Limits of agreement
(=Grad av överensstämmelse)
Denna sida är uppdaterad 2002-01-05

Antag att vi vill utvärdera hur bra en ny metod för att mäta blodsocker är. Vi vill veta om den nya metoden för blodsockeranalys ger ett svar som stämmer överens med (liknar) vår referensmetod. Vi tar då på en individ samtidigt två blodprov som analyseras med var sin metod. Detta upprepas på en mängd människor. Utfallet, glukoshalten i blodet kan anta många (oändlig många) tänkbara värden som ligger mellan vissa rimliga gränser. Eftersom 6 mmol/l i blodsocker innebär exakt dubbelt så hög blodsockerhalt som 3 mmol/l (ekvidistanta skalsteg!) mäts denna variabel enligt kvotskalan.

Kvantitativ variabel som mäts enligt intervall / kvotskalan
För dessa tester vill man undersöka hur utfallet av testet stämmer överens med resultatet av vårt facit (=gold standard). Detta kan lämpligen göras genom att för varje individ räkna ut skillnaden mellan vårt nya test och vårt facit. Vi räknar sedan fram medelvärde och standardavvikelsen för alla våra skillnader. Vi kan sedan göra ett 95%-konfidensintervall för skillnaderna. Vi kan då säga att test A med 95% sannolikhet inte kommer att skilja sig mer från test B än med ±0,5 mmol/l (om det nu var en ny metod för att mäta blodsocker som vi ville testa). Tolkningen av om det här intervallet är acceptabelt eller ej kan inte göras med ett statistiskt test utan måste avgöras av omständigheterna. Vi kan alltså inte ta fram ett p-värde eller ett annat tal som anger om de båda testen stämmer överens "statistiskt signifikant". Om utfallet från det nya testet och/eller från vår gold standard är snedfördelat bör man omvandla (transformera) data. Det vanligaste sättet för att göra detta är att logaritmera enligt nedan.

Snedfördelad kvantitativ variabel
Om mätvärdena från de båda ett eller båda testen är snedfördelat gör man i princip samma sak som ovan. Skillnaden är att innan man räknar ut medelvärde och standarddeviation logaritmerar man data. Efter att ha räknat ut 95% konfidensintervall för skillnaderna antilogaritmerar man och får då en proportionell överensstämmelse. Vi kan då ange att vårt nya test kommer att ge ett värde som är exempelvis 90-110% av vad vår gold standard ger.

Felaktiga metoder vid jämförelse av olika tester
Det anses olämpligt att använda korrelationsanalys för att jämföra resultatet av nya tester med en gold standard när utfallet av testerna mäts enligt kvotskala eller intervallskala. Orsaken är att korrelationsanalysen oftast ger mer utslag för de individuella skillnaderna än för skillnader i testutfall mellan det nya testet och gold standard. Även när testen stämmer dåligt överens kan man i en korrelationsanalys se en hög korrelation eftersom sambandet mest beror på att man mäter något där den individuella variationen slår igenom. Exempel på detta kan vara olika metoder att mäta BMI (Body Mass Index). Här kan två olika metoder stämma dåligt överens men skillnaderna i BMI mellan de olika individerna betyder mycket mer än skillnaderna i utfall av de olika testen.
    Intra class correlation (=ICC) är en variant av korrelationsanalys och liknar därmed vanlig korrelationsanalys i det att den inkluderar felkällan variation mellan individer. Om variationen mellan individer är stor kan man få god korrelation mellan två testmetoder även om de egentligen inte har acceptabelt stor likhet. Detta problem är lite mindre för ICC än för vanlig korrelationsanalys.
    Ibland ser man att man med t-test jämför medelvärdet av resultaten mätta med det nya testet med medelvärdet för resultaten framtagna med vår gold standard Man hävdar då att ingen signifikant skillnad innebär att det nya testet är lika bra som vår gold standard. Det anses i den statistiska litteraturen att detta är ett olämpligt förfarande.

Nyfiken på mer information om detta?
Läs sidorna 396-403 i: Altman D.G. (1991) Some common problems in medical research. In Practical statistics for medical research. Edited by Altman D.G. Chapman & Hall, London. pp 396-439.

Denna webbsida är författad av
Doc. Ronny Gunnarsson
Distriktsläkare/Familjeläkare

Läs om regler för ansvar och copyright som gäller för denna webbsida.