指导原则中的临床统计部分和IVDstatistics程序的指导思想、用途。

芸豆荚

一、肿瘤标志物类定量检测试剂注册申报资料指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定性结果的一致性分析

阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。

③ 定量值相关性和一致性分析

用回归分析验证两种试剂结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到在不同的样本浓度区间试剂的性能可能存在一定差异，因此，建议对总体浓度范围进行区间分层统计，对不同浓度区间内的结果进行相关性分析以更好的验证两种试剂的相关性。

二、乙型肝炎病毒脱氧核糖核酸定量检测试剂注册技术审查指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 两组数据结果的相关性、线性回归的结果。

③ 对相关性及线性方程的显著性检验，验证两种试剂定量结果的一致性。

④阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。

⑤以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验。

另外考虑到对不同样本类型的检测结果可能存在一定差异，故建议对不同样本类型分别进行统计分析，以对考核试剂的临床性能进行综合分析。

三、人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则

3.统计学分析

（1）数据预处理、差异数据的重新检测或验证鉴别以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改等。

（2）一致性分析和相关性

相关性主要包括阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。一般可采用四格表卡方检验或kappa检验对两种试剂定性检测结果的一致性进行分析。

对于定量试剂，应选用特定的数据分析模型（如Bland-Altman 模型）对两种试剂定量分析结果的一致性进行分析。同时，还应采用回归分析的方法分析两种试剂检测结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是对比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，并给出a和b的95%（或99%）置信区间。由于对不同的HIV-1基因型或者不同浓度区间样本，试剂的性能可能存在一定差异，因此，建议对总体样本，按照浓度范围和/或基因型进行区间分层统计，对不同区间内的结果进行相关性和一致性分析，以更好地验证两种试剂的相关性。

四、流行性感冒病毒核酸检测试剂注册申报资料指导原则

（3）统计学分析
　　①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。
　　②阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。
　　③以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。
　　另外考虑到对不同样本类型以及不同年龄段人群的检测结果可能存在一定差异，故建议对不同样本类型及不同年龄段人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

五、流行性感冒病毒抗原检测试剂注册申报资料指导原则

（3）统计学分析
　　①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。
　　②定性结果的一致性分析
　　阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。
　　另外考虑到对不同样本类型以及不同年龄段人群的检测结果可能存在一定差异，故建议对不同样本类型及不同年龄段人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

六、流式细胞仪配套用检测试剂注册技术审查指导原则

（3）统计学分析

①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

②相关性和一致性分析

可以采用线性回归的方式验证两种试剂结果的相关性，以y=a+bx和R2的形式列出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到某些检测指标在不同的样本浓度区间、不同年龄段人群或不同疾病来源的样本可能有较明显的差异，因此，如有必要，建议以上述相关要素为依据分组并对各组数据分别进行统计分析，以更好的验证两种试剂的相关性。

七、病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定性结果的一致性分析

阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。另外考虑到对不同样本类型以及不同人群的检测结果可能存在一定差异，故建议对不同样本类型及不同人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

八、弓形虫、风疹病毒、巨细胞病毒、单纯疱疹病毒2型抗体及IgG抗体亲合力检测试剂注册申报资料技术指导原则

5.统计学分析

对临床试验结果的统计应选择合适的统计方法，如检测结果一致性分析、ROC分析和阴性/阳性符合率等。对于本类定性检测试剂对比实验的等效性研究，常选择配对2×2表的形式总结两种试剂的定性检测结果，对定性结果进行χ2检验或kappa检验以检验两种检测试剂检测的一致性。统计学分析应可以证明两种方法的检测结果无明显统计学差异，并验证其一致性是否具有统计学意义。以kappa检验为例，除应计算kappa值外，还应对总体kappa值与“0”之间的差别是否具有统计学意义进行假设检验。对于半定量检测试剂对比实验的等效性研究，应在上述统计分析的基础上，根据临床试验数据分布特点，采用Person相关系数等统计方法对考核试剂检测值与对比试剂检测值线性相关关系进行分析。在临床研究方案中应明确统计检验假设，即评价考核试剂与对比试剂是否等效的标准。对于定量检测试剂对比实验的等效性研究，用回归分析验证两种试剂结果的一致性，建议统计学负责人根据试验设计特点，选择适用的回归分析方法，如Deming回归、Passing-Bablok回归分析等。

（3） 临床研究结果及分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对灰区样本、异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 结果的一致性分析

计算阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。采用适当的统计学方法，对定性检测试剂进行一致性评价，对半定量检测试剂进行线性相关性分析，对定量检测试剂进行一致性分析。另外考虑到对不同样本类型以及不同人群的检测结果可能存在一定差异，故建议对不同样本类型及不同人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

九、天津市体外诊断试剂（第二类产品）临床研究技术审查指导原则

五、试验数据分析

（一）对临床试验结果的统计应选择合适的统计方法。

1、对定性试剂，应分析考核试剂的敏感性、特异性、阳性预期值、阴性预期值、阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间、考核试剂和对比试剂的一致性（如kappa值）。

2、对定量试剂，应分析考核试剂阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间、考核试剂和对比试剂的一致性（如kappa值）等之外，还应该分析考核试剂与对比试剂的相关性、线性回归、定量准确性及一致性（如Bland-Altman 模型），如入选样本存在不同分型还应进行分组分析考核试剂与对比试剂的相关性、线性回归、定量准确性及一致性（如Bland-Altman 模型）等。

3、对于对比实验的等效性研究，最常用是对考核试剂和对比试剂两组检测结果的相关及线性回归分析，应重点观察相关系数（r值）、回归方程斜率及y轴截距等指标。

4、对于统计方法的选择可以选择多种方法，而不用过于强调一种方法。在临床研究方案中应明确统计检验假设，即评价考核试剂与对比试剂是否等效的标准。

十、C反应蛋白定量检测试剂盒注册技术审查指导原则（征求意见稿）

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定量值相关性和一致性分析

用回归分析验证两种试剂结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到在不同的样本浓度区间试剂的性能可能存在一定差异，因此，建议对总体浓度范围进行区间分层统计，对不同浓度区间内的结果进行相关性分析以更好的验证两种试剂的相关性。

芸豆荚

从以上的原则中可以看出，对于诊断试剂的统计学分析基本是一致的，对于定性试剂，主要是1、阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。2、行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。做完这些统计应该是足够了。这些在IVDstatistics中都有体现。
这里探讨几个统计技术方面的话题：
1、95%的可信区间：目前有好几种算法：可参见程序和帮助文件：个人感觉最常用的是二项分布法，这个算法应该是最准确的算法，但只能用程序算；另外用比较多的Wald法（点估计，近似正态分布法？），这个算法最简单，但准确度较低。
2、配对卡方检验（McNemar）
在国内的教科书中，都是用传统的公式，b+c<40时用校正公式。但在不同的程序中，并不相同，SPSS只采用精确概率法，MedCalc在<25时用精确概率法，而在>25时用校正的公式，而SAS好象只用传统的公式计算。这里我无法认定用哪种算法好，但应都有道理，不能认定为错。我想可能理论上精确概率法最好，但只能用程序算，另外对于很大的数据，可能出现无法计算的情况。

3、一致性检验  这是指导原则中的必选项之一。然而在一般的教科书中，只对Kappa系数计算进行了说明，对于其95%的可信区间和非0检验提的很少。统计上Kappa系数不只应用于配对的四格表，对于半定量的有序数据同样适用，反过来可认为四格表是有序数据的最简单的特例。在这里要注意的事Kappa的标准误有两个，分别用于可信区间和非0检验，计算公式不同，SPSS和MedCalc都没能同时给出计算值，另有限的几篇中文期刊文章竟然不少用错了。关于这两个Se的计算公式在程序的帮助里可以找到，Se（K）用于计算可信区间，Se0（K）用于非0的检验。

芸豆荚

定量试剂的临床统计：

1、以上指导原则均指出要进行回归分析，即计算回归方程y=a+bx，相关系数（R）或R2；从统计学角度，对方程进行检验，即a,b的检测，得出直线相关关系是否成立。事实上对方程的检验，对比的检验，还有对r值的检验结果和意义都是一样的，该检验和算法在方法上没有什么异义，教科书以及多数的软件结果都是一样的。在统计上，应该同时对这些值的95%CI进行计算，并作散点图，显示出更多或更直观的结果。注意的是如果数据不呈正态分布，此时r值不应采用简单相关系数，而应计算秩（spearman）相关系数。

2、Bland-Altman分析：这在部分的指导原则中指出来了。Bland-Altman分析主要是作一个图，用差值或比值等，一般来说界外值在5%以内，说明一致性较好，但没有严格的标准。不过从图上可以直观的看出数据的离散程度。

3、t检验或秩和检验，配对定量的数据需不需要t检验？从以上的指导原则上看并没有要求。可能因为是太习惯了吧，大多数人都可能会进行t检验，在算法上，t检验相对简单，也没有什么争议。但如果数据差值不呈正态分布，理论上应用秩和检验。

4、定量数据的描述：拿到一组数据后，应对基本的情况进行描述，描述的量比较多，不过个人觉得太多也没有必要，在IVDstatistics中，提供均值、标准差、最大值、最小值、偏度、峰度，我想应该足够了，另外一个较为形象的描述是作直方图。有些指导原则里写了说样本应尽量均匀分布，我想这一点是很难做到的，非生理的疾病值不会按统计学上理想的状态分布，以偏态分布居多。如果做不到均匀分布，但我想要考察试剂的性能，高、中、低值的相对连续的分布不能有所缺失，用直方图可以直观的表示出来。

5、正态分布：这是进行以上一些检验在统计学上的基本要求。正态分布算法很多，目前认为较好的算法是W检验和D'Agostino检验。在计算方面，正态分布的计算很复杂，只有用程序进行计算。但也有人说，对于正态分布，不用太过计较，t检验等即使非正态分布的数据，计算结果也不会有大的出入。

5、定量试剂的定性计算：这个在不少的指导原则中都提出来了，个人觉得应该对于有参考值的试剂应同时进行定性的统计。

我想进行完以上的统计后，可以形成一个完整的报告了。

芸豆荚

半定量试验（有序变量）

半定量检验试剂种类相对应该少一些。在临床统计上，个人觉得和定性试剂有些接近，或定性试剂是半定量试剂的一个特例。在相关指导原则上，明确指出统计方法的比较少。类比于比定性试剂，我想同样是在3个方面进行分析：

1）基础的计算，也就是区间的符合率，这相当于定性的阳性或阴性符合率；

2）差异性检验，在统计上对有序的变量一般采用秩和检验方法，而不是卡方检验。这里需要提出的是，理论上用配对的秩和检验是最合适的，然而配对的秩和检验将相同的结果不列入统计，只比较有差异的结果。由于半定量的试剂相同的结果数据很多，显然这种结果一些情况下能反映试剂的真实性能，这一点在很多文献中都指出来了。个人认为采用单向有序的秩和检验更能反映试剂的实际性能。在IVDstatistics中，可以计算这两种统计结果，供研究都选择。

3）Kappa一致性检验，其意义和定性相同，但对于有序的半定量试剂，理论上应采用（线性）加权的一致性的Kappa一致性检验。简单的一致性忽略了数据间的联系，不如加权的一致性结果准确。

通过以上3个方面的分析，足以判定出临床试验试剂的性能。

芸豆荚

鉴于快节奏的工作环境。IVDstatistics提供的亦是方便、快捷或傻瓜化统计。提供了完全的WORD生成模板，例如下（自动生成）：

芸豆荚IVD统计程序定性统计方法和结果

1、 检测数据
对照试剂和临床考核试剂对样本进行配对检测后，将配对检测结果输入表1：
表1：对照试剂和临床考核试剂配对检测结果

对照试剂	考核试剂				合计
	+		-
+	A	180	B	5	A+B	185
-	C	8	D	200	C+D	208
合 计	A+C	188	B+D	205	ABCD	393

注：A、B、C、D分别表示配对检测的四种结果
参照体外诊断试剂临床研究技术指导原则（国食药监械[2007]240号），人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则，流行性感冒病毒检测试剂注册申报资料指导原则等法规性文件，根据表1的数据，采用芸豆荚IVD统计程序对数据进行以下统计分析。

2、 基础计算
根据文献[1]，基础计算结果如下：
表2：检测数据基础统计结果

编号	数值比	百分率(95%可信区间)
阳性符合率	180/188	95.74% (91.79%～98.15%)
阴性符合率	200/205	97.56% (94.40%～99.20%)
阳性预期值	180/185	97.30% (93.81%～99.12%)
阴性预期值	200/208	96.15% (92.56%～98.33%)
总符合率	380/393	96.69% (94.41%～98.23%)

    注：结果和MedCalc相同，95%可信限计算方法：二项分布法(推荐)

3、 卡方检验（McNemar检验）
根据文献[1，2]采用配对卡方检验，建立检验假设：
H0：两种试剂总体检验符合率相同，H1：两种试剂总体检验符合率不同，α=0.05
计算结果如下：
表3  卡方检验（McNemar检验）统计结果

编号	统计值
检验方法	精确概率法
卡方值	无
概率值P	0.5811
检验结果	P>=0.05，接受H0，两种试剂总体检验符合率相同

     注：依据不同的检验方法，结果和SPSS、SAS等相同

4、 Kappa一致性检验
根据文献[1，3]，计算Kappa值及标准误；对Kappa建立检验检验假设：
H0：K=0，Kappa值来自0的总体，H1：K>0，Kappa值来自非0的总体，α=0.05
计算结果如下：
表4  Kappa一致性检验统计结果

编号	统计值
Kappa值	0.9337 , 一致性较好
标准误Se(K)	0.0181
95%可信区间	0.8982～0.9691
标准误Se0(K)	0.050
检验值Z	Z=18.5115,概率值P=0.0000
检验结果	P<0.05,拒绝H0，Kappa值来自非0的总体

    注：结果和SAS，MedCalc相同  

附：芸豆荚IVD统计程序统计学方法说明
计算方法均来源于经典的文献或统计学软件，结果和SPSS，SAS、MedCalc等软件相同，主要计算方法如下：
a) 基础计算：
按表1的代号：
阳性符合率=A/(A+C)×100%
阴性符合率=D/(A+B) ×100%
阳性预期值=D/(B+D) ×100%
阴性预期值=D/(C+D) ×100%
总符合率=A+D/(A+B+C+D) ×100%
率的95%可信区间采用二项分布法计算(同MedCalc程序)，公式如下： ， ，式中a为数值比分子，n为数值比分母。
b) 卡方检验
依据参考文献[1,2]，精确概率法检验（同SPSS程序）计算方法：X2= ×2，自由度v=1。 ，再根据卡方X2值和卡方分布函数计算出概率值P。

c) Kappa一致性检验（结果同SAS，MedCalc等程序）
依据参考文献3，对于行为i=2，列为j=2排列的数据：计算公式如下：
一致性系数Kappa= 式中 ；
用于估计95%可信限的标准误计算公式如下：Se(k)= ，式中：

Kappa值的95%可信区间=Kappa+/-1.96Se(k)。
Kappa值非0检验，即检验Kappa值是否来自为0的总体，即Kappa值的差异是否由抽样误差造成的，计算公式如下：Z=Kappa/Se0 (k)，式中
Se0(k)= ，再根据Z值和标准正态分布函数，计算出概率值P。

参考文献
1、  颜红主编. 医学统计学(第2版)，人民卫生出版社. 2010
2、  刘一斑秀，刘钧. 配对四格表资料差别检验的精确概率方法，南京大学学报. 1998, 34(5):627-631
3、  Joseph L. Fleiss. Statistical Methods For Rates And Proportions - 3Ed, 2003，598-607
4、  体外诊断试剂临床研究技术指导原则(国食药监械[2007]240号)，国家仪器药品监督管理局发布
5、  人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，国家仪器药品监督管理局发布
6、  病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则，国家仪器药品监督管理局发布
7、  流行性感冒病毒检测试剂注册申报资料指导原则，国家仪器药品监督管理局发布

芸豆荚

芸豆荚IVD统计程序定量统计方法和结果

(发现图片无法贴上来)
1、检测数据
对照试剂和考核试剂对样本进行配对检测后，将配对检测结果输入附表1，参照体外诊断试剂临床研究技术指导原则（国食药监械[2007]240号），肿瘤标志物类定量检测试剂注册申报资料指导原则，人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则等法规性文件，根据附表1的数据，采用芸豆荚IVD统计程序对数据进行以下统计分析。

2、基础计算
计算试剂及差值的均值、标准差、最大值、最小值、偏度和峰度，对样本的基本情况进行分析，依据文献[1]，计算结果如下：
表1：基础计算结果

编号	配对差值组	对照组	考核组
均值	-8.650	489.000	497.650
标准差	56.641	175.150	184.888
最大值	79.000	778.000	874.000
最小值	-96.000	149.000	141.000
偏度	0.0342	-0.1882	0.0320
峰度	-1.4534	-0.5856	-0.4512

    注：结果和SPSS，MedCalc相同

3、数据分布直方图
将检测数据及差值按十等份划分，作直方图，直观显示样本及差值的分布情况：

图1： 对照试剂值分布直方图

图2： 考核试剂值分布直方图

图3： 检测差值分布直方图

4、正态性检验
依据文献[2，3]采用D(D'Agostino)检验进行正态性检验，以进一步选择合适的统计方法，建立假设：
H0：数据总体服从正态分布，H1：数据总体服不从正态分布，α=0.05
计算结果如下：
表2：数据差值正态性检验结果：

编号	差    值	对照试剂	考核试剂
偏度G1	Z=0.0710, P=0.9434	Z=-0.3894, P=0.6970	Z=0.0664, P=0.9471
峰度G2	Z=1.4162, P=0.1567	Z=0.7946, P=0.4268	Z=0.6783, P=0.4976
D'Agostino	X^2=2.0106, P=0.3659	X^2=0.7830, P=0.6760	X^2=0.4645, P=0.7927
检验结果	P>=0.05，接受H0，服从正态分布	P>=0.05，接受H0，服从正态分布	P>=0.05，接受H0，服从正态分布

    注：依据不同的方法，结果和SPSS，MedCalc相同

5、配对检验
依据文献[1]采用配对T检验进行检验，建立假设：
H0：两种试剂检验结果相同，H1：两种试剂检验结果不同，α=0.05
计算结果如下：
表3：对照试剂和考核试剂配对检验结果

编号	统计值
配对t检验	t=0.6830，v=19
概率值P	0.5029
结果	p>=0.05,接受H0，两种试剂检验结果相同

    注：依据不同的方法，结果和SPSS，MedCalc相同

6、简单线性回归分析和散点图
依据文献[1]，以对照试剂为自变量X，考核试剂为应变量Y，计算简单线性回归方程，并计算回归系数b和截距a的标准误和置信区间，并进行检验，建立假设：
a)       回归模型F检验和回归系数b的t检验(检验意义相同)：
        H0：两种试剂无直线关系，H1：两种试剂直线关系成立，α=0.05
b)      截距a的t检验：
H0：截距与0值无显著性差异，H1：截距与0值有显著性差异，α=0.05
计算结果如下：
表4  数据直线回归分析结果

编号	统计值	编号	统计值
回归检验		回归方程	Y=1.0049X+6.2775
SS回	588543.72，v=1	SS剩	60942.83,v=18
F值	173.8316	概率P	0.0000
检验结果	p<0.05,拒绝H0，两种试剂直线关系成立
系数b检验	b=1.0049
t值(b)	13.1845	概率P(b)	0.0000
系数b Se	0.0762	系数95%CI	0.8447～1.1650
检验结果	p<0.05,拒绝H0，两种试剂直线关系成立
截距a检验	a=6.2775
t值(a)	0.1590	概率P(a)	0.8754
截距a Se	39.4748	截距95%CI	-76.6559～89.2108
检验结果	P>=0.05,接受H0，截距与0值无显著性差异

    注：结果和SPSS，MedCalc等相同
以对照试剂为自变量（X），考核试剂为应变量（Y），作散点图如下：

图4 两种试剂配对检测散点图

7、相关分析
依据文献[1]，采用简单(Pearson)相关方法进行分析，计算相关系数，标准误并进行t检验，建立假设：
        H0：两种试剂无直线相关关系，H1：两种试剂直线相关关系成立，α=0.05（本检验和回归系数b检验等价），计算结果如下：
    表4  数据相关分析结果

编号	统计值
简单相关值r	r=0.9519；r^2=0.9062
95% CI	0.8802～0.9811
t值，概率P	t=13.1845，v=18  ，P=0.0000
检验结果	P<0.05,拒绝H0，两种试剂直线相关关系成立

    注：结果和SPSS，MedCalc相同

8、Bland-Altam分析
依据文献[4]，以对照试剂和考核试剂配对检测均值为横度坐标，检测差值为纵坐标，进行分析和作图，结果如下：
表6  Bland-Altam分析基本数据

编号	计算值
差值均值	-8.650
差值标准差	56.641
95%界值	-119.667～102.367
界外点数(比率)	0 (0.00%)

图 5两种试剂配对检测Bland-Altam图

附：芸豆荚IVD统计程序统计学方法说明
计算方法均来源于经典的文献或统计学软件，结果和SPSS，SAS、MedCalc等软件相同，主要计算方法如下：
a）基础计算
依据文献[1]和EXCEL，对于数量为n，值为Xi一组数据：相关计算方法：
均值：
标准差：

偏度：Skew=

峰度：Kurt=

b)直方图

    划分等份相同的情况下，频数和分布图与EXCEL，SPSS一致。

c) 正态分布

依据文献3，D’Agostino正态性检验，是公认较好检验方法，先测定偏度和峰度，然后计算出综合值，进行卡方检验，判定结果， ，式中Zg1，Zg2计算方法比较复杂，需编程实现。本结果和MedCalc相同。  

d) 配对检验

    依据文献1，配对t检验方法：

t= ，式中 ，d为配对差值；再根据t，v值和分布函数计算出对应的概率P值。

e) 简单线性回归分析和散点图
依据文献1，配对X,Y的两组数据，线性方程为：Y=a+bX。式中：
b= ，a= 。
回归模型检验采用方法分析进行：
式中：SS回= ，SS剩= ， 为对应Y的估算值。

回归系数b的标准误Se(b)= ，式中 ， ；

回归系数b的95%可信区间为： ；检验采用t检验，t=b/Se(b)，v=n-2。

截距a 的标准误Se(a)= ；95%可信区间为：

截距a检验采用t检验，t=a/Se(a)，v=n-2。
程序以对照试剂为X，考核试剂为Y作散点图，和SPSS，EXCEL分布形式一致。

f) 相关分析
依据文献1，Pearson简单相关分析计算：
r=， ，v=n-2，

置信区间计算：先将r作Z变换， ， ，

再进行ρ变换，计算出置信区间： ，

g) Bland-Altam分析
依据文献3，以两试剂均值为横度坐标，差值为纵坐标，差值的均值d±1.96SD作为一致性界限作图。图形和MedCalc分布一致。

附表1  对照试剂和考核试剂检测原始数数据、差值及备注

编号	对照试剂	考核试剂	配对差值	差值备注
1	427	348	79	最大值
2	388	337	51
3	360	430	-70
4	486	449	37
5	437	444	-7
6	724	658	66
7	599	630	-31
8	186	141	45
9	307	373	-66
10	701	676	25
11	372	316	56
12	375	399	-24
13	634	659	-25
14	611	675	-64
15	149	227	-78
16	778	874	-96	最小值
17	469	551	-82
18	699	708	-9
19	562	598	-36
20	516	460	56

参考文献
1、  颜红主编. 医学统计学(第2版)，人民卫生出版社.2010
2、  Sheskin DJ. Handbook of parametric and nonparametric statistical procedures. 3rd ed. 2004. Boca Raton: Chapman & Hall /CRC.
3、  Royston, P.. Remark AS R94:A Remark on Algorithm AS181:The W-test for Normality. Journal of the. Royal Statistical Society, 1995. 44(4): 547-551.
4、  陈卉. Bland-Altman分析在临床测量方法一致性评价中的应用. 中国卫生统计. 2007. 24(3):308-309
5、  体外诊断试剂临床研究技术指导原则(国食药监械[2007]240号)，国家食品药品监督管理局发布
6、  肿瘤标志物类定量检测试剂注册申报资料指导原则，国家食品药品监督管理局发布
7、  人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，国家食品药品监督管理局发布
8、  病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则，国家食品药品监督管理局发布

芸豆荚

芸豆荚IVD统计程序半定量统计方法和结果

1、 检测数据
对照试剂和临床考核试剂对样本进行配对检测后，按区间计算，将检测结果输入表1：
表1：对照试剂和临床考核试剂配对检测结果

	区间1	区间2	区间3	区间4	合计
区间1	102	16	19	16	153
区间2	12	133	13	22	180
区间3	6	5	90	0	101
区间4	19	18	24	86	147
合计	139	172	146	124	581

    注：表中行区间为考核试剂的检测结果，列区间为对照试剂的检测结果
参照体外诊断试剂临床研究技术指导原则（国食药监械[2007]240号），人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则，流行性感冒病毒检测试剂注册申报资料指导原则等法规性文件，根据表1的数据，采用芸豆荚IVD统计程序对数据进行以下统计分析。

2、 基础统计数据
根据文献[1]，基础计算结果如下：
表2检测数据基础统计结果

区间编号	区间符合数比	区间符合率(95%CI)	区间预期数比	区间预期率(95%CI)
区间1	102/139	73.38% (65.22%～80.51%)	102/153	66.67% (58.60%～74.07%)
区间2	133/172	77.33% (70.33%～83.35%)	133/180	73.89% (66.83%～80.14%)
区间3	90/146	61.64% (53.24%～69.56%)	90/101	89.11% (81.35%～94.44%)
区间4	86/124	69.35% (60.44%～77.32%)	86/147	58.50% (50.09%～66.56%)
总符合率	411/581	70.74% (66.86%～74.41%)

    注：结果和MedCalc相同，95%可信限计算方法：二项分布法(推荐)

3、 有序等级资料秩和检验
根据文献[1]，采用配对等级秩和检验对两种试剂进行检验，建立假设：
H0：两种试剂总体检验符合率相同，H1：两种试剂总体检验符合率不同，α=0.05
计算结果如下：
表3： 考核试剂和对照试剂秩和检验结果

区间	负秩数	正秩数	合计	平均秩次	负秩和	正秩和
等级差1	29	41	70	35.5	1029.5	1455.5
等级差2	41	24	65	103	4223	2472
等级差3	16	19	35	153	2448	2907
合计	86	84	170		7700.5	6834.5
检验值Z=0.6853
概率值P=0.4932，P>=0.05，接受H0，两种试剂总体检验符合率相同

    注：结果和SPSS的双侧渐近显著性结果相同

4、Kappa一致性检验结果
根据文献[1，3]，采用线性加权一致性检验计算Kappa值及标准误；对Kappa建立检验检验假设：
H0：K=0，Kappa值来自0的总体，H1：K>0，Kappa值来自非0的总体，α=0.05
计算结果如下：
表4  Kappa一致性检验统计结果

编号	统计值
Kappa值	0.5732 , 有一定的一致性
标准误Se(K))	0.0301
95%可信区间	0.5142～0.6321
标准误Se0(K)	0.030
检验值Z	Z=19.346,概率值P=0.0000
检验结果	P<0.05，拒绝H0，Kappa值来自非0的总体

    注：结果和SAS，MedCalc相同

附：芸豆荚IVD统计程序统计学方法说明
计算方法均来源于经典的文献或统计学软件，结果和SPSS，SAS、MedCalc等软件相同，主要计算方法如下：
a) 基础计算：
区间符合率=区间检测一致的数量/对照试剂区间数量×100%
区间预期值=区间检测一致的数量/考核试剂区间数量 ×100%
总符合率=总检测一致的数量/总数 ×100%
率的95%可信区间采用二项分布法计算(同MedCalc程序)，公式如下： ， ，式中a为数值比分子，n为数值比分母。

b）有序等级资料秩和检验（结果同SPSS的双侧渐近显著性检验）
依据参考文献[1]，配对有序等级资料秩和检验计算方法：先对等级资料进行编秩，求正负秩和T，然后将绝对值小的秩和代入以下公式，求ZC值：

，式中T秩和，n为配对数，tj为第j个相同秩次的个数。

再根据ZC值和标准正态分布函数，计算出概率值P。

c) Kappa一致性检验（结果同SAS，MedCalc等程序）
依据参考文献3，对于行为i，列为j排列的数据：采用 采用加权检验时，计算公式：

一致性系数Kappa= ，式中 ；

纯线性加权时， ；平方加权时，

用于估计95%可信限的标准误计算公式如下：
Se(k)=
Kappa95%可信区间=Kappa+/-1.96Se(CI)。
Kappa值非0检验，计算公式如下：
Z=Kappa/Se0 (k)，式中
Se0 (k)=  
式中： ， ，再根据Z值和标准正态分布函数，计算出概率值P。

参考文献
1、  颜红主编. 医学统计学(第2版)，人民卫生出版社.2010
2、  Joseph L. Fleiss. Statistical Methods For Rates And Proportions - 3Ed, 2003，598-610
3、  体外诊断试剂临床研究技术指导原则（国食药监械[2007]240号），国家食品药品监督管理局发布
4、  人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则，国家食品药品监督管理局发布
5、  病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则，国家食品药品监督管理局发布
6、  流行性感冒病毒检测试剂注册申报资料指导原则，国家食品药品监督管理局发布

芸豆荚

以上结果，只要稍作修改，就可以作为临床试验的结果了。另外IVDstatistics还提供了参考值和ROC曲线的计算方法，不作多述

圆子

对统计不是很懂，好好学习！

邱宏超

指导原则中的临床统计部分和IVDstatistics程序的指导思想

芸豆荚  2013/12

一、肿瘤标志物类定量检测试剂注册申报资料指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定性结果的一致性分析

阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。

③ 定量值相关性和一致性分析

用回归分析验证两种试剂结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到在不同的样本浓度区间试剂的性能可能存在一定差异，因此，建议对总体浓度范围进行区间分层统计，对不同浓度区间内的结果进行相关性分析以更好的验证两种试剂的相关性。

二、乙型肝炎病毒脱氧核糖核酸定量检测试剂注册技术审查指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 两组数据结果的相关性、线性回归的结果。

③ 对相关性及线性方程的显著性检验，验证两种试剂定量结果的一致性。

④阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。

⑤以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验。

另外考虑到对不同样本类型的检测结果可能存在一定差异，故建议对不同样本类型分别进行统计分析，以对考核试剂的临床性能进行综合分析。

三、人类免疫缺陷病毒检测试剂临床研究注册技术审查指导原则

3.统计学分析

（1）数据预处理、差异数据的重新检测或验证鉴别以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改等。

（2）一致性分析和相关性

相关性主要包括阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。一般可采用四格表卡方检验或kappa检验对两种试剂定性检测结果的一致性进行分析。

对于定量试剂，应选用特定的数据分析模型（如Bland-Altman 模型）对两种试剂定量分析结果的一致性进行分析。同时，还应采用回归分析的方法分析两种试剂检测结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是对比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，并给出a和b的95%（或99%）置信区间。由于对不同的HIV-1基因型或者不同浓度区间样本，试剂的性能可能存在一定差异，因此，建议对总体样本，按照浓度范围和/或基因型进行区间分层统计，对不同区间内的结果进行相关性和一致性分析，以更好地验证两种试剂的相关性。

四、流行性感冒病毒核酸检测试剂注册申报资料指导原则

（3）统计学分析
　　①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。
　　②阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。
　　③以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。
　　另外考虑到对不同样本类型以及不同年龄段人群的检测结果可能存在一定差异，故建议对不同样本类型及不同年龄段人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

五、流行性感冒病毒抗原检测试剂注册申报资料指导原则

（3）统计学分析
　　①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。
　　②定性结果的一致性分析
　　阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。
　　另外考虑到对不同样本类型以及不同年龄段人群的检测结果可能存在一定差异，故建议对不同样本类型及不同年龄段人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

六、流式细胞仪配套用检测试剂注册技术审查指导原则

（3）统计学分析

①数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

②相关性和一致性分析

可以采用线性回归的方式验证两种试剂结果的相关性，以y=a+bx和R2的形式列出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到某些检测指标在不同的样本浓度区间、不同年龄段人群或不同疾病来源的样本可能有较明显的差异，因此，如有必要，建议以上述相关要素为依据分组并对各组数据分别进行统计分析，以更好的验证两种试剂的相关性。

七、病原体特异性M型免疫球蛋白定性检测试剂注册技术审查指导原则

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定性结果的一致性分析

阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。以交叉表的形式总结两种试剂的定性检测结果，对定性结果进行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。另外考虑到对不同样本类型以及不同人群的检测结果可能存在一定差异，故建议对不同样本类型及不同人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

八、弓形虫、风疹病毒、巨细胞病毒、单纯疱疹病毒2型抗体及IgG抗体亲合力检测试剂注册申报资料技术指导原则

5.统计学分析

对临床试验结果的统计应选择合适的统计方法，如检测结果一致性分析、ROC分析和阴性/阳性符合率等。对于本类定性检测试剂对比实验的等效性研究，常选择配对2×2表的形式总结两种试剂的定性检测结果，对定性结果进行χ2检验或kappa检验以检验两种检测试剂检测的一致性。统计学分析应可以证明两种方法的检测结果无明显统计学差异，并验证其一致性是否具有统计学意义。以kappa检验为例，除应计算kappa值外，还应对总体kappa值与“0”之间的差别是否具有统计学意义进行假设检验。对于半定量检测试剂对比实验的等效性研究，应在上述统计分析的基础上，根据临床试验数据分布特点，采用Person相关系数等统计方法对考核试剂检测值与对比试剂检测值线性相关关系进行分析。在临床研究方案中应明确统计检验假设，即评价考核试剂与对比试剂是否等效的标准。对于定量检测试剂对比实验的等效性研究，用回归分析验证两种试剂结果的一致性，建议统计学负责人根据试验设计特点，选择适用的回归分析方法，如Deming回归、Passing-Bablok回归分析等。

（3） 临床研究结果及分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对灰区样本、异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 结果的一致性分析

计算阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。采用适当的统计学方法，对定性检测试剂进行一致性评价，对半定量检测试剂进行线性相关性分析，对定量检测试剂进行一致性分析。另外考虑到对不同样本类型以及不同人群的检测结果可能存在一定差异，故建议对不同样本类型及不同人群分别进行统计分析，以对考核试剂的临床性能进行综合分析。

九、天津市体外诊断试剂（第二类产品）临床研究技术审查指导原则

五、试验数据分析

（一）对临床试验结果的统计应选择合适的统计方法。

1、对定性试剂，应分析考核试剂的敏感性、特异性、阳性预期值、阴性预期值、阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间、考核试剂和对比试剂的一致性（如kappa值）。

2、对定量试剂，应分析考核试剂阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间、考核试剂和对比试剂的一致性（如kappa值）等之外，还应该分析考核试剂与对比试剂的相关性、线性回归、定量准确性及一致性（如Bland-Altman 模型），如入选样本存在不同分型还应进行分组分析考核试剂与对比试剂的相关性、线性回归、定量准确性及一致性（如Bland-Altman 模型）等。

3、对于对比实验的等效性研究，最常用是对考核试剂和对比试剂两组检测结果的相关及线性回归分析，应重点观察相关系数（r值）、回归方程斜率及y轴截距等指标。

4、对于统计方法的选择可以选择多种方法，而不用过于强调一种方法。在临床研究方案中应明确统计检验假设，即评价考核试剂与对比试剂是否等效的标准。

十、C反应蛋白定量检测试剂盒注册技术审查指导原则（征求意见稿）

（3） 统计学分析

① 数据预处理、差异数据的重新检测或第三方验证以及是否纳入最终数据统计、对异常值或缺失值的处理、研究过程中是否涉及对方案的修改。

② 定量值相关性和一致性分析

用回归分析验证两种试剂结果的相关性，以y=a+bx和R2的形式给出回归分析的拟合方程，其中：y是考核试剂结果，x是参比试剂结果，b是方程斜率，a是y轴截距，R2是判定系数，同时应给出b的95%（或99%）置信区间，定量值结果应无明显统计学差异。

另外考虑到在不同的样本浓度区间试剂的性能可能存在一定差异，因此，建议对总体浓度范围进行区间分层统计，对不同浓度区间内的结果进行相关性分析以更好的验证两种试剂的相关性。

从以上的原则中可以看出，对于诊断试剂的统计学分析基本是一致的，对于定性试剂，主要是1、阳性符合率、阴性符合率、总体符合率及其95%（或99%）的置信区间。2、行四格表卡方或kappa检验以验证两种试剂定性结果的一致性。做完这些统计应该是足够了。这些在IVDstatistics中都有体现。
这里探讨几个统计技术方面的话题：
1、95%的可信区间：目前有好几种算法：可参见程序和帮助文件：个人感觉最常用的是二项分布法，这个算法应该是最准确的算法，但只能用程序算；另外用比较多的Wald法（点估计，近似正态分布法？），这个算法最简单，但准确度较低。
2、配对卡方检验（McNemar）
在国内的教科书中，都是用传统的公式，b+c<40时用校正公式。但在不同的程序中，并不相同，SPSS只采用精确概率法，MedCalc在<25时用精确概率法，而在>25时用校正的公式，而SAS好象只用传统的公式计算。这里我无法认定用哪种算法好，但应都有道理，不能认定为错。我想可能理论上精确概率法最好，但只能用程序算，另外对于很大的数据，可能出现无法计算的情况。

3、一致性检验  这是指导原则中的必选项之一。然而在一般的教科书中，只对Kappa系数计算进行了说明，对于其95%的可信区间和非0检验提的很少。统计上Kappa系数不只应用于配对的四格表，对于半定量的有序数据同样适用，反过来可认为四格表是有序数据的最简单的特例。在这里要注意的事Kappa的标准误有两个，分别用于可信区间和非0检验，计算公式不同，SPSS和MedCalc都没能同时给出计算值，另有限的几篇中文期刊文章竟然不少用错了。关于这两个Se的计算公式在程序的帮助里可以找到，Se（K）用于计算可信区间，Se0（K）用于非0的检验。

定量试剂的临床统计：

1、以上指导原则均指出要进行回归分析，即计算回归方程y=a+bx，相关系数（R）或R2；从统计学角度，对方程进行检验，即a,b的检测，得出直线相关关系是否成立。事实上对方程的检验，对比的检验，还有对r值的检验结果和意义都是一样的，该检验和算法在方法上没有什么异义，教科书以及多数的软件结果都是一样的。在统计上，应该同时对这些值的95%CI进行计算，并作散点图，显示出更多或更直观的结果。注意的是如果数据不呈正态分布，此时r值不应采用简单相关系数，而应计算秩（spearman）相关系数。

2、Bland-Altman分析：这在部分的指导原则中指出来了。Bland-Altman分析主要是作一个图，用差值或比值等，一般来说界外值在5%以内，说明一致性较好，但没有严格的标准。不过从图上可以直观的看出数据的离散程度。

3、t检验或秩和检验，配对定量的数据需不需要t检验？从以上的指导原则上看并没有要求。可能因为是太习惯了吧，大多数人都可能会进行t检验，在算法上，t检验相对简单，也没有什么争议。但如果数据差值不呈正态分布，理论上应用秩和检验。

4、定量数据的描述：拿到一组数据后，应对基本的情况进行描述，描述的量比较多，不过个人觉得太多也没有必要，在IVDstatistics中，提供均值、标准差、最大值、最小值、偏度、峰度，我想应该足够了，另外一个较为形象的描述是作直方图。有些指导原则里写了说样本应尽量均匀分布，我想这一点是很难做到的，非生理的疾病值不会按统计学上理想的状态分布，以偏态分布居多。如果做不到均匀分布，但我想要考察试剂的性能，高、中、低值的相对连续的分布不能有所缺失，用直方图可以直观的表示出来。

5、正态分布：这是进行以上一些检验在统计学上的基本要求。正态分布算法很多，目前认为较好的算法是W检验和D'Agostino检验。在计算方面，正态分布的计算很复杂，只有用程序进行计算。但也有人说，对于正态分布，不用太过计较，t检验等即使非正态分布的数据，计算结果也不会有大的出入。

5、定量试剂的定性计算：这个在不少的指导原则中都提出来了，个人觉得应该对于有参考值的试剂应同时进行定性的统计。

我想进行完以上的统计后，可以形成一个完整的报告了。

半定量试验（有序变量）

半定量检验试剂种类相对应该少一些。在临床统计上，个人觉得和定性试剂有些接近，或定性试剂是半定量试剂的一个特例。在相关指导原则上，明确指出统计方法的比较少。类比于比定性试剂，我想同样是在3个方面进行分析：

1）基础的计算，也就是区间的符合率，这相当于定性的阳性或阴性符合率；

2）差异性检验，在统计上对有序的变量一般采用秩和检验方法，而不是卡方检验。这里需要提出的是，理论上用配对的秩和检验是最合适的，然而配对的秩和检验将相同的结果不列入统计，只比较有差异的结果。由于半定量的试剂相同的结果数据很多，显然这种结果一些情况下能反映试剂的真实性能，这一点在很多文献中都指出来了。个人认为采用单向有序的秩和检验更能反映试剂的实际性能。在IVDstatistics中，可以计算这两种统计结果，供研究都选择。

3）Kappa一致性检验，其意义和定性相同，但对于有序的半定量试剂，理论上应采用（线性）加权的一致性的Kappa一致性检验。简单的一致性忽略了数据间的联系，不如加权的一致性结果准确。

通过以上3个方面的分析，足以判定出临床试验试剂的性能。

weishilin1990

偷走了，学习学习

dodouu

高端大气上档次！！
非常清晰流畅！！

不过荳LZ，举例中的公式都没显示出来，貌似漏掉了，能否提供出来啊？非常感谢！！

0506020104

很系统，定性、定量都写得很清楚，赞！

芸豆荚

公式在程序的帮助中都有，当时这个图片贴不上来，有兴趣的话看一下。

HaHa

图片已经允许上传了。豆荚兄有空可以补补。

why0620

真心感谢，收藏学习了！

jiajia1114

太感谢了！

lbao008

这个真是太好了，要好好加以学习。谢谢！

kinghaobin

楼主有心啦，向楼主学习

田舍郎

楼主真是个热心人，在一个QQ群里得到过你的帮助，特别感谢！