L'analyse de Bland-Altman , également appelée méthode des limites d'accord, est la norme statistique internationalement reconnue pour évaluer l'interchangeabilité de deux méthodes de mesure en pratique clinique. Décrite initialement par Martin Bland et Douglas Altman dans leur article fondateur paru dans The Lancet en 1986 , cette méthode a été citée plus de 40 000 fois et demeure la pierre angulaire des études comparatives de méthodes en médecine, en physiologie et en contrôle de la qualité.
Ce guide explique en détail le fonctionnement de l'analyse de Bland-Altman, comment construire et interpréter un graphique de Bland-Altman, la signification pratique des limites d'accord et du biais, et comment éviter les erreurs d'interprétation les plus fréquentes. Que vous validiez un nouvel oxymètre de pouls, compariez deux analyses de laboratoire ou conceviez une étude de dispositif en vue d'une soumission réglementaire, cet article vous fournit les bases nécessaires pour une analyse réussie.
Rédigé par l' équipe de rédaction médicale d'Editverse | Relu par le comité éditorial d'Editverse | Dernière mise à jour : juin 2026
💡 En termes simples
Qu'est-ce qu'un diagramme de Bland-Altman, en termes simples ?
Imaginez que vous mesuriez la tension artérielle d'un patient avec un ancien tensiomètre à mercure et un nouvel appareil automatique. Les deux appareils donnent une valeur, mais sont-elles suffisamment proches pour être interchangeables ? Un diagramme de Bland-Altman répond visuellement à cette question. Pour chaque patient, il calcule la différence entre les deux mesures (axe des ordonnées) et leur moyenne (axe des abscisses), puis représente un point par patient. On obtient ainsi un nuage de points entouré de trois lignes horizontales : la différence moyenne (biais) au centre, et les limites supérieure et inférieure de l'intervalle de concordance (±1.96 écart-type) au-dessus et en dessous. Si ces lignes extérieures se situent dans un intervalle cliniquement acceptable, les méthodes sont suffisamment concordantes pour être interchangeables.
🧠 Quiz rapide
Q : Un diagramme de Bland-Altman présente une différence moyenne de +5 mmHg. Qu'est-ce que cela signifie ?
A : En moyenne, la méthode B affiche une valeur supérieure de 5 mmHg à celle de la méthode A pour l'ensemble des mesures, un phénomène appelé biais systématique . Son acceptabilité dépend du contexte clinique : une différence de 5 mmHg peut convenir au suivi des tendances, mais être inacceptable pour le diagnostic de l'hypertension.
Pourquoi la corrélation et la régression ne suffisent pas à comparer les méthodes
Une erreur fondamentale en recherche clinique consiste à utiliser le coefficient de corrélation de Pearson (r) ou une simple régression linéaire pour déterminer la concordance entre deux méthodes de mesure. Les chercheurs publiant des analyses de régression et de corrélation supposent souvent qu'un coefficient r élevé (par exemple, r = 0.95) signifie que les méthodes sont interchangeables ; or, c'est une erreur, et la raison en est subtile.
La corrélation mesure la force d'une relation linéaire , et non le degré de concordance . Deux méthodes peuvent présenter une corrélation parfaite (r = 1.0) tout en divergeant systématiquement d'une valeur constante. Si votre nouveau thermomètre affiche une température supérieure de 2 °C à celle de l'appareil de référence pour chaque patient, la valeur de r est de 1.0, mais les méthodes divergent manifestement. De même, les modèles de régression ajustent une droite aux données, mais ne quantifient pas l'écart entre les paires de mesures.
Bland et Altman ont démontré empiriquement ce problème en 1986. La solution qu'ils ont proposée (représenter graphiquement les différences par rapport aux moyennes) permet de visualiser directement à la fois le biais systématique et la variabilité aléatoire sans l'optimisme trompeur des coefficients de corrélation élevés.
Principes fondamentaux de l'analyse de Bland-Altman
La différence moyenne (biais)
La différence moyenne (d̄) correspond à la moyenne arithmétique de toutes les différences deux à deux (Méthode B moins Méthode A) au sein de votre échantillon. Une valeur proche de zéro indique l'absence de biais systématique entre les méthodes. Une valeur positive signifie que la Méthode B donne systématiquement des résultats supérieurs ; une valeur négative signifie qu'elle donne des résultats inférieurs. L'amplitude de cette différence est interprétée en unités cliniques, et non en pourcentage ; par conséquent, l'acceptabilité d'une valeur de d̄ = 3 mmHg dépend entièrement du contexte clinique.
Les limites de l'accord
Les limites d'accord (LOA) sont calculées comme suit :
LOA inférieure = d̄ − 1.96 × SD
Ces limites définissent l'intervalle dans lequel on s'attend à ce que 95 % des différences de mesure individuelles se situent, en supposant que ces différences suivent une distribution normale. Une étude comparative de méthodes est jugée acceptable si les deux limites d'accord (LOA) se situent dans une marge de différence maximale admissible (MAD) prédéfinie , un seuil clinique fixé avant la collecte des données, et non après. Cette exigence de pré-spécification est non négociable ; fixer la MAD après avoir examiné les données relève d'un raisonnement circulaire.
Une étude de 2020 réalisée par Gerke et publiée dans Diagnostics (PMC7278016) a examiné les normes de rapport dans des centaines d'études d'accord de Bland-Altman et a constaté que la pré-spécification des limites acceptables était absente dans la majorité des articles publiés, une lacune méthodologique importante que les examinateurs signalent désormais dans les principales revues.
Intervalles de confiance autour des limites
Les limites d'accord (LOA) sont des estimations d'échantillon, et non des paramètres de population. Elles comportent une incertitude. Pour les petits échantillons (n < 60), ces intervalles de confiance peuvent être suffisamment larges pour rendre l'analyse non informative. Le dimensionnement de l'échantillon est donc essentiel pour les études de concordance. Gerke et al. (2022), dans le Journal of Clinical Monitoring and Computing (PMID 35438365), proposent des formules spécifiques pour le calcul de la taille de l'échantillon dans les études de LOA ; une référence que tout chercheur concevant une étude de comparaison de méthodes devrait consulter.
Préparation des données pour l'analyse Bland-Altman
Exigences en matière de données
Une analyse de Bland-Altman valide requiert les éléments suivants :
- Mesures appariées : Chaque sujet doit être mesuré par les deux méthodes, idéalement simultanément ou dans un intervalle de temps cliniquement acceptable.
- Variables continues : Cette méthode s'applique aux mesures quantitatives (pression artérielle, glycémie, volume pulmonaire). Elle ne convient pas aux données ordinales ou catégorielles.
- Taille d'échantillon adéquate : Un minimum de 40 à 50 paires est généralement recommandé ; certains auteurs suggèrent au moins 100 paires pour des estimations LOA stables.
- Autonomie: Chaque paire doit représenter un individu différent. Les mesures répétées sur un même individu nécessitent des versions modifiées de l'analyse (voir ci-dessous).
- Différences normalement distribuées : La formule LOA suppose la normalité des différences, et non celle des mesures brutes. Un test de Shapiro-Wilk ou un graphique QQ des différences doit être utilisé pour vérifier cette hypothèse avant de poursuivre.
Quand l'hypothèse de normalité n'est pas vérifiée
Si les différences sont asymétriques ou présentent une erreur proportionnelle (la variance augmentant avec l'amplitude de la mesure), deux approches sont possibles. Premièrement, une transformation logarithmique des données brutes avant le calcul des différences stabilise souvent la variance. La transformation inverse donne le rapport des limites d'accord (LOA) plutôt que la LOA de différence. Celles-ci sont interprétées comme le facteur par lequel une méthode surpasse l'autre, et non comme une différence additive. Deuxièmement, on peut utiliser une LOA non paramétrique basée sur les percentiles 2.5 et 97.5 de la distribution des différences brutes, mais cela nécessite des échantillons plus importants.
Construction d'un diagramme de Bland-Altman : étape par étape
Les étapes suivantes décrivent la création d'un graphique de Bland-Altman à partir de données brutes :
- Calculez la différence : Pour chaque sujet i, calculez d_i = B_i − A_i. La convention de signe (B moins A ou A moins B) doit être indiquée et maintenue de manière cohérente tout au long du document.
- Calculer la moyenne : Pour chaque sujet, calculez avg_i = (A_i + B_i) / 2.
- Calculer la différence moyenne : d̄ = moyenne de toutes les valeurs d_i.
- Calculer l'écart type des différences : SD = écart type de toutes les valeurs d_i.
- Calculer la LOA : Supérieur = d̄ + 1.96 × SD ; Inférieur = d̄ − 1.96 × SD.
- Terrain: Axe des abscisses : moyenne des valeurs de i pour chaque paire ; axe des ordonnées : écart des valeurs de i pour chaque paire. Ajouter trois lignes de référence horizontales pour la différence moyenne et les deux limites d’accord. Ajouter des bandes d’intervalle de confiance à 95 % autour de chaque ligne.
- Évaluer visuellement : Recherchez les schémas non aléatoires (voir la section Interprétation).
Implémentation logicielle
Toutes les principales plateformes statistiques prennent en charge les diagrammes de Bland-Altman. Dans R, blandr Le package (CRAN) automatise toutes les étapes, y compris les bandes CI. En Python, pyCompare La bibliothèque produit des graphiques prêts à être publiés. Les utilisateurs de SPSS peuvent utiliser la macro Bland-Altman disponible dans MedCalc. GraphPad Prism et MedCalc intègrent des fonctions Bland-Altman. Pour une analyse rapide en ligne, Calculatrice de Bland-Altman gratuite Editverse et l'application Shiny BA-plotteR gèrent toutes deux les plans d'expériences standard et à mesures répétées sans aucune connaissance en programmation.
Limites de l'accord, biais et graphique des différences : guide d'interprétation
Les trois éléments structurels d'une analyse de Bland-Altman (biais, limites d'accord et nuage de points) répondent chacun à une question clinique différente.
| Élément | Définition | Question clinique à laquelle elle répond |
|---|---|---|
| Différence moyenne (biais) | Moyenne de toutes les différences par paires | Une méthode donne-t-elle des résultats systématiquement supérieurs ou inférieurs ? |
| Limites de l'accord (LOA) | Moyenne ± 1.96 × écart-type des différences | Quelle est l'ampleur des désaccords individuels ? |
| Diagramme de dispersion des différences | Points individuels (moyenne vs différence) | Observe-t-on des tendances, des valeurs aberrantes ou des erreurs proportionnelles ? |
Lecture des schémas visuels dans l'intrigue
Une dispersion horizontale aléatoire autour de la ligne de différence moyenne constitue le schéma idéal, ce qui signifie que l'écart entre les méthodes est constant et imprévisible, sans caractéristiques systématiques. Les schémas suivants indiquent des problèmes :
- Forme en entonnoir (erreur proportionnelle) : Si la dispersion augmente avec la moyenne, les méthodes divergent davantage pour les valeurs élevées. Ceci contrevient à l'hypothèse de normalité et nécessite généralement une transformation logarithmique avant de poursuivre.
- Tendance de la pente : Une tendance à la hausse ou à la baisse visible sur l'axe des abscisses suggère un biais proportionnel : une méthode donne des résultats proportionnellement plus élevés ou plus faibles à différents niveaux de mesure. La régression de Passing-Bablok quantifie ce biais avec plus de précision.
- Valeurs aberrantes au-delà de la LOA : Par définition, environ 5 % des points sont attendus en dehors des limites d'accord. Un pourcentage supérieur à 5 %, ou la présence d'un groupe de valeurs aberrantes, justifie une investigation. Vérifiez la présence d'erreurs de saisie de données, de facteurs de confusion propres au patient ou d'écarts au protocole.
- Clustering non aléatoire : Des groupes de points dans des plages de mesure spécifiques peuvent indiquer des effets de sous-population (par exemple, les méthodes concordent chez les patients normotendus mais pas chez les patients hypertendus).
Sujets avancés : Mesures répétées et modèle de Bland-Altman modifié
L'analyse de Bland-Altman standard suppose une seule paire de mesures par sujet. En pratique, les chercheurs effectuent souvent plusieurs mesures par sujet ; par exemple, trois lectures par chaque méthode le même jour. Appliquer cette analyse standard à des mesures répétées contrevient à l'hypothèse d'indépendance et produit des limites d'accord artificiellement étroites, car les mesures intra-sujet sont corrélées.
L'approche correcte pour les mesures répétées est la suivante : Bland-Altman avec effets aléatoires (également appelée méthode de Bland-Altman à effets mixtes), qui répartit la variance en composantes intra-sujets et inter-sujets. blandr Le package R prend en charge cette extension, tout comme le module de mesures répétées MedCalc. Taffe (2023) dans Méthodes statistiques en recherche médicale (PMID 36352556) fournit des extensions supplémentaires utilisant des limites de tolérance clinique directement applicables aux soumissions réglementaires.
Comparaison de la régression de Bland-Altman avec la régression de Passing-Bablok
La régression de Passing-Bablok est l'autre méthode majeure de comparaison de deux méthodes de mesure quantitatives. Technique non paramétrique, elle estime une droite de régression entre les deux méthodes sans supposer l'absence d'erreur ni la normalité de la distribution des erreurs. Elle est particulièrement utile en chimie clinique pour la détection simultanée des biais constants et proportionnels.
Ces deux méthodes sont complémentaires et non concurrentes. L'analyse de Bland-Altman quantifie l'étendue clinique des divergences dans les unités de mesure initiales. La régression de Passing-Bablok détermine si la relation entre les méthodes est linéaire et si une correction d'étalonnage pourrait éliminer l'écart. Utilisées conjointement, comme le recommande le Clinical and Laboratory Standards Institute (CLSI), elles offrent une vision complète de la concordance des méthodes.
Applications dans les milieux cliniques et de recherche
Validation des dispositifs médicaux
Les organismes de réglementation, notamment la FDA et l'ISO TC 215, exigent des données de comparaison de méthodes lors de la soumission d'un nouveau dispositif de diagnostic à l'approbation. Les normes ISO 5725 et CLSI EP09, les deux lignes directrices de référence pour la comparaison des mesures, préconisent toutes deux l'analyse des limites d'accord (LOA) de Bland-Altman comme critère d'évaluation principal. Pour les technologies de santé portables (moniteurs de glycémie en continu, tensiomètres de poignet, oxymètres de pouls), l'analyse de Bland-Altman est obligatoire avant toute allégation clinique concernant la précision des mesures.
Médecine de laboratoire clinique
Lorsqu'un hôpital passe d'une plateforme d'analyse à une autre (par exemple, en changeant le système d'immuno-essai pour le dosage de la troponine), une étude de Bland-Altman est réalisée afin de confirmer l'équivalence clinique des résultats des patients. Fang et al. (2024) dans Clinical Chemistry and Laboratory Medicine (PMID 38742665) ont démontré qu'un algorithme d'harmonisation basé sur un diagramme de Bland-Altman améliorait significativement l'équivalence des dosages entre les plateformes IVD-MD, une conclusion directement applicable aux procédures d'accréditation des laboratoires.
Recherche physiologique et cardiorespiratoire
Les études de monitorage du débit cardiaque utilisent presque systématiquement l'analyse de Bland-Altman pour comparer les nouvelles techniques moins invasives (analyse du contour de l'onde de pouls, bioimpédance thoracique) à la thermodilution, méthode de référence. La différence moyenne et les limites d'accord (LOA), et non le coefficient de corrélation (r), déterminent si le nouveau dispositif peut remplacer la méthode invasive de référence en pratique clinique. Les choix méthodologiques effectués avant la collecte des données influent directement sur la validité de ces comparaisons.
Contrôle de qualité industrielle
En production, l'analyse de Bland-Altman est utilisée dans l'analyse des systèmes de mesure (ASM) pour évaluer si deux instruments, deux opérateurs ou deux sites de mesure produisent des résultats équivalents. La norme ISO 5725 relative à l'exactitude et à la précision des méthodes de mesure intègre explicitement les analyses de type LOA pour les comparaisons interlaboratoires et interméthodes.
Avantages et limites
Avantages
- Exprimées en unités cliniquement pertinentes, afin que les cliniciens puissent juger directement si les limites d'acceptation sont acceptables pour leur application spécifique.
- Détecte simultanément le biais systématique (différence moyenne) et l'erreur aléatoire (largeur de l'intervalle d'accord).
- Les résultats graphiques sont interprétables par des non-statisticiens.
- Les configurations visuelles (entonnoir, pente, valeurs aberrantes) révèlent des problèmes que les statistiques descriptives seules ne permettraient pas de détecter.
- Des extensions sont disponibles pour les mesures répétées, l'erreur proportionnelle et les données non normales.
Limitations et erreurs courantes
- Spécifications préalables manquantes : L'erreur la plus fréquente. Les lettres d'accord sans écart moyen absolu (EMA) prédéfini ne peuvent pas confirmer un accord acceptable ; elles ne peuvent que décrire un désaccord.
- Hypothèse de normalité : Violé dans les variables biologiques biaisées ; nécessite une transformation ou des alternatives non paramétriques.
- Ne tient pas compte des erreurs de mesure dans la référence : L'analyse considère la méthode A comme exempte d'erreurs, ce qui est rarement vrai en pratique.
- Sous-estimation de la taille de l'échantillon : De nombreuses études publiées utilisent moins de 40 paires, ce qui produit des limites d'accord avec des intervalles de confiance très larges et peu informatifs.
- En ignorant la plage de référence : La limite d'accord (LOA) doit toujours être comparée à la variation biologique naturelle de la quantité mesurée, et non pas seulement au seuil de tolérance clinique.
Normes de présentation des études de Bland-Altman
L'étude de Gerke (2020, PMID 32456091) publiée dans Diagnostics a défini les exigences minimales de rapport pour les études de concordance de Bland-Altman. Une étude correctement rapportée doit inclure : la population étudiée et le nombre de paires de mesures ; la différence maximale admissible (DMA) prédéfinie et sa justification clinique ; la différence moyenne (biais) avec un intervalle de confiance à 95 % ; les limites d'accord (LA) avec un intervalle de confiance à 95 % ; le graphique de Bland-Altman avec les trois lignes de référence et les bandes d'intervalle de confiance ; la confirmation que la normalité des différences a été évaluée ; et une indication précisant si les LA se situent dans la DMA prédéfinie.
Les chercheurs qui préparent des études comparatives de méthodes en vue de leur soumission à une revue scientifique doivent également consulter les directives de rapport STARD, qui incluent des éléments de Bland-Altman pour les études de concordance diagnostique.
Méthodes statistiques connexes : choisir l’outil approprié
L'analyse de Bland-Altman s'inscrit dans un ensemble plus vaste de méthodes d'évaluation de la concordance et de la fiabilité. Le tableau ci-dessous associe chaque scénario à l'approche appropriée.
| Scénario | Méthode correcte | Ce qu'il mesure |
|---|---|---|
| Deux méthodes continues, une paire par sujet | Bland-Altman | LOA clinique et biais |
| Deux méthodes continues, plusieurs paires par sujet | Bland-Altman à effets mixtes | LOA avec partitionnement de la variance intra- et inter-sujets |
| Relation proportionnelle ou non linéaire suspectée | Régression de Passing-Bablok | Biais systématique (constant + proportionnel) |
| Évaluations ordinales par deux évaluateurs | kappa pondéré | Accord inter-évaluateurs |
| Même instrument, même évaluateur, moments différents | ICC (test-retest) | Répétabilité / fiabilité |
| Force de corrélation entre deux variables | Pearson / Spearman r | Relation linéaire — PAS accord |
Pour une discussion plus approfondie sur le choix entre les approches de régression et de corrélation, consultez le guide Editverse sur la régression et la corrélation dans la recherche clinique . Dans les études présentant des facteurs de confusion observationnels, l'appariement par score de propension est souvent utilisé conjointement à l'analyse de Bland-Altman pour contrôler les covariables au niveau du patient. Si votre étude comprend une revue systématique, reportez-vous à l'article « Revue systématique vs méta-analyse : principales différences expliquées ».
Conclusion
L'analyse de Bland-Altman, fondée sur les limites de concordance, la différence moyenne (biais) et le graphique des différences, demeure la méthode la plus transparente et la plus utile en pratique clinique pour déterminer si deux techniques de mesure sont interchangeables. Son atout majeur réside dans le fait qu'elle utilise les mêmes unités que la mesure elle-même, permettant ainsi aux cliniciens et aux chercheurs d'évaluer la concordance selon leurs propres critères d'acceptabilité prédéfinis.
Les principes essentiels à retenir : toujours définir au préalable la différence maximale admissible avant l’analyse des données ; s’assurer de la normalité de la distribution des différences avant d’appliquer la formule standard ; calculer et présenter les intervalles de confiance à 95 % autour des trois lignes de référence ; et utiliser la visualisation de la dispersion pour détecter les erreurs proportionnelles et les valeurs aberrantes que les statistiques descriptives seules ne permettraient pas de déceler. Pour les soumissions réglementaires, suivre les normes ISO 5725 et CLSI EP09, qui portent toutes deux sur l’analyse de la différence admissible (LOA).
📚 Ressources associées sur Editverse
- Régression ou corrélation en recherche clinique : quand utiliser quoi ?
- Appariement par score de propension : Tutoriel complet pour la recherche médicale
- Calculateur de taille d'échantillon : Guide étape par étape pour les chercheurs
- Comment choisir une revue pour votre article de recherche (2026)
- PRISMA, MOOSE ou ENTREQ : Comprendre les lignes directrices en matière de rapports
- Revue systématique vs méta-analyse : principales différences expliquées
- Calculateur gratuit de diagrammes de Bland-Altman : générez des diagrammes instantanément (2026)
- Quel test statistique choisir ? Outil de sélection de test gratuit
Vous souhaitez que votre analyse d'accord soit réalisée et rédigée ?
Commencez par utiliser le calculateur gratuit de diagramme de Bland-Altman . Si vous avez besoin d'une analyse complète, de tableaux et d'un compte rendu détaillé des résultats pour votre manuscrit, commandez l'analyse statistique de base.
Analyse de commandes (à partir de 350 $) Modèles de régression ou multivariés ? Services d’analyse et de révision statistiques
Questions fréquemment posées
À quoi sert l'analyse de Bland-Altman ?
L'analyse de Bland-Altman permet d'évaluer la concordance entre deux méthodes de mesure quantitatives. Elle détermine si un nouveau dispositif, test ou technique peut remplacer une méthode de référence établie en calculant la différence moyenne (biais) et les limites de concordance, définies comme l'intervalle dans lequel on s'attend à ce que 95 % des différences individuelles se situent.
Quelles sont les limites de l'accord dans un diagramme de Bland-Altman ?
Les limites d'accord (LA) sont calculées comme la différence moyenne ± 1.96 fois l'écart type des différences. Elles définissent l'intervalle dans lequel se situent environ 95 % des différences individuelles observées entre les deux méthodes. Leur pertinence clinique est conditionnée par leur comparaison à une différence maximale admissible prédéfinie avant le début de l'étude.
Pourquoi ne puis-je pas utiliser la corrélation de Pearson pour comparer deux méthodes de mesure ?
La corrélation de Pearson mesure la force d'une relation linéaire, et non la concordance. Deux méthodes peuvent présenter une corrélation parfaite (r = 1.0) tout en divergeant systématiquement par un décalage constant. Seule l'analyse de Bland-Altman quantifie l'ampleur clinique réelle de cette divergence dans les unités de mesure d'origine.
De combien de sujets ai-je besoin pour une étude de Bland-Altman ?
La plupart des méthodologistes recommandent un minimum de 40 à 50 paires pour obtenir des estimations stables des limites d'accord (LOA) ; certaines recommandations suggèrent 100 paires ou plus à des fins réglementaires. Le calcul formel de la taille de l'échantillon doit être effectué à l'aide des formules de Gerke et al. (2022), qui tiennent compte de la précision souhaitée des intervalles de confiance des LOA.
Que signifie un graphique de Bland-Altman en forme d'entonnoir ?
Une forme en entonnoir, où la dispersion des différences s'accroît à mesure que la mesure moyenne augmente, indique une erreur proportionnelle : les deux méthodes divergent davantage pour les valeurs de mesure élevées. Ceci contrevient à l'hypothèse de normalité de l'analyse de Bland-Altman standard. Une transformation logarithmique des données brutes est généralement nécessaire avant de poursuivre.
Quelle est la différence entre la régression de Bland-Altman et la régression de Passing-Bablok ?
L'analyse de Bland-Altman quantifie l'étendue de concordance clinique (ECC) dans les unités de mesure d'origine. La régression de Passing-Bablok identifie mathématiquement les biais constants et proportionnels, déterminant si une correction d'étalonnage permettrait d'obtenir une concordance entre les méthodes. Ces deux méthodes sont complémentaires et sont souvent utilisées conjointement dans les études de validation clinique.
Quel logiciel puis-je utiliser pour créer un graphique de Bland-Altman ?
Les principales options sont : R (package blandr), Python (bibliothèque pyCompare), MedCalc (fonction native), GraphPad Prism, SPSS (via une macro) et l’application web BA-plotteR (sans programmation). Toutes ces options calculent correctement la différence moyenne, les limites d’accord (LOA) et les intervalles de confiance à 95 % à partir de données de mesures appariées.
Les évaluateurs contestent régulièrement le calcul des limites de concordance et leur pertinence au regard de la taille de l'échantillon. Si une discussion en mandarin facilite la compréhension de l'analyse, nos statisticiens travaillant en chinois simplifié peuvent examiner la comparaison des méthodes avant soumission.
Références clés
- Bland JM, Altman DG. Méthodes statistiques d'évaluation de la concordance entre deux méthodes de mesure clinique. Lancet. 1986;327(8476):307–310. doi:10.1016/S0140-6736(86)90837-8
- Gerke O. Normes de rapport pour une analyse d'accord de Bland-Altman : un examen des revues méthodologiques. Diagnostics 2020, 10 (5): 334. PMID: 32456091
- Gerke O, Pedersen AK, Debrabant B, et al. Détermination de la taille de l'échantillon dans les études de comparaison de méthodes et de variabilité des observateurs. J Clin Monit Comput. 2022. PMID: 35438365
- Taffe P. Utilisation des limites de tolérance clinique pour évaluer la concordance. Méthodes statistiques Med Res. 2023;32(3):589–606. PMID: 36352556
- Fang H, Yang R, Guo J, et al. Utilisation d'un algorithme d'harmonisation basé sur le diagramme de Bland-Altman pour optimiser l'harmonisation des immunoessais. Laboratoire de chimie clinique Méd. 2024. PMID: 38742665
- Giavarina D. Comprendre l'analyse de Bland-Altman. Biochimie Médicale (Zagreb). 2015;25(2):141–151. PMC4470095
Transformez votre analyse statistique en article publié — nous nous occupons de tout
Notre équipe prend en charge l'analyse statistique, la révision des manuscrits, la sélection des revues et leur soumission . Taux d'acceptation de 99.8 % dans les revues indexées SCI, Scopus et PubMed.