Kappa一致性分析

Posted 2023-04-05

参考技术A Kappa分析，主要评价的是两种实验方法或检测手段结果的一致性程度；例如，对于幽门螺旋杆菌（Hp）的检测有C13呼气试验和病理活检等手段，其中C13呼气试验已经成为检验患者是否患有幽门螺旋杆菌感染的‘金标准’，那么病理活检与C13呼气试验结果是否一致呢？这里就需要进行Kappa一致性分析检验。

进行Kappa分析的表格形式：评价两种方法对90例患者检测Hp一致性程度

下面讲解如何使用SPSS进行Kappa一致性检验：
打开SPSS软件，在【变量视图】中输入“行信息”，“列信息”，“结果信息”（计量资料的信息录入都很类似，详细步骤可参考之前的 卡方检验 ）

在弹出的【输出文档】中，查看分析结果

表1【病理活检*C13呼气试验 交叉制表】 对录入的数据进行初步整理汇总，查看数据是否有误；这个【交叉制表】的结果应该和我们原始表格一致，不一致就需要回到【数据视图】或【变量视图】界面去查找；

表2【对称度量】反应我们Kappa分析的检验结果，该次检验Kappa=0.671，一般Kapp≥0.85，认为检验结果一致性很好；0.6≤Kappa<0.85，认为检验结果一致性较好；0.45≤Kappa<0.6，认为检验结果一致性一般；Kappa<0.45，认为检验结果的一致性差。本次检验结果Kappa>0.6，认为两种方法对Hp的检测有较好的一致性（p.s. 本文中使用的数据并无任何实际意义，完全是为了演示数据分析的过程）。

kappa多少组数据

Kappa系数用于一致性检验

也可以用于衡量分类精度

kappa系数的计算是基于混淆矩阵的

kappa计算结果为-1~1，但通常kappa是落在 0~1 间，可分为五组来表示不同级别的一致性：0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。
引自百度百科Kappa系数
公式

k=
po−pe
1−pe

po是每一类正确分类的样本数量之和除以总样本数，也就是总体分类精度

假设每一类的真实样本个数分别为a1,a2,...,aC

而预测出来的每一类的样本个数分别为b1,b2,...,bC

总样本个数为n

则有：pe=
a1×b1+a2×b2+...+aC×bC
n×n

例子

上图就是个混淆矩阵

po=
239+73+280
664

=0.8916

pe=
261×276+103×93+300×295
664×664

=0.3883

因此：

k=
0.8916−0.3883
1−0.3883

=0.8228 参考技术A 对于您这个问题解答Kappa是一种衡量二个评估者在评估同一组数据时的一致性的统计量。它可以用来衡量两个或多个评估者之间的协调程度，也可以用来衡量一个评估者与真实值之间的协调程度。
Kappa组数据的示例：
1）两名评估者对不同的病人的疼痛程度的评估：病人1的疼痛程度被评估为mild，评估者1和评估者2也都评估为mild；
2）两名评估者对不同的病人的恢复情况的评估：病人2的恢复情况被评估为good，评估者1和评估者2也都评估为good；
3）两名评估者对不同的病人的症状的评估：病人3的症状被评估为severe，评估者1和评估者2也都评估为severe；
4）两名评估者对不同的病人的反应情况的评估：病人4的反应情况被评估为moderate，评估者1和评估者2也都评估为moderate；
5）两名评估者对不同的病人的病情的评估：病人5的病情被评估为stable，评估者1和评估者2也都评估为stable；
6）两名评估者对不同的病人的病症的评估：病人6的病症被评估为worsening，评估者1和评估者2也都评估为worsening；
7）两名评估者对不同的病人的症状变化的评估：病人7的症状变化被评估为improved，评估者1和评估者2也都评估为improved。