Słownik metodologiczny · Ludzie statystyki

Douglas G. Altman (1948–2018) i J. Martin Bland (ur. 1947) – twórcy metody Blanda–Altmana

Douglas G. Altman i J. Martin Bland pokazali, że korelacja nie mierzy zgodności dwóch metod pomiaru, i dali w zamian wykres różnic z granicami zgodności. Przedstawiamy ich drogi, historię danych zebranych wśród rodziny i kolegów oraz granice stałe i zależne od poziomu na prawdziwych danych w R.

Strona główna / Słownik / Douglas G. Altman i J. Martin Bland
W skrócie: Douglas G. Altman (1948–2018) i J. Martin Bland (ur. 1947) – brytyjscy statystycy medyczni, autorzy artykułu w „Lancecie” z 1986 r., od którego pochodzi metoda Blanda–Altmana: ocena zgodności dwóch metod pomiaru przez różnice i granice zgodności zamiast korelacji. Razem redagowali też serię „Statistics Notes” w BMJ.

Kim byli Douglas G. Altman i J. Martin Bland?

Douglas G. Altman (1948–2018) był brytyjskim statystykiem medycznym, członkiem Royal Statistical Society od 1970 r. Przez ponad 20 lat kierował Centre for Statistics in Medicine na Uniwersytecie Oksfordzkim, które sam założył, i był profesorem statystyki w medycynie. Był też starszym redaktorem statystycznym „British Medical Journal”, a jego podręcznik Practical Statistics for Medical Research sprzedał się w ponad 50 tys. egzemplarzy (Royal Statistical Society, 2018). Zmarł 3 czerwca 2018 r. (Institute of Social and Preventive Medicine, 2018).

J. Martin Bland (ur. 1947) studiował matematykę i statystykę w Imperial College w Londynie, a po trzech latach pracy statystyka w firmie ICI Plant Protection przeszedł do medycyny. Był wykładowcą w St Thomas’s Hospital Medical School (1972–1976), potem przez 27 lat pracował w St George’s Hospital Medical School, od 1995 r. jako profesor; doktorat z epidemiologii obronił w 1980 r. W latach 2003–2015 był profesorem statystyki zdrowia na University of York, gdzie jest dziś profesorem emeritus (Bland, 2016).

Najważniejsze pomysły

  • Zgodność zamiast korelacji (1983–1986). Wysoka korelacja dwóch metod pomiaru mówi tylko, że wyniki rosną razem, a nie że są takie same. Bland i Altman (1986) zaproponowali w „Lancecie” prostą alternatywę: wykres różnicy pomiarów względem ich średniej i granice zgodności – średnia różnica ± 1.96 SD różnic. Dziś to metoda Blanda–Altmana, podstawa badań nad rzetelnością pomiaru klinicznego.
  • Rozwinięcia (1999). W „Statistical Methods in Medical Research” autorzy opisali m.in. przedziały ufności granic, logarytmowanie i regresję, gdy różnica zależy od wielkości pomiaru, oraz pomiary powtarzane (Bland i Altman, 1999).
  • „Statistics Notes”. Od 1994 r. redagowali w BMJ serię krótkich tekstów objaśniających lekarzom pojedyncze pojęcia statystyczne; lista Blanda obejmuje 68 not z lat 1994–2018 (Bland, 2018).
  • Jakość raportowania (Altman). Altman założył sieć EQUATOR i był siłą napędową wytycznych CONSORT dla badań klinicznych; współtworzył też STROBE (Institute of Social and Preventive Medicine, 2018). O wyborze właściwej listy pisze wpis STROBE, CONSORT i TRIPOD; pokrewne są wytyczne STARD. W 1997 r. dostał Medal Bradforda Hilla, a w 2015 r. nagrodę BMJ za całokształt (Royal Statistical Society, 2018).

Ciekawostka

Dane do najsłynniejszego artykułu o zgodności pomiarów zebrano wśród rodziny i znajomych. Bland i Altman (1992) wspominają, że około 1980 r. kardiolodzy niezależnie pytali każdego z nich o korelację jako sposób porównania metod. Uzgodnili przez telefon, że trzeba patrzeć na różnice; tekst z 1983 r. w „The Statistician” był jednak – jak piszą – za bardzo matematyczny dla klinicystów.

Na prośbę kolegów lekarzy napisali wersję z przykładem. Bland poprosił „nielosową próbę” – samych autorów, kolegów, przyjaciół i krewnych – o dmuchanie w mierniki szczytowego przepływu wydechowego. W artykule z 1986 r. jest 17 osób zmierzonych dużym miernikiem Wrighta i miniaturowym, wszystkie pomiary wykonał Bland (Bland i Altman, 1986). Autorzy przyznają, że na awans bardziej liczyła się dla nich praca w czasopiśmie statystycznym – a to tekst w „Lancecie” stał się klasyką.

Przykład na prawdziwych danych

Zbiór arsenate z pakietu deming zawiera – według pliku pomocy – stężenie arsenianu w 30 próbkach wody rzecznej (µg/l), oznaczone dwiema metodami: absorpcyjną (AAS) i emisyjną (AES) spektrometrią atomową; źródłem jest praca Ripleya i Thompsona z 1987 r. o wykrywaniu obciążenia analitycznego.

Klasyczne granice. Korelacja metod wynosi r = .959, a średnia różnica AES − AAS tylko −0.03 µg/l (SD = 1.21). Granice zgodności 95% sięgają od −2.39 do 2.34 µg/l; poza nimi leżą 2 próbki z 30.

Rozrzut zależy od poziomu. Bezwzględna różnica rośnie ze średnią (rho Spearmana = .59, p = .001), więc jedna para granic nie pasuje do wszystkich stężeń. Logarytmowanie nie wchodzi w grę, bo trzy oznaczenia AAS i jedno AES wynoszą 0. Stosujemy więc wariant regresyjny z pracy z 1999 r.: modelujemy różnicę i bezwzględne reszty jako liniowe funkcje średniej. Przy stężeniu 0.5 µg/l granice wynoszą od −0.57 do 1.34, przy 5 µg/l – od −2.55 do 2.15, a przy 17.5 µg/l – od −8.04 do 4.40. Nachylenie różnicy (−0.13 na 1 µg/l, p = .024) sugeruje też, że AES daje niższe wyniki przy wysokich stężeniach – ale opiera się głównie na jednej próbce o średniej 17.6.

Na rysunku

Oś czasu w dwóch pasach od 1940 do 2025. Pas Douglasa G. Altmana: 1948 urodził się; 1986 artykuł w „Lancecie” z Blandem; 1994 pierwsza ze „Statistics Notes” w BMJ; 1997 Medal Bradforda Hilla; 2015 nagroda BMJ za całokształt; 2018 zmarł. Pas J. Martina Blanda: 1947 urodził się; 1972 wykładowca w St Thomas’s; 1976 St George’s Hospital Medical School; 1980 doktorat z epidemiologii; 1986 artykuł w „Lancecie” z Altmanem; 1994 pierwsza ze „Statistics Notes”; 2003 profesor w Yorku. Rodzaj zdarzenia oznacza kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja, trójkąt – wyróżnienie
Rysunek 1. Oś czasu: Douglas G. Altman (1948–2018) i J. Martin Bland (ur. 1947). Lata według RSS (2018), ISPM (2018), życiorysu Blanda (2016), jego listy „Statistics Notes” (2018) i dat publikacji. Rysunek: R, pakiet ggplot2.

Co widać. Obie drogi łączą dwie wspólne publikacje: artykuł z 1986 r. i serię not w BMJ od 1994 r.

Na co uważać. Cytowane źródła nie podają roku założenia ośrodka w Oksfordzie ani sieci EQUATOR, więc nie ma ich na osi.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Douglasa G. Altmana (1948–2018) i J. Martina Blanda (ur. 1947). Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja, wyróżnienie).
Dwa panele z tymi samymi 30 punktami: różnica AES − AAS (oś pionowa, od −8.5 do 6 µg/l) względem średniej z dwóch metod (oś pozioma, od 0 do około 18 µg/l). A: pozioma pomarańczowa linia średniej różnicy przy −0.03 i czarne przerywane granice zgodności przy −2.39 i 2.34; punkty przy niskich stężeniach skupione blisko zera, przy wysokich rozrzucone, jeden punkt przy średniej 17.6 i różnicy −3.4 poza granicą. B: pomarańczowa linia przewidywanej różnicy lekko opadająca od 0.4 do −1.8 i zielone przerywane granice tworzące lejek – wąski (od −0.6 do 1.3) przy niskich stężeniach i szeroki (od −8.0 do 4.4) przy 17.5 µg/l; obszar między granicami lekko zacieniony
Rysunek 2. Wykres Blanda–Altmana dla stężenia arsenianu w 30 próbkach wody oznaczonego dwiema metodami: granice stałe (A) i zależne od poziomu, z regresji różnicy i bezwzględnych reszt na średnią (B). Dane: deming::arsenate (Ripley i Thompson, za plikiem pomocy). Obliczenia i rysunek: R, pakiety ggplot2 i patchwork.

Co widać. W panelu A stałe granice są za szerokie dla niskich stężeń i za wąskie dla wysokich: przy stężeniach poniżej 2 µg/l różnice prawie nie przekraczają ±1, a przy 8–18 µg/l sięgają −3.4. Panel B oddaje ten lejek.

Na co uważać. Próbek jest tylko 30, a powyżej 10 µg/l – dwie, więc kształt lejka po prawej stronie to w dużej mierze ekstrapolacja. Czy rozbieżność jest do przyjęcia, rozstrzyga wymaganie ustalone z góry, nie wykres.

Podpis do pracy:

Rysunek 2. Różnica stężenia arsenianu oznaczonego metodą AES i AAS względem średniej z obu metod (N = 30): granice zgodności stałe (A) i zależne od poziomu (B). Uwaga. Dane z pakietu R deming (zbiór arsenate); granice 95% według Blanda i Altmana (1986, 1999).

Gdzie spotkasz Altmana i Blanda w swojej pracy

  • Gdy walidujesz nowe narzędzie pomiaru (aplikację, czujnik, skrócony test) względem starego: podaj średnią różnicę, granice zgodności z przedziałami ufności i wykres; jeśli rozrzut rośnie z poziomem – logarytm albo wariant regresyjny. Uzupełnieniem są ICC i współczynnik zgodności Lina, a przy pytaniu o kalibrację – regresja Deminga.
  • Gdy liczysz błąd pomiaru i minimalną zmianę: standardowy błąd pomiaru i MDC opisują inną stronę tego samego problemu.
  • Gdy piszesz raport z badania klinicznego lub obserwacyjnego: listy CONSORT i STROBE, przy których pracował Altman, pomagają opisać badanie kompletnie.

Spory, mity i trudne strony

  • Korelacja wciąż wraca. Już w 1992 r. autorzy pisali, że mimo sukcesu artykułu korelację nadal podaje się jako miarę zgodności, czasem obok ich metody, a sama metoda bywa stosowana niewłaściwie; zmiana utartej praktyki jest bardzo trudna (Bland i Altman, 1992). W przykładzie r = .959 nie mówi nic o tym, że przy wysokich stężeniach metody różnią się o kilka µg/l.
  • Granice to nie test. Metoda opisuje rozbieżność, nie ogłasza „zgodności”. W artykule z 1986 r. autorzy podkreślali, że dane o przepływie wydechowym zebrano dla zilustrowania metody i nie są dowodem, że mierniki są wymienne.
  • Gdzie publikować? Bland i Altman (1992) zauważali, że dla statystyków medycznych artykuł w czasopiśmie medycznym może mieć znacznie większy wpływ niż w statystycznym, i apelowali, by brały to pod uwagę komisje awansowe. Według RSS praca z 1986 r. miała w 2018 r. ponad 40 tys. cytowań w Google Scholar (Royal Statistical Society, 2018).
Przykład reprodukowalny

Granice zgodności Blanda–Altmana w R

Kod wczytuje dane Ripleya i Thompsona, liczy klasyczne granice zgodności, sprawdza, czy rozrzut różnic rośnie z poziomem, i wyznacza granice zależne od poziomu metodą regresyjną z pracy Blanda i Altmana (1999), a potem rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Kod nie losuje.

1. Granice stałe i zależne od poziomu: rysunek 2

Dane wejściowe: data(arsenate, package = "deming") – stężenie arsenianu (µg/l) w 30 próbkach wody rzecznej oznaczone metodą AAS (aas) i AES (aes); źródło według pliku pomocy: praca Ripleya i Thompsona z 1987 r.

Co odczytać: liczbę próbek i zer, korelację metod; średnią różnicę, SD różnic, granice zgodności i liczbę punktów poza nimi; rho Spearmana dla |różnicy| i średniej; nachylenia obu regresji; przewidywaną różnicę i granice 95% przy pięciu stężeniach.

Kod R rysunku 2
# Bland i Altman: granice zgodności stałe i zależne od poziomu (deming::arsenate – dane z pracy Ripleya i Thompsona z 1987 r.)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(punkty = "#0072B2", bias = "#D55E00", stale = "#000000", regresja = "#009E73")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(arsenate, package = "deming")
# aas – arsenian w µg/l oznaczony absorpcyjną spektrometrią atomową; aes – emisyjną spektrometrią atomową
a <- arsenate[, c("aas", "aes")]
a$roznica <- a$aes - a$aas
a$srednia <- (a$aes + a$aas) / 2
c(N = nrow(a), zera_aas = sum(a$aas == 0), zera_aes = sum(a$aes == 0), r_Pearsona = round(cor(a$aas, a$aes), 3))

# 1. Klasyczne granice zgodności (Bland i Altman, 1986): średnia różnica ± 1.96 SD różnic
b <- mean(a$roznica); s <- sd(a$roznica)
round(c(srednia_roznica = b, SD_roznic = s, dolna_LoA = b - 1.96 * s, gorna_LoA = b + 1.96 * s,
        poza_LoA = sum(abs(a$roznica - b) > 1.96 * s)), 3)

# 2. Czy rozrzut rośnie z poziomem? Korelacja Spearmana |różnicy| ze średnią
ct <- cor.test(abs(a$roznica), a$srednia, method = "spearman", exact = FALSE)
round(c(rho = unname(ct$estimate), p = ct$p.value), 3)

# 3. Granice zależne od poziomu (Bland i Altman, 1999): regresja różnicy na średnią,
#    potem regresja |reszt| na średnią; SD reszt = sqrt(pi / 2) · przewidziana |reszta|
m_b <- lm(roznica ~ srednia, data = a)
m_s <- lm(abs(resid(m_b)) ~ srednia, data = a)
round(rbind(roznica = summary(m_b)$coef["srednia", ], abs_reszty = summary(m_s)$coef["srednia", ]), 3)
siatka <- data.frame(srednia = c(0.5, 2, 5, 10, 17.5))
siatka$bias <- predict(m_b, siatka)
siatka$polowa <- 1.96 * sqrt(pi / 2) * predict(m_s, siatka)
siatka$dolna <- siatka$bias - siatka$polowa
siatka$gorna <- siatka$bias + siatka$polowa
round(siatka, 2)

# Rysunek: A – wykres Blanda–Altmana ze stałymi granicami; B – granice zależne od poziomu
linie <- data.frame(y = c(b, b - 1.96 * s, b + 1.96 * s), rodzaj = c("średnia różnica", "granice 95%", "granice 95%"))
pA <- ggplot(a, aes(srednia, roznica)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_hline(data = linie, aes(yintercept = y, colour = rodzaj, linetype = rodzaj), linewidth = 0.9) +
  geom_point(colour = kol[["punkty"]], size = 2.4, alpha = 0.85) +
  scale_colour_manual(values = c("granice 95%" = kol[["stale"]], "średnia różnica" = kol[["bias"]]), name = NULL) +
  scale_linetype_manual(values = c("granice 95%" = "22", "średnia różnica" = "solid"), name = NULL) +
  coord_cartesian(ylim = c(-8.5, 6)) +
  labs(title = sprintf("A. Granice stałe: %.2f ± %.2f µg/l", b, 1.96 * s),
       x = "Średnia z dwóch metod (µg/l)", y = "Różnica AES − AAS (µg/l)") +
  motyw
gesta <- data.frame(srednia = seq(min(a$srednia), max(a$srednia), length.out = 200))
gesta$bias <- predict(m_b, gesta)
gesta$polowa <- 1.96 * sqrt(pi / 2) * predict(m_s, gesta)
pB <- ggplot(a, aes(srednia, roznica)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_ribbon(data = gesta, aes(x = srednia, ymin = bias - polowa, ymax = bias + polowa), inherit.aes = FALSE,
              fill = kol[["regresja"]], alpha = 0.15) +
  geom_line(data = gesta, aes(srednia, bias - polowa), colour = kol[["regresja"]], linetype = "22", linewidth = 0.9) +
  geom_line(data = gesta, aes(srednia, bias + polowa), colour = kol[["regresja"]], linetype = "22", linewidth = 0.9) +
  geom_line(data = gesta, aes(srednia, bias), colour = kol[["bias"]], linewidth = 0.9) +
  geom_point(colour = kol[["punkty"]], size = 2.4, alpha = 0.85) +
  coord_cartesian(ylim = c(-8.5, 6)) +
  labs(title = "B. Granice zależne od poziomu",
       subtitle = "ciągła: przewidywana różnica; przerywane: granice 95%",
       x = "Średnia z dwóch metod (µg/l)", y = "Różnica AES − AAS (µg/l)") +
  motyw
p2 <- pA + pB
p2
Wynik w R
         N   zera_aas   zera_aes r_Pearsona 
    30.000      3.000      1.000      0.959 
srednia_roznica       SD_roznic       dolna_LoA       gorna_LoA        poza_LoA 
         -0.025           1.206          -2.390           2.339           2.000 
  rho     p 
0.587 0.001 
           Estimate Std. Error t value Pr(>|t|)
roznica      -0.130      0.054  -2.381    0.024
abs_reszty    0.126      0.029   4.391    0.000
  srednia  bias polowa dolna gorna
1     0.5  0.38   0.96 -0.57  1.34
2     2.0  0.19   1.42 -1.23  1.61
3     5.0 -0.20   2.35 -2.55  2.15
4    10.0 -0.85   3.90 -4.75  3.05
5    17.5 -1.82   6.22 -8.04  4.40

2. Oś czasu: rysunek 1

Dane wejściowe: zdarzenia z latami według cytowanych źródeł, wpisane ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Douglas G. Altman (1948–2018) i J. Martin Bland (ur. 1947) – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1948, 1986, 1994, 1997, 2015, 2018,
          1947, 1972, 1976, 1980, 1986, 1994, 2003),
  osoba = c(rep("Douglas G. Altman", 6), rep("J. Martin Bland", 7)),
  opis = c("urodził się", "artykuł w „Lancecie”\n(z Blandem)", "pierwsza z „Statistics\nNotes” w BMJ",
           "Medal Bradforda Hilla", "nagroda BMJ\nza całokształt", "zmarł",
           "urodził się", "wykładowca\n(St Thomas’s)", "St George’s\nHospital Medical School", "doktorat\nz epidemiologii",
           "artykuł w „Lancecie”\n(z Altmanem)", "pierwsza z „Statistics\nNotes” w BMJ", "profesor\nw Yorku"),
  rodzaj = c("życie", "publikacja", "publikacja", "wyróżnienie", "wyróżnienie", "życie",
             "życie", "praca", "praca", "praca", "publikacja", "publikacja", "praca"),
  poziom = c(0.5, 0.5, -0.5, 0.5, -0.5, 0.5,
             0.5, -0.5, 0.5, -0.5, 0.5, -0.5, 0.5),          # wysokość etykiety (+ nad osią, − pod)
  wyrownanie = c(0.5, 0.5, 0.5, 0.5, 0.5, 0.5,
                 0.5, 0.5, 1, 0.5, 0.5, 0.5, 0.5))              # rozsunięcie bliskich etykiet
zdarzenia$etykieta <- paste0(zdarzenia$rok, "\n", zdarzenia$opis)
zdarzenia$osoba <- factor(zdarzenia$osoba, levels = c("Douglas G. Altman", "J. Martin Bland"))
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "wyróżnienie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "wyróżnienie" = "#009E73")   # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
  geom_segment(aes(xend = rok, y = 0, yend = poziom), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.8, colour = "black") +
  geom_text(aes(y = poziom + 0.06 * sign(poziom), label = etykieta, vjust = ifelse(poziom > 0, 0, 1), hjust = wyrownanie),
            size = 3.1, lineheight = 0.88) +
  facet_wrap(~ osoba, ncol = 1) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1940, 2025), breaks = seq(1940, 2020, by = 10)) +
  scale_y_continuous(limits = c(-1.6, 1.6)) +
  labs(x = NULL, y = NULL) +
  theme_minimal(base_size = 13) +
  theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
        strip.text = element_text(face = "bold", hjust = 0), legend.position = "bottom")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (regresje i korelacja – pakiet stats; dane – pakiet deming; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. deming (wersja 1.4.1): Therneau, T. (2024). deming: Deming, Theil-Sen, Passing-Bablock and total least squares regression [R package]. https://doi.org/10.32614/CRAN.package.deming
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim byli Douglas Altman i Martin Bland?

Brytyjskimi statystykami medycznymi. Altman (1948–2018) kierował Centre for Statistics in Medicine w Oksfordzie, był redaktorem statystycznym BMJ i założycielem sieci EQUATOR. Bland (ur. 1947) pracował w St Thomas’s i St George’s w Londynie, a od 2003 r. na University of York. Razem napisali artykuł z 1986 r. o zgodności metod pomiaru.

Skąd pochodzą dane z artykułu Blanda i Altmana z 1986 roku?

Od 17 osób z otoczenia autorów: Bland poprosił kolegów, przyjaciół i krewnych o dmuchanie w dwa mierniki szczytowego przepływu wydechowego – duży miernik Wrighta i miniaturowy – i sam wykonał wszystkie pomiary. Dane miały tylko zilustrować metodę.

Dlaczego według Blanda i Altmana korelacja nie mierzy zgodności?

Bo korelacja mówi, czy wyniki dwóch metod rosną razem, a nie czy są takie same. Metoda, która każdemu dodaje stałą wartość albo myli się bardziej przy dużych wartościach, może korelować bardzo wysoko. W przykładzie r = .959, a przy wysokich stężeniach różnice sięgają kilku µg/l.

Czym są Statistics Notes w BMJ?

To seria krótkich artykułów, które Altman i Bland redagowali w „British Medical Journal” od 1994 r.; każdy objaśnia lekarzom jedno pojęcie statystyczne. Lista Blanda obejmuje 68 not z lat 1994–2018.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bland, J. M. (2016). Curriculum vitae: John Martin Bland. University of York (strona autorska). https://www-users.york.ac.uk/~mb55/about/jmbcv.htm ● Otwarty dostęp
  2. Bland, J. M. (2018). BMJ Statistics Notes. University of York (strona autorska). https://www-users.york.ac.uk/~mb55/pubs/pbstnote.htm ● Otwarty dostęp
  3. Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. https://doi.org/10.1016/s0140-6736(86)90837-8
  4. Bland, J. M., & Altman, D. G. (1992). This week’s citation classic: Comparing methods of clinical measurement. Current Contents: Clinical Medicine, 20(40), 8.
  5. Bland, J. M., & Altman, D. G. (1999). Measuring agreement in method comparison studies. Statistical Methods in Medical Research, 8(2), 135–160. https://doi.org/10.1177/096228029900800204
  6. Institute of Social and Preventive Medicine. (2018). Doug Altman of Oxford University has died. University of Bern. https://ispm.unibe.ch/about_us/news/doug_altman_of_oxford_university_has_died/index_eng.html ● Otwarty dostęp
  7. Royal Statistical Society. (2018). Douglas Altman, 1948–2018. https://rss.org.uk/news-publication/news-publications/2018/general-news/douglas-altman-1948-2018/ ● Otwarty dostęp

Cytowania BibTeX

@misc{blandcv2016, author={Bland, J. Martin}, title={{Curriculum vitae: John Martin Bland}}, howpublished={University of York (strona autorska)}, year={2016}, url={https://www-users.york.ac.uk/~mb55/about/jmbcv.htm}}
@misc{bland2018statisticsnotes, author={Bland, J. Martin}, title={{BMJ Statistics Notes}}, howpublished={University of York (strona autorska)}, year={2018}, url={https://www-users.york.ac.uk/~mb55/pubs/pbstnote.htm}}
@article{bland1986statistical, author={Bland, J. Martin and Altman, Douglas G.}, title={{Statistical methods for assessing agreement between two methods of clinical measurement}}, journal={The Lancet}, year={1986}, volume={327}, number={8476}, pages={307--310}, doi={10.1016/s0140-6736(86)90837-8}}
@article{bland1992citationclassic, author={Bland, J. Martin and Altman, Douglas G.}, title={{This week’s citation classic: Comparing methods of clinical measurement}}, journal={Current Contents: Clinical Medicine}, year={1992}, volume={20}, number={40}, pages={8}}
@article{bland1999measuring, author={Bland, J. Martin and Altman, Douglas G.}, title={{Measuring agreement in method comparison studies}}, journal={Statistical Methods in Medical Research}, year={1999}, volume={8}, number={2}, pages={135--160}, doi={10.1177/096228029900800204}}
@misc{ispm2018altman, author={{Institute of Social and Preventive Medicine, University of Bern}}, title={{Doug Altman of Oxford University has died}}, howpublished={University of Bern}, year={2018}, url={https://ispm.unibe.ch/about_us/news/doug_altman_of_oxford_university_has_died/index_eng.html}}
@misc{rss2018altman, author={{Royal Statistical Society}}, title={{Douglas Altman, 1948–2018}}, year={2018}, url={https://rss.org.uk/news-publication/news-publications/2018/general-news/douglas-altman-1948-2018/}}
R