40616_de-DE

liliconcom

Methodenvergleich für zensierte Daten

Hallo Gruppe,

 

Ich möchte zwei Analysemethoden vergleichen, die intervallzensiert sind (Bestimmungsgrenze – obere Bestimmungsgrenze). Ich habe also Beobachtungen mit Werten von (LOQ) sowie >120 (Upper LOQ). Normalerweise würde Bland-Altman das tun, aber in diesem Fall bin ich mir nicht sicher.

Einige Leute schlagen vor, die niedrigsten BQL-Beobachtungen durch LOQ/2 zu ersetzen. Aber wie sieht es mit dem oberen LOQ aus?

Beim JMP Discovery Summit 2014 gab es eine Diskussion über zensierte Daten ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discovery-2014-content/53/1/Discovery%20Summit%202014%20(Your%20Data%20Is%20Censored).pdf ), aber in diesem Dokument wird wenig erklärt.

Irgendwelche Vorschläge, wie mit diesen Daten umgegangen werden soll?

 

Vielen Dank im Voraus für jede Eingabe

 

Dave

 

Betreff: Methodenvergleich für zensierte Daten

Leider kann die generalisierte Regression nicht mit Fehlern sowohl in X als auch in Y umgehen. Derzeit kann nur Bivariate einen solchen Fall mit dem Befehl „Orthogonal anpassen“ verarbeiten. Der Methodenvergleich umfasst eine Regressionsanalyse eines neuen Tests im Vergleich zu einem Standardtest. Beide Tests weisen Fehler auf.

Betreff: Methodenvergleich für zensierte Daten

Für mich ist das ein neues Forschungsgebiet und ich lerne dazu. Aber das erste, was mir in den Sinn kam, waren diese besonderen Beobachtungen. Bitte sehen Sie sich die folgende Tabelle an, in der Konzentrationsmessungen in denselben Einheiten mit zwei verschiedenen Methoden dargestellt sind. Sie haben unterschiedliche LOQs:

Methode A	Methode B
6.8	9.8
<0,1	<0,035
1.5	<0,035
5.4	7.2
9.9	9.1
5	6
2	2.9
6.9	13.9
<0,1	<0,035
<0,1	<0,035
<0,1	0,34
<0,1	<0,035
<0,1	<0,035
<0,1	0,49
<0,1	<0,035
<0,1	<0,035
4	1.9
6.7	3
6.8	5.2
0,3	<0,035
6.3	3.5
3.2	3
>10	>15
6.7	1.2
7.8	1.5
6.5	4.1
4	2.5
5.1	1.9
3.6	3.9
1.2	0,8

 

Wenn ich diese Beobachtungen verwerfen muss, sind das etwa 30 % meines Datensatzes, da dieser für eine vergleichende Analyse paarweise sein muss. Bei näherer Betrachtung kann man jedoch erkennen, dass in den meisten

Ein erster Gedanke könnte sein: Ok, die Beobachtung liegt also über 10 bzw. 15 Einheiten, diese Beobachtung hat also mindestens 10 Einheiten für die eine Methode und 15 Einheiten für die andere. Das sind nützliche Informationen, nicht wahr? Andererseits kann oder sollte <0,035 nicht durch 0,035 ersetzt werden, oder? Wie bereits erwähnt, verwenden einige Autoren LOQ/2 für diese Werte, andere verwenden 0, wieder andere verwerfen die Informationen.

 

Am besten,

 

David

Betreff: Methodenvergleich für zensierte DatenHallo David,
Nein, das ist in JMP nicht möglich. Tatsächlich bin ich mir nicht sicher, ob es möglich ist, Daten, die in Gen Reg sowohl links- als auch rechtszensiert sind, in JMP Pro zu analysieren. Das eine oder andere kann man auf jeden Fall machen. Aber nicht beide. Sie können in Gen Reg eine Intervallzensur durchführen. Aber wie Mark sagt, das ist nicht das, was Sie haben.
Ich denke, dass Sie möglicherweise über eine andere Lösung nachdenken müssen.
Ist es sinnvoll, für Ihren Methodenvergleich Proben zu verwenden, die außerhalb der LoQ liegen? Wie hilft Ihnen das bei der Beantwortung der Frage „Sind meine Methoden gleichwertig?“
Betreff: Methodenvergleich für zensierte Daten

Danke Phil!

 

Ich habe JMP 13, nicht JMP Pro. Kann dies mit „Modell anpassen“ und der Auswahl „Generalisiertes lineares Modell“ erreicht werden? Wie würden Sie diese Werte in die Datenbank eingeben und die Spalteninformationen definieren?

Betreff: Methodenvergleich für zensierte Daten

Hallo David,

 

Es könnte hilfreich sein zu wissen, dass die Generalized Regression-Plattform in JMP Pro mit zensierten Daten umgehen kann. Sie könnten damit versuchen, die Mittelwerte der beiden Proteinmesstechniken zu vergleichen, einschließlich der LoQ-Daten.

 

Grüße,
Phil

Betreff: Methodenvergleich für zensierte Daten

Hallo nochmal Mark,

 

Vielen Dank für Ihre nützlichen Kommentare. Ich verstehe die Verwendung der Lebensverteilung zur Überlebensanalyse und meine Daten unterscheiden sich tatsächlich von diesen Fällen. Es geht nur darum herauszufinden, ob es eine Methode gibt, die Werte unterhalb und oberhalb der LOQs nutzen kann, anstatt sie einfach zu verwerfen. Die Überlebensanalyse berücksichtigt zensierte Daten und ich wollte herausfinden, ob es bei der Methodenvergleichsanalyse etwas Ähnliches gibt. Nach meinem Verständnis besagt Joses Problem auf Seite 13, dass die Frage von Interesse darin besteht, ob beide Analysatoren die gleiche Leistung erbringen, wenn es mehrere Beobachtungen an der Nachweisgrenze von 0,05 gibt. Das sind keine Überlebensdaten, oder?

In der Literatur verwenden Menschen verschiedene Ansätze, um damit umzugehen. Einige verwerfen diese Werte direkt. Andere transformieren sie (wie bereits erwähnt), um einen ungefähren Wert zu erhalten, was, wie Sie perfekt erwähnt haben, zu einer gewissen Verzerrung führen kann. Aber es gibt hier einen Kompromiss zwischen der Einführung einer gewissen Voreingenommenheit an den Rändern und dem Wegwerfen von Beobachtungen. Sie können sich in einer klinischen Studie befinden, in der Sie 20 Patienten haben und bei 6 oder 7 von ihnen eine gemessene Konzentration unterhalb der LOQ für einen der Analysatoren vorliegt, die Messwerte auf dem anderen jedoch 100 % innerhalb des Bereichs liegen. Es ist schwierig, sie einfach wegzuwerfen.

David

Betreff: Methodenvergleich für zensierte Daten

Ja, ich habe Joses Artikel gelesen, bevor ich auf Ihre Frage geantwortet habe. Die einzige Ähnlichkeit zwischen seiner und Ihrer Datenanalyse besteht darin, dass Sie beide über zensierte Daten verfügen. Der Lebensverteilung Die Plattform hat den gleichen Zweck wie die Verteilung Plattform, sie wird jedoch erweitert, um verschiedene Verteilungsmodelle und Ergebnisse bereitzustellen, die üblicherweise von der Analyse von erwartet werden Zeit für die Veranstaltung Daten.(Denken Sie an eine Überlebens- oder Zuverlässigkeitsanalyse.) Würden Sie beides verwenden? Verteilung oder Lebensverteilung die Verteilung der Tests modellieren? Möchten Sie die Verteilung der Werte der beiden Tests vergleichen?

Betreff: Methodenvergleich für zensierte Daten

Lieber Mark, vielen Dank für deinen sehr nützlichen Beitrag. Ich frage mich, ob Sie Zeit hatten, das Dokument vom JMP Discovery Summit durchzugehen, auf das ich mich in meinem ursprünglichen Beitrag beziehe. Auf den Seiten 13 und 14 scheint José G. Ramirez über ein ähnliches Problem zu diskutieren, mit dem ich konfrontiert bin. Und er führt meiner Meinung nach eine Lebensverteilungsanalyse durch.

 

David

Betreff: Methodenvergleich für zensierte Daten

Meine Frage bestand lediglich darin, herauszufinden, welche Methoden Sie verwenden wollten.

Leider erkennen die meisten statistischen Methoden keine Zensur an.Die meisten mir bekannten Vergleiche (z. B. CLSI) lassen daher Daten aus, die außerhalb des quantitativen Bereichs des Tests liegen. Sie können die Nachweisfähigkeit und Linearität der beiden Tests separat vergleichen.

Betreff: Methodenvergleich für zensierte Daten

Lieber Mark,

 

Vielen Dank für Ihre Antwort und für die Klarstellung der Datenbeschaffenheit. Ich werde das im Hinterkopf behalten.

 

Was Ihre Frage betrifft, bin ich mir nicht sicher, ob ich sie richtig verstehe. Ich habe zwei quantitative Methoden zum Nachweis von Proteinen und möchte sie vergleichen. Wenn ich mich nicht irre, sind die am besten geeigneten Methoden (oder zumindest einige, die ich in der Literatur gefunden habe) zum Vergleich solcher Messungen Bland-Altman-Diagramme und Passing-Bablok-Regression. Ist das richtig? Können Sie noch eine andere Methode vorschlagen?

Ich verstehe, dass das Ersetzen von Daten zu Verzerrungen führt, aber wie kann ich dann Daten mit „kleiner als“- oder „größer als“-Ergebnissen analysieren? Ich kann es nicht einfach ignorieren, da es wertvolle Informationen liefert (meistens kein Protein, aber andererseits auch große Proteinmengen).

Am besten,

David

Betreff: Methodenvergleich für zensierte Daten

Ihre Daten sind nicht Intervall zensiert. Ihre Beobachtungen, die < LOQ sind, sind links zensiert und Ihre Beobachtungen, die > LOQ sind, sind rechts zensiert . Ihre Beobachtungen innerhalb dieser Grenzen sind genau.

Verwenden Sie daher LOQ/2 nicht für die linkszensierten Beobachtungen ad hoc Eine Substitution wird Ihre Antworten verzerren.

Wie vergleicht man „zwei Analysemethoden“?