一、问题与数据
有两种方法可用于诊断某种癌症,A方法简单易行,成本低,患者更容易接受,B方法结果可靠,但操作繁琐,患者配合困难。某研究选择了53例待诊断的门诊患者,每个患者分别用A和B两种方法进行诊断(表1),判断两种方法诊断癌症有无差别,A方法是否可以代替B方法。
表1 进口药和国产药治疗效果
二、对数据结构的分析
之前介绍过成组设计的列联表,它的行变量和列变量代表的是一个事物的两个不同属性,以我们举过的A药和B药治疗急性心肌梗死患者疗效比较为例,例子中行变量“药物”和列变量“转归”是患者的两个不同特征。
但是配对设计的列联表却有些不同,它的行变量和列变量代表的是一个事物的同一属性,只是对这个属性的判断方法不同而已。如表1所示,行和列均指的是患者是否患有癌症,所不同的是一个是A方法,另一个是B方法。这种列联表最大的特点是行和列数目永远都是一样的。此时,再用成组计数资料的χ2检验就不合适了。这里我们就要用到Kappa一致性检验和配对χ2检验(McNemar检验)。
为什么同一配对设计计数资料咋还有两种检验方法呢?其实这两种方法各有侧重:
1、Kappa检验旨在评价两种方法是否存在一致性;配对χ2检验主要确定两种方法诊断结果是否有差别;
2、Kappa检验会利用列联表的全部数据,而配对χ2检验只利用“不一致“数据,如表1中b和c;
3、Kappa检验可计算Kappa值用于评价一致性大小,而配对χ2检验只能给出两种方法差别是否具有统计学意义的判断。
Kappa值判断标准: