Baidu
map

CLIN CHEM LAB MED:一项关于参考区间位移的线性回归研究会揭示什么?

2020-02-12 MedSci MedSci原创

参考区间(RIs) 位移可以扩展已有RIs的适用性。然而,对位移方法的研究还不够,基于小样本的RIs验证不能充分识别复杂情况下的位移风险。本研究旨在寻找合适的条件来保证位移的效果。

参考区间(RIs) 位移可以扩展已有RIs的适用性。然而,对位移方法的研究还不够,基于小样本的RIs验证不能充分识别复杂情况下的位移风险。本研究旨在寻找合适的条件来保证位移的效果。

我们建立了罗氏和贝克曼的RIs系统,对681名健康个体进行了27项分析。使用线性回归(最小二乘法)Roche RIs转换为Beckman RIs,方法分为Methodref(500个测试数,数据范围较窄)Methodep(80个测试数,数据范围较宽)两种。以Beckman结果建立的RIs为标准,对不同条件下位移结果的准确性、精密度和真实性进行了评估。

研究结果显示,两种体系中,分别有29.6%48.1%的分析物的上下限是一致的。甲氨喋呤转位与测量的RIs符合率分别为74.1%92.6%,优于甲氨喋呤的44.4%59.3%。在相同的数据范围内,位移参考限的CV值随着试验次数的增加而逐渐减小。对于大多数分析物,除了一些电解质试验,当r > 0.800且试验次数足够时,无论回归方程类型如何,我们都可以得到准确的结果。

研究表明,RIs的可位移性受多种因素的影响,如相关性、检验次数、回归方程类型、质量要求等。为了降低位移风险,在合理的条件下选择合适的位移方式是非常重要的。

原始出处:

Runqing Mu,Ke Yun,A study on reference interval transference via linear regression

本文系梅斯医学(MedSci)原创编译整理,转载需授权!


版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1701386, encodeId=a5fe1e013869e, content=<a href='/topic/show?id=214ee756845' target=_blank style='color:#2F92EE;'>#线性回归#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=96, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77568, encryptionId=214ee756845, topicName=线性回归)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=748630348850, createdName=天堂的云, createdTime=Mon Apr 27 00:10:00 CST 2020, time=2020-04-27, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1546918, encodeId=3b5e1546918bd, content=<a href='/topic/show?id=ed723e350e0' target=_blank style='color:#2F92EE;'>#参考区间#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=60, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=37350, encryptionId=ed723e350e0, topicName=参考区间)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=910c13959987, createdName=12498dabm81暂无昵称, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1610243, encodeId=2764161024329, content=<a href='/topic/show?id=eb6b1145939' target=_blank style='color:#2F92EE;'>#Med#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=0, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=11459, encryptionId=eb6b1145939, topicName=Med)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=552a19396740, createdName=ms3994565386320060, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1701386, encodeId=a5fe1e013869e, content=<a href='/topic/show?id=214ee756845' target=_blank style='color:#2F92EE;'>#线性回归#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=96, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77568, encryptionId=214ee756845, topicName=线性回归)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=748630348850, createdName=天堂的云, createdTime=Mon Apr 27 00:10:00 CST 2020, time=2020-04-27, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1546918, encodeId=3b5e1546918bd, content=<a href='/topic/show?id=ed723e350e0' target=_blank style='color:#2F92EE;'>#参考区间#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=60, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=37350, encryptionId=ed723e350e0, topicName=参考区间)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=910c13959987, createdName=12498dabm81暂无昵称, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1610243, encodeId=2764161024329, content=<a href='/topic/show?id=eb6b1145939' target=_blank style='color:#2F92EE;'>#Med#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=0, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=11459, encryptionId=eb6b1145939, topicName=Med)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=552a19396740, createdName=ms3994565386320060, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=)]
  3. [GetPortalCommentsPageByObjectIdResponse(id=1701386, encodeId=a5fe1e013869e, content=<a href='/topic/show?id=214ee756845' target=_blank style='color:#2F92EE;'>#线性回归#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=96, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=77568, encryptionId=214ee756845, topicName=线性回归)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=748630348850, createdName=天堂的云, createdTime=Mon Apr 27 00:10:00 CST 2020, time=2020-04-27, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1546918, encodeId=3b5e1546918bd, content=<a href='/topic/show?id=ed723e350e0' target=_blank style='color:#2F92EE;'>#参考区间#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=60, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=37350, encryptionId=ed723e350e0, topicName=参考区间)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=910c13959987, createdName=12498dabm81暂无昵称, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1610243, encodeId=2764161024329, content=<a href='/topic/show?id=eb6b1145939' target=_blank style='color:#2F92EE;'>#Med#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=0, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=11459, encryptionId=eb6b1145939, topicName=Med)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=552a19396740, createdName=ms3994565386320060, createdTime=Fri Feb 14 14:10:00 CST 2020, time=2020-02-14, status=1, ipAttribution=)]

相关资讯

线性回归中非多重共线性假定与解决方案(3)

5. 逐步分析法     当模型中存在多重共线性时,可以用逐步分析法剔除那些引起多重共线性的,不重要的解释变量从而消除多重共线性。 逐步分析法的步骤是,首先估计被解释变量对每一个解释变量的回归方程,然后依据显著性检验确定出对因变量贡献最大的解释变量所对应的回归方程,并以它为基础,逐个引入其余解释变量

线性回归分析(2)

线性回归分析(2)

线性回归分析(3)

线性回归分析(3)

如何理解线性回归的方差齐性检验

不少人可能对方差齐性检验不是很重视,觉得正态性可能更重要,但其实方差齐性的重要程度可能更大,因为它可能会让你的标准误发生很大变化,从而导致结论的变化。线性回归中,方差齐性是一个必须考虑的前提条件。本文主要介绍一下,如何理解线性回归中的方差齐性的含义,以及如何对方差是否齐性进行探测。线性回归中方差齐性的含义所谓方差齐性,也就是方差相等,在t检验和方差分析中,都需要满足这一前提条件。在两组和多组比较中

SPSS软件应用——线性回归分析操作及演示图

“回归”,最早由英国遗传学家弗朗西斯•高尔顿(Francis Galton)引入。在一篇著名的论文“Family Likeness in Stature”中,高尔顿发现,虽然有一个趋势:父母高,子女也高;父母矮,子女也矮,即父母的身高对子女的身高起到决定性作用。但给定父母的身高,子女的平均身高却趋向于或者“回归”到种族人群的平均身高。换言之,尽管父母都非常高或非常矮,但儿女的身高却有回归到人群总体

线性回归分析(1)

线性回归分析(1)

Baidu
map
Baidu
map
Baidu
map