临智说一说系列
为了研究者更方便的学习临床研究，临床研究中心生物统计研究室推出【临智说一说】系列，将临床研究中常见的知识点结合实例进行讲解，便于研究者随时翻看。该系列将定期推出，欢迎大家关注并转发。如有其他需求，也可在后台给我们留言。
ICC介绍
组内相关系数（ICC，Intraclass Correlation Coefficient）是一种用于评估多组测量值之间一致性的统计量，常用于重复测量、评估者之间的一致性或多个实验条件下的测量结果的稳定性。ICC反映了观测值在同一类群体内的变异程度与总变异的比值。数值范围从0到1，数值越接近1表示一致性越高。
1. ICC 的常见应用场景
1) 重复测量一致性：同一测量工具多次测量同一对象，评估其重复性。
2) 评估者一致性：多个评估者对同一对象进行评分，评估其一致性。
3)实验条件下的测量稳定性：不同实验条件下，对同一指标的测量一致性。
2. ICC 的类型和选择
根据具体研究的设计和数据的结构，ICC 有多种形式，主要基于两个因素：
1)模型类型：
-
单向随机效应模型 （One-way random effects model, ICC(1)）：用于评估不同对象在不同组中的差异。 -
双向随机效应模型（Two-way random effects model, ICC(2)）：用于评估组间和测量者之间的一致性。 -
双向混合效应模型（Two-way mixed effects model, ICC(3)）：评估特定测量者对特定对象的一致性。
2) 一致性或绝对一致性：
-
一致性型（Consistency, ICC(C)）： 比较测量者之间的评分趋势，不关注评分的绝对值是否一致。 -
绝对一致性型（Absolute Agreement, ICC(A)）： 评估评分之间的绝对一致性。
常见的ICC计算方法
1)基于线性混合模型的 ICC
线性混合模型（Linear Mixed Models, LMM）可以用于估计 ICC，特别是在复杂的层级数据结构中（如多层次或重复测量设计）。在线性混合模型中，随机效应用于表示数据的组间差异，固定效应用于表示组内差异。ICC 通过计算随机效应方差与总方差的比率来估计。
适用场景：适合用于重复测量数据、嵌套数据、或多个层次（如学生嵌套在班级中）设计。
优点：能够处理数据的不平衡性和复杂的数据结构，灵活性较高。
2)基于方差分析（ANOVA）模型的 ICC
方差分析（Analysis of Variance, ANOVA）是计算 ICC 的传统方法之一。通过对组间和组内的方差进行分解，ICC 可以被定义为组间方差与总方差的比率。ANOVA 可以根据单向、双向设计的不同，计算不同形式的 ICC。
适用场景：适合用于单因素或双因素设计的数据。
优点：方差分析的 ICC 计算简单直观，适合于均衡数据。
3)基于广义估计方程（GEE）的 ICC
广义估计方程（Generalized Estimating Equations, GEE）是一种用于分析重复测量或相关数据的回归技术。在 GEE 框架下，ICC 用于评估组内测量值之间的相关性，特别是在数据服从非正态分布的情况下。GEE 模型可以计算不同测量组之间的相关性，而 ICC 可以从这些相关性中估计出来。
适用场景：特别适合用于非正态数据或二分类数据的场景。
优点：适合非正态数据，能够处理不同类型的因变量（如二分类或计数数据）。
4)基于贝叶斯模型的 ICC
贝叶斯方法可以用于计算 ICC，特别是在样本量小或者数据结构复杂的情况下。贝叶斯 ICC 使用先验和后验分布来估计方差成分，并通过这些方差成分的比值来估算 ICC。
适用场景：适合用于复杂的层次数据结构、小样本或高不确定性情况下。
优点：贝叶斯方法灵活，能够结合先验知识，并提供更为全面的后验概率分布。
5)多层次模型中的 ICC
多层次模型（Hierarchical or Multilevel Models）中的 ICC 是指在多个层次（如学生嵌套在班级，班级嵌套在学校）下，评估同一层次内部的一致性。ICC 可以用于评估这些层次的随机效应之间的变异性。
适用场景：多层次数据设计，评估每个层次内的相关性。
优点：处理复杂的多层次数据结构，能够分解多层次中的方差成分。
6)基于广义线性混合模型（GLMM）的 ICC
广义线性混合模型（Generalized Linear Mixed Models, GLMM）是线性混合模型的扩展，适合用于非正态分布的数据（如二分类数据、计数数据）。ICC 在 GLMM 中用于评估组内测量值之间的相关性，适合分析非正态分布的数据。
适用场景：用于二分类或其他非正态分布的重复测量数据。
优点：灵活处理不同类型的响应变量（如二元数据），适用于广泛的数据类型。
7)信度分析中的 ICC
在信度分析中，ICC 也被广泛使用，尤其是在评估测量工具或评估者之间一致性的场景下。它主要用于计算信度系数，帮助判断一个评估工具或测量的可靠性。
适用场景：用于测试或问卷的一致性评估。
优点：能够衡量测量工具的可靠性。
小结
这些 ICC 的不同分类方法通过不同的统计模型（如线性混合模型、方差分析、广义估计方程、贝叶斯模型等）来处理不同类型的数据和设计结构，帮助研究者评估数据内在的一致性与相关性。选择适合的 ICC 方法取决于数据结构、实验设计、分布类型和研究目的。
编辑：生物统计研究室
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/67682.html