删失数据的方法比较嗨，小组，
我想比较区间删失的分析方法（定量限 - 定量上限）。 所以我观察到的值为 
（LOQ）以及 >120（上限 LOQ）。 通常布兰德-奥特曼会这样做，但在这种情况下我不确定。
有些人建议用最低的 BQL 观测值替换 LOQ/2。 但是上面的 LOQ 怎么样？
2014 年 JMP Discovery 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 ）但本文档中对此解释甚少。
关于如何处理这些数据有什么建议吗？
预先感谢您的任何意见
戴夫
回复：截尾数据的方法比较不幸的是，广义回归无法同时处理 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。 方法比较涉及新测定与标准测定的回归分析。 两种分析都有错误。
回复：截尾数据的方法比较嗯，对我来说这是一个新的研究领域，我正在学习。 但我首先想到的是这些特殊的观察结果。 请查看下表，其中显示了两种不同方法以相同单位进行的浓度测量。他们有不同的 LOQ：
| 方法A | 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 |
如果我必须放弃这些观察结果，那么这将占我数据集的 30%，因为必须成对进行比较分析。 但仔细观察可以发现，在大多数
最初的想法可能是，好吧，观测值分别高于 10 和 15 个单位，因此该观测值对于一种方法至少有 10 个单位，而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 不能也不应该被 0.035 替代，可以吗？ 如前所述，一些作者使用 LOQ/2 作为这些值，其他作者使用 0，其他作者则丢弃该信息。
最好的，
大卫
回复：截尾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。 您绝对可以选择其中之一。 但不是两者兼而有之。 您可以在 Gen Reg 中进行间隔删失。但是，正如马克所说，这不是你所拥有的。
我认为您可能需要考虑不同的解决方案。
使用 LoQ 之外的样本进行方法比较是否有意义？ 这如何帮助您回答“我的方法等效吗？”的问题？
回复：截尾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：截尾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审查数据可能会很有用。 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：截尾数据的方法比较嗨，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，我的数据确实与这些情况不同。 问题只是找出是否有一种方法可以利用那些低于和高于 LOQ 的值，而不是直接丢弃它们。 生存分析包含审查数据，我想找出方法比较分析中是否有类似的东西。 据我了解，第 13 页上的 Jose 问题指出，感兴趣的问题是当检测限为 0.05 时有多个观察值时，两个分析仪的性能是否相同。 这不是生存数据，是吗？
从文献中，人们使用几种不同的方法来处理它们。 有些直接丢弃这些值。 其他人将它们转换为近似值（如前所述），正如您完美提到的，这可能会引入一些偏差。 但在边缘引入一些偏差与丢弃观察结果之间存在权衡。 在一项临床研究中，您可能会遇到这样的情况：您有 20 名患者，其中 6 名或 7 名患者的测量浓度低于一台分析仪的 LOQ，但另一台分析仪的测量值 100% 在范围内。 很难将它们扔掉。
大卫
回复：截尾数据的方法比较是的，在回答你的问题之前我读了何塞的论文。 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对数据进行了审查。 这寿命分布平台与平台有着相同的目的分配平台，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是从分析中预期的事件发生时间数据。（想想生存或可靠性分析。）您会使用其中之一吗分配或者寿命分布来模拟分析的分布？ 您想比较两次测定的值分布吗？
回复：截尾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原始帖子中提到的 JMP Discovery Summit 文档。 在第 13 和 14 页，José G Ramirez 似乎正在讨论我面临的类似问题。 他执行了我认为的生命分布分析。
大卫
回复：截尾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，据我所知，大多数比较（例如 CLSI）都会忽略超出测定定量范围的数据。 您可以分别比较两种检测的检测能力和线性度。
回复：截尾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，我会记住这一点。
关于你的问题，我不确定我是否正确。 我有两种检测蛋白质的定量方法，我想对它们进行比较。 如果我没记错的话，用于比较此类测量的最合适的方法（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。 它是否正确？ 您还可以建议其他方法吗？
我知道替换数据会引入偏差，但是如何分析结果为“小于”或“大于”的数据呢？ 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，但另一方面也含有大量蛋白质）
最好的，
大卫
回复：截尾数据的方法比较您的数据是不是间隔审查。 您的观察结果 < LOQ 是左审查您的观察结果 > LOQ 是右删失。 您在这些限制之间的观察结果是准确的。
不要对左删失观测值使用 LOQ/2，因为这特别指定替换会使你的答案产生偏差。
您如何“比较两种分析方法”？
