いくつかのBland-Altman分析の結果をプロットする

Question

Bland-Altmanプロットを使用していくつかの診断方法を金標準と比較しました。ここでは、それぞれの方法と金標準の間の一致の違いを1つのプロットで図形的に表現します。私は水平ボックスプロットとして様々なBland-Altmanプロットから導かれた平均、信頼区間、分散をプロットしようとしていますが、私はそれをすることを知らない。 私はこのようなデータフレームを持っている：

Method LCL mean UCL var 
A   -5  4  15  27 
B   -9  2  13  33 
C   -8  4  16  36 

はあなたの助けをありがとうございました！コラード

Answer 1

あなたは「真」箱ひげ図は、あなたが提供しているいずれもノンパラメトリック統計に基づいて、プロットの特定のタイプであることを認識する必要があります。それを何か別のものにしたいのであれば自由に行うことができ、プロットを行うにはbxp関数を使うことができます。ウィスカーとボックスパラメーターの値を持つ5行3列の行列を作成する必要があります。分散が標準偏差を構築するために使用できると思っているかもしれませんか？

dat <- read.table(text="Method LCL mean UCL var 
A   -5  4  15  27 
B   -9  2  13  33 
C   -8  4  16  36 
", header=TRUE) 
dat$sdpd <- dat$mean + dat$var^0.5 
dat$sdmd <- dat$mean - dat$var^0.5 
dat 
#------ 
    Method LCL mean UCL var  sdpd  sdmd 
1  A -5 4 15 27 9.196152 -1.196152 
2  B -9 2 13 33 7.744563 -3.744563 
3  C -8 4 16 36 10.000000 -2.000000 
#---------- 
bxpm <- with(dat, t(matrix(c(LCL, sdmd, mean, sdpd, UCL), 3,5))) 
bxpm 
#---------- 
      [,1]  [,2] [,3] 
[1,] -5.000000 -9.000000 -8 
[2,] -1.196152 -3.744563 -2 
[3,] 4.000000 2.000000 4 
[4,] 9.196152 7.744563 10 
[5,] 15.000000 13.000000 16 

bxp(list(stats=bxpm, names=dat$Method), main="Not a real boxplot\n 
               Perhaps a double dynamite plot?") 

Answer 2

はあなたがRのboxplot()コマンドを使用してみましたか？

私は、デフォルトでは、生データを供給していると仮定し、データをセグメント化する要因を指定していると考えます。それはあなたが使用しているものと一致するかもしれないし、そうでないかもしれないボックスのためのそれ自身の範囲を計算します。あなたが簡単にrグラフィックスを微調整できるようにするには、少し時間を覚える必要がありますが、チェックアウトにはwikhamのggplot2が必要です。それは強力で、フレキシブルで、きれいです！

幸運！

Answer 3

あなたが（箱ひげのために必要とされる）生データを供給していなかったように私は働いてRコードを提供することはできません、あなたが何があなたのゴールドスタンダードを示していないように表示したいのか明確ではありません報告された手段がi番目の方法と参照方法との間の差を表す場合を除いて（この場合、私はあなたがどのようにボックスプロットを使用するかはわかりません） 。あなたのデータの基本的なプロットが

dfrm <- data.frame(method=LETTERS[1:3], lcl=c(-5,-9,-8), 
        mean=c(4,2,4), ucl=c(15,13,16), var=c(27,33,36)) 
# I use stripchart to avoid axis relabeling and casting of factor to numeric 
# with default plot function 
stripchart(mean ~ seq(1,3), data=dfrm, vertical=TRUE, ylim=c(-10,20), 
      group.names=levels(dfrm$method), pch=19) 
with(dfrm, arrows(1:3, mean-lcl, 1:3, mean+lcl, angle=90, code=3, length=.1)) 
abline(h=0, lty=2) 

のようになります。しかし、私はとして、反復の有無にかかわらず、特にゴールドスタンダードにいくつかの方法を比較する際に役立ちますMethCompパッケージを見てみることをお勧めすることができます結果を表示するのと同じように。付随する教科書は

Carstensen、B. Comparing Clinical Measurement Methodsです。あなたは正しいジョン・ワイリー &サンズ株式会社2010

​​