TAB 3 – 12 e 14 dicembre 17
FS3: fallstudium3-ng
Dati: cbzp_csv
Si tratta di un FS molto importante in quanto vengono presentate le tecniche di comparazione dei metodi (MethComp) che vengono usate per comparare i nuovi apparecchi di misura a quelli gold-standard in uso.
Qui sotto l’esempio per eseguire una regressione di Passing e Bablok usando il pacchetto MethComp.
cbzp <- read.csv("~/Scuola/SSMT/TAB-TRM/R2016/tab3/1dic16/cbzp.csv") library("MethComp", lib.loc="~/R/x86_64-pc-linux-gnu-library/3.1") passbab.cbzp<-PBreg(cbzp$vitros,cbzp$immulite) passbab.cbzp plot.PBreg(passbab.cbzp)
Regressione di Deming (gli I.C. solitamente sono calcolati con procedura di bootstrap). La regressione è disponibile in più pacchetti (MethComp,mcr,deming).
library("mcr", lib.loc="~/R/win-library/3.3") library("MethComp", lib.loc="~/R/win-library/3.3") library("deming", lib.loc="~/R/win-library/3.3") #MethComp dem_cbzp<-Deming(cbzp$vitros,cbzp$immulite,boot=TRUE) dem_cbzp #mcr mcr_demreg<- mcreg(cbzp$vitros,cbzp$immulite, method.reg = "Deming") mcr_demreg MCResult.plot(mcr_demreg,x.lab="Vitros",y.lab="Immulite") printSummary(mcr_demreg) #deming deming_cbzp<-deming(vitros~immulite,data=cbzp) deming_cbzp
Per i plot Bland-Altman si può ricorrere a MethComp oppure anche al pacchetto BlandAltmanLeh. Quest’ultimo è interessante per la funzione bland.altman.stats che permette di determinare rapidamente sia gli intervalli di confidenza dei singoli punti sia gli intervalli di confidenza della media. Riamando comunque al sito del pacchetto BlandAltmanLeh per ulteriori (e parecchie) possibilità
#MethComp BlandAltman(cbzp$vitros,cbzp$immulite) #BlandAltmanLeh library("BlandAltmanLeh", lib.loc="~/R/x86_64-pc-linux-gnu-library/3.3") bland.altman.plot(cbzp$vitros,cbzp$immulite) bland.altman.stats(cbzp$vitros,cbzp$immulite)