Bland-Altman 分析：方法比较研究的视觉指南

Bland-Altman 分析，又称一致性界限法，是国际公认的统计学标准，用于评估两种测量方法在临床实践中是否可以互换使用。该方法最初由 Martin Bland 和 Douglas Altman 于 1986 年在《柳叶刀》杂志上发表的里程碑式论文中提出，已被引用超过 40,000 次，至今仍是医学、生理学和质量控制领域方法比较研究的基石。

本指南详细解释了 Bland-Altman 分析的工作原理、如何构建和解读 Bland-Altman 图、一致性界限和偏差在实践中的意义，以及如何避免最常见的解读错误。无论您是验证新型脉搏血氧仪、比较两种实验室检测方法，还是设计用于监管申报的设备研究，本文都能为您正确开展分析奠定基础。

由Editverse 医学写作团队撰写| 由 Editverse 编辑委员会审核 | 最后更新：2026 年 6 月

为什么相关性和回归分析不足以进行方法比较

临床研究中的一个根本性错误是使用皮尔逊相关系数 r 或简单线性回归来判断两种测量方法是否一致。发表回归分析与相关分析结果的研究人员通常假设较高的 r 值（例如 r = 0.95）意味着这两种方法可以互换——但这是错误的，原因很微妙。

相关系数衡量的是线性关系的强度，而非一致性的程度。两种方法可能具有完美的相关性（r = 1.0），但仍然存在系统性的偏差，偏差值恒定不变。例如，如果你的新体温计对每位患者的读数都比参考设备高出2°C，则r值为1.0，但显然这两种方法并不一致。同样，回归模型拟合一条直线穿过数据，但无法量化各个测量值之间的偏差程度。

Bland 和 Altman 在 1986 年通过实证研究证明了这个问题。他们提出的解决方案（绘制差异与平均值的关系图）可以直接可视化系统偏差和随机变异，而不会像高相关系数那样产生误导性的乐观情绪。

Bland-Altman分析的核心原则

平均差异（偏差）

平均差值 (d̄) 是研究样本中所有成对差值（方法 B 减去方法 A）的算术平均值。接近于零的值表示方法之间不存在系统性偏差。正值表示方法 B 的读数始终较高；负值表示方法 B 的读数始终较低。该值以临床单位而非百分比表示，因此 d̄ = 3 mmHg 是否可接受完全取决于临床情况。

协议的局限性

一致性界限（LOA）的计算方法如下：

这些限值定义了95%的个体测量差异预期落入的范围，假设这些差异呈正态分布。如果两种一致性限度（LOA）均落在预先设定的最大允许差异（MAD）范围内，则该方法比较研究被认为是可接受的。MAD是一个临床阈值，必须在数据收集之前确定，而不是之后。这一预先设定的要求不容商榷；在看到数据之后再设定MAD是循环论证。

Gerke 于 2020 年在Diagnostics (PMC7278016)上发表的一篇评论审查了数百项 Bland-Altman 一致性研究的报告标准，发现大多数已发表的论文中缺乏对可接受限度的预先规定，这是一个重大的方法论缺陷，审稿人现在会在主要期刊上指出这一点。

置信区间极限

LOA 是样本估计值，而非总体参数，因此存在不确定性。对于小样本（n < 60），这些置信区间可能过宽，导致分析结果失去意义。因此，一致性研究的样本量规划至关重要。Gerke 等人 (2022) 在《临床监测与计算杂志》 (Journal of Clinical Monitoring and Computing，PMID 35438365) 上提供了专门用于 LOA 研究的样本量计算公式——每位设计方法比较研究的研究人员都应参考该公式。

准备 Bland-Altman 分析的数据

数据要求

有效的 Bland-Altman 分析需要满足以下条件：

• 成对测量： 必须使用两种方法对每个受试者进行测量，理想情况下是同时测量或在临床可接受的时间窗口内测量。
• 连续变量： 该方法适用于定量测量（血压、血糖浓度、肺容量），不适用于有序或分类数据。
• 足够的样本量： 普遍建议至少使用 40-50 对样本；一些作者建议至少使用 100 对样本以获得稳定的 LOA 估计值。
• 独立： 每对数据应代表不同的个体。对同一个体进行重复测量需要采用修改后的分析方法（见下文）。
• 差异呈正态分布： LOA公式假设差异值服从正态分布，而非原始测量值服从正态分布。在继续计算之前，应使用Shapiro-Wilk检验或QQ图来验证这一假设。

当正态性假设不成立时

如果差异分布呈偏态或呈现比例误差（方差随测量幅度增大而增大），则有两种方法可供选择。首先，在计算差异之前对原始数据进行对数变换通常可以稳定方差。反变换得到的是比率一致性限度（LOA），而非差异一致性限度。这些值被解释为一种方法超过另一种方法的倍数，而非简单的加性差异。其次，可以使用基于原始差异分布第 2.5 和第 97.5 百分位数的非参数一致性限度，但这需要更大的样本量。

构建布兰德-奥特曼图：分步指南

以下步骤将指导您如何从原始数据创建 Bland-Altman 图：

1. 计算差值： 对于每个主体 i，计算 d_i = B_i − A_i。符号约定（B 减 A 或 A 减 B）应在整篇论文中明确说明并保持一致。
2. 计算平均值： 对于每个受试者，计算 avg_i = (A_i + B_i) / 2。
3. 计算平均差值： d̄ = 所有 d_i 值的平均值。
4. 计算差异的标准差： SD = 所有 d_i 值的标准差。
5. 计算 LOA： 上限 = d̄ + 1.96 × SD；下限 = d̄ − 1.96 × SD。
6. 情节： X轴代表每对数据的平均值（avg_i）；Y轴代表每对数据的差值（d_i）。添加三条水平参考线，分别代表均值差值和一致性界限（LOA）。在每条参考线周围添加95%置信区间带。
7. 目测评估： 检查是否存在非随机模式（参见解释部分）。

软件实施

所有主流统计平台都支持 Bland-Altman 图。在 R 语言中， blandr 该软件包（CRAN）可自动执行所有步骤，包括计算置信区间。在 Python 中， pyCompare 该库可生成可用于发表的图表。SPSS 用户可以使用 MedCalc 提供的 Bland-Altman 宏。GraphPad Prism 和 MedCalc 都内置了 Bland-Altman 函数。如需进行快速的基于 Web 的分析， 免费 Bland-Altman 计算器 Editverse 和 BA-plotteR Shiny 应用程序都无需任何编程知识即可处理标准和重复测量设计。

一致性界限、偏差和差异图：解读指南

Bland-Altman 分析的三个结构要素（偏差、一致性界限和散点图）分别回答不同的临床问题。

解读情节中的视觉模式

围绕平均差异线随机水平散布是理想模式，意味着方法之间的差异是恒定且不可预测的，没有系统性特征。以下模式则表明存在问题：

• 漏斗形状（比例误差）： 如果随着平均值的增加，离散程度也随之增大，那么在高值区域，不同方法之间的差异会更大。这违反了正态性假设，通常需要先进行对数变换才能继续进行分析。
• 斜率趋势： X轴上明显的上升或下降趋势表明存在比例偏差——一种方法在不同的测量水平上读数会相应偏高或偏低。Passing-Bablok回归可以更精确地量化这种偏差。
• 超出 LOA 范围的异常值： 根据定义，预计约有 5% 的数据点超出 LOA（一致性限度）。超过 5% 或出现大量异常值则需要调查。检查是否存在数据录入错误、患者特异性混杂因素或方案偏差。
• 非随机聚类： 特定测量范围内的点组可能表明亚群体效应（例如，这些方法在血压正常患者中一致，但在高血压患者中不一致）。

进阶主题：重复测量和修正的 Bland-Altman 法

标准的 Bland-Altman 分析假设每个受试者只有一对测量值。但在实践中，研究人员通常会对每个受试者进行多次测量——例如，同一天使用每种方法进行三次测量。将标准分析应用于重复测量会违反独立性假设，并人为地导致一致性界限 (LOA) 过窄，因为受试者内部的测量值之间存在相关性。

重复测量的正确方法是 具有随机效应的 Bland-Altman 分析 （也称为混合效应 Bland-Altman 分析），它将方差分解为被试内方差和被试间方差。 blandr R 包支持此扩展，MedCalc 重复测量模块也支持。Taffe (2023) 医学研究中的统计方法 （PMID 36352556）提供了使用临床耐受限度的进一步扩展，这些限度可直接应用于监管申报。

比较 Bland-Altman 与 Passing-Bablok 回归

Passing-Bablok回归是比较两种定量测量方法的另一种主要方法。它是一种非参数技术，无需假设任何一种方法完全无误差或误差服从正态分布，即可估计两种方法之间的回归线。它在临床化学中尤其有用，可以同时检测恒定偏差和比例偏差。

这两种方法是互补的，而非竞争的。Bland-Altman 分析量化了原始测量单位下临床差异的范围。Passing-Bablok 回归则确定了两种方法之间的关系是否呈线性，以及校准校正是否可以消除差异。根据临床和实验室标准协会 (CLSI) 的建议，将这两种方法结合使用，可以全面了解方法的一致性。

应用范围涵盖临床和研究领域

医疗器械验证

包括FDA和ISO TC 215在内的监管机构要求在提交新的诊断设备审批时提供方法比较数据。ISO 5725和CLSI EP09是测量比较的两大主流指南，均推荐将Bland-Altman一致性限度分析作为主要终点。对于可穿戴健康技术（例如连续血糖监测仪、腕式血压计和脉搏血氧仪），在做出任何关于测量准确性的临床声明之前，必须进行Bland-Altman分析。

临床实验室医学

当医院从一个分析仪平台切换到另一个平台时（例如，更换肌钙蛋白检测的免疫分析系统），会进行 Bland-Altman 分析以确认患者检测结果的临床等效性。Fang 等人 (2024) 在《临床化学与检验医学》 (PMID 38742665) 上发表的研究表明，基于 Bland-Altman 图的协调算法显著提高了体外诊断医疗器械 (IVD-MD) 平台间检测方法的等效性，这一发现可直接应用于实验室认证流程。

生理和心肺研究

几乎所有心输出量监测研究都采用 Bland-Altman 分析法，将新型的微创技术（脉搏轮廓分析、胸腔生物电阻抗）与热稀释法作为参考标准进行比较。平均差异和一致性限度（LOA），而非相关系数 r，决定了新设备能否在临床实践中替代有创参考标准。数据收集前的研究设计选择会直接影响这些比较的有效性。

工业质量控制

在制造业中，Bland-Altman 分析用于测量系统分析 (MSA)，以评估两台仪器、两名操作人员或两个测量地点是否产生等效结果。ISO 5725 标准（测量方法的准确度和精密度标准）明确纳入了 LOA 型分析，用于实验室间和方法间的比较。

优点和局限性

优势

• 以临床意义明确的单位表示，以便临床医生可以直接判断 LOA 是否适用于其特定应用。
• 可同时检测系统偏差（平均差异）和随机误差（LOA宽度）。
• 图形输出结果易于非统计学家理解。
• 视觉模式（漏斗图、斜率图、异常值）能够揭示仅凭汇总统计数据无法发现的问题。
• 可用于重复测量、比例误差和非正态数据的扩展

局限性和常见错误

• 缺少预先设定的规范： 最常见的错误是：没有预先设定最小可检测偏差（MAD）的LOA无法确认可接受的协议，只能描述分歧。
• 正态性假设： 在偏斜的生物学变量中不成立；需要进行转换或采用非参数方法。
• 未考虑参考测量误差： 该分析将方法 A 视为无误的，但这在实践中很少成立。
• 样本量低估： 许多已发表的研究使用少于 40 对样本，得出的 LOA 置信区间非常宽，没有提供任何信息。
• 忽略参考范围： LOA 应该始终与测量量的自然生物学变异进行比较，而不仅仅是与临床耐受阈值进行比较。

Bland-Altman 研究的报告标准

Gerke 于 2020 年在Diagnostics 杂志上发表的综述（PMID 32456091）确定了 Bland-Altman 一致性研究的最低报告要求。一项合格的报告应包含以下内容：研究人群和测量对数；预先设定的最大允许差异 (MAD) 及其临床依据；平均差异（偏差）及其 95% 置信区间 (CI)；一致性界限 (LOA) 及其 95% CI；包含所有三条参考线和置信区间的 Bland-Altman 图；确认已评估差异的正态性；以及 LOA 是否在预先设定的 MAD 范围内。

准备向期刊投稿的方法比较研究的研究人员还应参考 STARD 报告指南，其中包括用于诊断一致性研究的 Bland-Altman 要素。

相关统计方法：选择合适的工具

Bland-Altman 分析属于更广泛的一致性和可靠性分析方法范畴。下表将每种情况与相应的分析方法进行了对应。

关于何时选择回归分析与相关性分析的更详细讨论，请参阅 Editverse 的《临床研究中的回归分析与相关性分析指南》 。对于涉及观察性混杂因素的研究，通常会结合倾向评分匹配和 Bland-Altman 分析来控制患者层面的协变量。如果您的研究包含系统评价部分，请参阅《系统评价与荟萃分析：关键区别详解》。

结语

Bland-Altman 分析以一致性界限、平均差异（偏差）和差异图为基础，仍然是判断两种测量技术是否可以互换使用的最透明、临床实用的方法。它的优势在于其单位与测量单位一致，使临床医生和研究人员能够根据预先设定的可接受性标准来判断一致性。

最重要的原则是：在分析数据之前，务必预先设定最大允许差异；在应用标准公式之前，确保差异呈正态分布；计算并报告所有三条参考线周围的 95% 置信区间；并使用散点图来检测仅凭汇总统计数据无法发现的比例误差和异常值。对于监管申报，请遵循 ISO 5725 和 CLSI EP09 标准，这两项标准均以 LOA 为核心。

审稿人经常质疑一致性限度的计算方法以及样本量是否足以支持这些计算。如果用普通话讨论分析结果更为方便，我们精通简体中文的统计学家可以在投稿前审阅方法比较部分。

主要参考资料

• Bland JM，Altman DG。评估两种临床测量方法一致性的统计方法。 Lancet. 1986;327(8476):307–310. doi:10.1016/S0140-6736(86)90837-8
• Gerke O. Bland-Altman一致性分析的报告标准：方法论评论综述。 诊断。 2020，10（5）：334。 结论：32456091
• Gerke O、Pedersen AK、Debrabant B 等。方法比较和观察者变异性研究中的样本量确定。 临床监测与计算杂志 2022. 结论：35438365
• Taffe P. 使用临床耐受限度评估一致性。 统计方法医学研究。 2023;32(3):589–606. 结论：36352556
• 方H、杨R、郭J等。利用基于Bland-Altman图的协调算法优化免疫测定的协调。 临床化学实验室医学。 2024. 结论：38742665
• Giavarina D. 理解 Bland Altman 分析。 生物化学医学（萨格勒布）。 2015;25(2):141–151. PMC4470095