删失数据的方法比较嗨团，
我想比较区间删失的分析方法（定量限 - 定量上限）。所以我观察到的值分别为 
(LOQ) 和 >120 (Upper LOQ)。通常 Bland-Altman 会这样做，但在这种情况下我不确定。
有些人建议用 LOQ/2 代替 BQL 观察值的最低值。但是上限 LOQ 呢？
在 2014 年 JMP 发现峰会上讨论了审查数据（ https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discovery-2014-content/53/1/Discovery%20Summit%202014%20(Your%20Data%20Is%20Censored).pdf ) 但本文档中几乎没有解释。
关于如何处理这些数据的任何建议？
预先感谢您的任何输入
戴夫
回复：删失数据的方法比较不幸的是，广义回归不能同时处理 X 和 Y 中的错误。目前，只有 Bivariate 可以使用 Fit Orthogonal 命令处理这种情况。方法比较涉及新检测与标准检测的回归分析。两种检测都有错误。
回复：删失数据的方法比较嗯，对我来说这是一个新的研究领域，我正在学习。但我想到的第一件事是关于这些特殊观察。请查看下表，它代表了两种不同方法中相同单位的浓度测量值。他们有不同的 LOQ：
| 方法一 | 方法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 |
如果我必须丢弃这些观察结果，那将是我数据集的约 30%，因为这必须成对进行比较分析。但是仔细观察会发现，在大多数
最初的想法可以是，好吧，所以观察值分别高于 10 和 15 个单位，因此该观察值对于一种方法至少有 10 个单位，对于另一种方法至少有 15 个单位。这是有用的信息，不是吗？另一方面，<0.035 不能或不应该被 0.035 代替，可以吗？如前所述，一些作者对这些值使用 LOQ/2，其他人使用 0，其他人丢弃信息。
最好的事物，
大卫
回复：删失数据的方法比较嗨，大卫，
不，这在 JMP 中是不可能的。事实上，我不确定是否可以在 JMP Pro 的 Gen Reg 中分析左删失和右删失的数据。你绝对可以做一个或另一个。但不能两者兼而有之。您可以在 Gen Reg 中进行间隔审查。但是，正如马克所说，那不是你所拥有的。
我认为您可能需要考虑不同的解决方案。
使用 LoQ 之外的样品进行方法比较是否有意义？这如何帮助您回答“我的方法是否等效”的问题？
回复：删失数据的方法比较谢谢菲尔！
我有 JMP 13，而不是 JMP Pro，这可以使用拟合模型并选择广义线性模型来实现吗？您将如何在数据库中输入这些值并定义列信息？
回复：删失数据的方法比较嗨，大卫，
了解 JMP Pro 中的广义回归平台可以处理删失数据可能很有用。您可以使用它来尝试比较两种蛋白质测量技术的平均值，包括 LoQ 数据。
问候，
菲尔
回复：删失数据的方法比较再次嗨，马克，
感谢您的有用评论。我了解使用生命分布进行生存分析，我的数据确实与那些情况不同。只需找出是否有一种方法可以利用低于和高于 LOQ 的值，而不仅仅是丢弃它们。生存分析适用于删失数据，我想知道在方法比较分析中是否存在类似的东西。据我了解，Jose 在第 13 页上的问题指出，感兴趣的问题是当在 0.05 的检测限处有多个观测值时，两个分析仪是否表现相同。这不是生存数据，是吗？。
人们从文学作品中使用几种不同的方法来处理它们。有些直接丢弃这些值。其他人将它们（如前所述）转换为近似值，正如您完美提到的那样可能会引入一些偏差。但是在边缘引入一些偏差而不是丢弃观察结果之间存在权衡。您可能会遇到一项临床研究的情况，其中您有 20 名患者，其中 6 或 7 名患者的其中一个分析仪的测量浓度低于 LOQ，但另一台分析仪的测量浓度为 100%。很难把它们扔掉。
大卫
回复：删失数据的方法比较是的，我在回答你的问题之前阅读了 Jose 的论文。他的数据分析和你的数据分析之间唯一的相似之处是你们都有审查数据。这寿命分配平台的目的与分配平台，但它被扩展为提供不同的分布模型和结果，这些模型和结果通常从分析中得到活动时间数据。 （想想生存分析或可靠性分析。）你会使用分配或者寿命分配模拟分析的分布？您想比较两个测定值的分布吗？
回复：删失数据的方法比较亲爱的马克，感谢您提供非常有用的意见。我想知道您是否有时间阅读我在 mi 原帖中提到的 JMP Discovery Summit 的文档。在第 13 和 14 页上，José G Ramirez 似乎只是在讨论我面临的一个类似问题。他执行了我认为的生命分布分析。
大卫
回复：删失数据的方法比较我的问题只是想了解您打算使用哪些方法。
不幸的是，大多数统计方法不承认审查。 因此，我所知道的大多数比较（例如，CLSI）都忽略了超出检测定量范围的数据。您可以分别比较两种测定的检测能力和线性。
回复：删失数据的方法比较亲爱的马克，
感谢您的回答并澄清数据性质，我会牢记这一点。
关于你的问题，我不确定我是否正确。我有两种定量方法来检测蛋白质，我想比较它们。如果我没有错的话，比较这些测量值的最合适的方法（或者至少是我在文献中找到的一些方法）是 Bland-Altman 图和 Passing-Bablok 回归。这样对吗？您可以建议任何其他方法吗？
我知道替换数据会引入偏差，但是我如何分析具有“小于”或“大于”结果的数据？我不能忽视它，因为它提供了有价值的信息（主要是缺乏蛋白质，但另一方面也有大量蛋白质）
最好的事物，
大卫
回复：删失数据的方法比较你的数据是不是间隔审查。< LOQ 的观察结果是左审查并且您的观察结果 > LOQ 是右审查. 您在这些限制之间的观察是准确的。
不要将 LOQ/2 用于左删失观察，因为这样特别指定替换会使您的答案产生偏差。
您如何“比较两种分析方法”？
