收集的数据，其目的是在对同一样品材料进行重复测量的基础上估计方法的随机误差或不精确性。需要计算的统计量是平均值、标准差和CV。还要确保记录计算中使用的测量次数。

• 平均值，或一组结果的平均值，描述了测量的中心位置。
  
• SD描述了结果的预期分布，即66%预计在平均值的正/负1个SD内，95%在平均值的正/负2个SD内，99.7%在平均值的正/负3个SD内。
  
• 变异系数等于标准差除以平均值，乘以100，以百分比表示。
  
• 直方图显示结果的分布。理想情况下，分布应该是高斯分布，或“正态”分布。

的配对数据计算器在比较方法实验中，可与试验方法和比较方法对每个试样分析的成对结果一起使用。这是统计分析中最复杂的部分，需要最细心和注意。线性回归统计可以与比较图一起使用，或者t检验统计可以与差异图一起使用。

需要计算的回归统计量是直线的斜率(b)和y轴截距(a)，直线周围点的标准差(s)_{y / x})和相关系数(r, Pearson积矩相关系数)。你也可以看到斜率被指定为m, y截距被指定为b，标准差被指定为残差。包含相关系数是为了帮助您确定线性回归统计量还是t检验统计量将提供最可靠的系统误差估计。

• 斜率描述了与测试和比较结果最吻合的线的角度。完美的斜率是1.00。偏离1.00表示比例系统误差[1]。
  
• y轴截距描述最佳拟合线与y轴的交点。理想情况下，y截距应该是0.0。偏离0.0表示系统误差恒定[1]。
  
• sy/x项描述了数据在最佳拟合线周围的分散情况。它提供了方法之间随机误差的估计，其中包括测试和比较方法的不精确性，以及可能的基质效应，从一个样品到另一个。它永远不会为零，因为测试和比较方法都有一定的不精确性[1]。
  
• 相关系数描述了两种方法之间结果的变化程度。r = +1.00表示完全相关，也就是说，所有的点都完美地落在显示测试方法值与比较方法值的直线上。值小于1.00表示数据中关于最佳拟合线存在散点。r值越低，数据越分散。r的主要用途是帮助您评估线性回归计算的可靠性- r永远不应该用作方法可接受性的指标[1]。当r为0.99或更大时，线性回归计算将提供可靠的误差估计。当r小于0.975时，最好使用配对数据计算或另一种(更复杂的)回归技术，如Deming回归[4,5]。
  
• 对比图用于显示方法对比实验的数据(x轴为对比方法值，y轴为试验方法值)。然后使用该图直观地检查数据，以识别可能的异常值并评估线性一致的范围[1]。

感兴趣的t检验统计量是偏差，差异的SD，最后是称为t值的东西，它也需要知道成对样本测量的数量。再次，一定要记录测量的次数，这对于比较方法的实验来说就是比较病人标本的次数。

• 偏差是两种方法的平均值之差，也与两种方法分析的所有样本的平均值之差相同。它提供了对系统误差或方法之间预期的平均差异的估计-偏差越小，系统误差越小，一致性越好。
  
• 差异的标准差提供了方法间随机误差的估计。它永远不会为零，因为测试和比较方法都有一些不精确。
  
• t值本身是一个指标，表明是否收集了足够的成对样本测量，以了解观察到的偏差是真实的还是统计上显著的。根据经验，在至少40例患者标本进行比较的方法比较实验中，如果t大于2.0，则数据足以得出存在偏倚的结论。需要注意的是，在判断方法可接受性时，重要的是偏差的大小，而不是t值的大小。
  
• 应该使用差异图来显示配对结果之间的差异，在y轴上绘制测试方法减去比较方法值与x轴上的比较方法结果之间的差异。差分图因其简单而得到了广泛的应用[6]，然而，当你想对方法性能做出定量和客观的决策时，差分图的使用和解释就不是那么简单了[7]。

的决定计算器用于显示随机误差和系统误差的估计，并判断该方法的性能[3]。因此，该图表依赖于从其他统计计算中获得的误差估计。简而言之，该图表是根据为该方法定义的质量要求绘制的，并显示了y轴上的允许不精度与x轴上的允许不精度。然后绘制该方法的观察到的不精度和不准确性以显示该方法的“操作点”(纵坐标是不精度或SE的估计，x坐标是不精度或RE的估计)。这个操作点的位置被解释为相对于定义“差”、“边缘”、“好”和“优秀”性能区域的线。详细信息请参见PDF文件。

关于我们在线工具的说明

我们的在线计算器设置了固定数量的数据点，例如，SD计算器为20点，配对差异，线性回归和相关计算器为40点。这些计算器工具应该对这些教学材料中包含的数据集和问题集很有用。然而，它们并不是为了满足常规方法评估研究的所有数据分析需求。还建议您使用电子表格设置自己的计算器工具。

引用:

1. 魏嘉德，亨特先生。方法比较研究中常用统计检验的使用与解释。临床化学1973;19:49-57。
2. 魏嘉德，王志强，王志强，等。方法开发和评价中精密度和准确度的判断标准。中华临床医学杂志1974;20:825-33。
3. Westgard乔。用于判断方法性能的方法评价决策图(MEDx chart)。临床检验科学。1995;8:277-83。
4. Stockl D, Dewitte K, Thienpont M.方法比较研究中线性回归的有效性:受统计模型或分析数据质量的限制?中华临床医学杂志(英文版);1998;44(4):344 - 344。
5. 李建军，李建军。基于最小二乘回归系数的方法比较分析。临床化学1979;25:432-8。
6. 布兰德JM，奥特曼DG。评定两种临床测量方法一致性的统计方法。《柳叶刀》1986;307 - 10。
7. Hyltoft Petersen P, Stockl D, Blaabjerg O, Pedersen B, Birkemose E, Thienpont L, Flensted Lassen J, Kjeldsen J.基于差值图的野外法与参考法分析数据的图解解释[J]。中华临床医学杂志1997;43(3):391 - 391。