Calculateur d'analyse de Bland-Altman

Utilisez l'analyse de Bland-Altman lorsque vous devez déterminer si deux méthodes de mesure peuvent être utilisées de manière interchangeable. Par exemple, un nouveau dispositif de mesure de la pression artérielle moins cher peut-il remplacer l'étalon-or ? Montrer simplement que deux méthodes sont corrélées ne suffit pas — cette analyse révèle si les différences réelles entre les méthodes sont suffisamment petites pour être cliniquement ou pratiquement acceptables.

Qu'est-ce que l'analyse de Bland-Altman ?

L'analyse de Bland-Altman évalue l'accord entre deux méthodes de mesure. Elle trace la différence entre les méthodes par rapport à leur moyenne, révélant le biais systématique et les limites d'accord.

Question répondue : « Ces deux méthodes donnent-elles des résultats suffisamment similaires pour être utilisées de manière interchangeable ? »

Note : La corrélation n'est PAS appropriée pour la comparaison de méthodes — une corrélation élevée ne signifie pas un bon accord.

Pourquoi la corrélation échoue

Le problème

Deux méthodes peuvent être hautement corrélées mais avoir :

• Un biais systématique (l'une lit toujours plus haut)
• Un mauvais accord (grandes différences entre les lectures)

Exemple :

Corrélation : r = 1,00 (parfaite !) Mais la méthode B lit toujours 10 unités plus haut — pas interchangeable.

Bland-Altman le montre

Le graphique montrerait tous les points à une différence de +10, révélant clairement le biais.

Le graphique de Bland-Altman

Axes

• Axe X : Moyenne des deux méthodes : $(A + B) / 2$
• Axe Y : Différence entre les méthodes : $A - B$

Caractéristiques clés

• Différence moyenne (biais) : Moyenne de toutes les différences
• Limites d'accord : Moyenne ± 1,96 × ET des différences
• Inspection des motifs : Rechercher des tendances, biais proportionnel, valeurs aberrantes

Étapes de calcul

Données : Deux méthodes mesurant la même quantité

Étape 1 : Calculer la différence moyenne (biais)

$\bar{d} = \frac{\sum(A_i - B_i)}{n} = \frac{2-5+3+4-5}{5} = -0,2$

Étape 2 : Calculer l'ET des différences

$ET_d = \sqrt{\frac{\sum(d_i - \bar{d})^2}{n-1}} = 4,32$

Étape 3 : Calculer les limites d'accord

• Limite supérieure : $\bar{d} + 1,96 \times ET_d = -0,2 + 8,47 = 8,27$
• Limite inférieure : $\bar{d} - 1,96 \times ET_d = -0,2 - 8,47 = -8,67$

Interprétation : 95 % des différences tombent entre -8,67 et +8,27.

Interprétation du graphique

Différence moyenne (biais)

• Proche de zéro : Pas de différence systématique
• Positive : La méthode A tend à lire plus haut
• Négative : La méthode B tend à lire plus haut

Limites d'accord

Demander : « Ces limites sont-elles cliniquement acceptables ? »

Si les limites sont ±10 unités et la tolérance clinique est ±5, les méthodes ne sont PAS interchangeables.

Motifs à rechercher

Biais proportionnel : Les différences augmentent/diminuent avec la valeur moyenne

• Indique : Le biais dépend de l'ampleur de la mesure
• Solution : Considérer le ratio ou la différence en pourcentage

Motif en entonnoir : La dispersion augmente avec la moyenne

• Indique : La variabilité proportionnelle à l'ampleur
• Solution : Transformation logarithmique, ou utiliser les différences en pourcentage

Valeurs aberrantes : Points loin des limites

• Indique : Erreurs de mesure ou cas spéciaux
• Action : Enquêter ; considérer l'exclusion avec justification

Intervalles de confiance

IC pour la différence moyenne

$\bar{d} \pm t_{n-1, 0,975} \times \frac{ET_d}{\sqrt{n}}$

IC pour les limites d'accord

$\text{Limite} \pm t_{n-1, 0,975} \times \sqrt{\frac{3 \times ET_d^2}{n}}$

Avec de petits échantillons, ces IC peuvent être larges — les rapporter.

Approche basée sur la régression

Lorsqu'un biais proportionnel existe, ajuster une régression :

$d_i = \alpha + \beta \times \text{moyenne}_i + \epsilon_i$

• Tester si β = 0 (pas de biais proportionnel)
• Les limites d'accord deviennent des intervalles de prédiction

Différences en pourcentage

Lorsqu'un biais proportionnel existe, utiliser :

$\text{Différence} \% = \frac{A - B}{(A + B)/2} \times 100$

Cela normalise les différences pour l'ampleur.

Mesures répétées

Lorsque les sujets sont mesurés plusieurs fois :

• Tenir compte de la corrélation intra-sujet
• Utiliser des modèles à effets mixtes
• Calculer des composantes de variance séparées

Applications

Dispositifs médicaux

Validation d'un nouveau dispositif de mesure contre l'étalon-or.

Méthodes de laboratoire

Comparaison de techniques d'analyse.

Évaluation clinique

Accord entre cliniciens ou outils d'évaluation.

Validation de recherche

Vérification que les méthodes produisent des résultats comparables.

Acceptabilité clinique

Pré-définir les critères

Avant l'analyse, spécifier les limites acceptables :

• « Les méthodes sont interchangeables si 95 % des différences sont dans ±5 unités »

Comparer aux critères

Si les limites d'accord observées tombent dans les limites acceptables, les méthodes s'accordent suffisamment.

Considérer l'application

Limites étroites nécessaires pour :

• Dosage de médicaments
• Seuils diagnostiques
• Décisions à enjeux élevés

Des limites plus larges peuvent être acceptables pour :

• Dépistage
• Surveillance générale
• Objectifs de recherche

Rapporter les résultats

Rapport minimal :

« L'analyse de Bland-Altman a montré une différence moyenne de -0,2 unités (IC 95 % : -4,5, 4,1) avec des limites d'accord de -8,7 à 8,3. »

Rapport complet :

« L'accord entre la méthode A et la méthode B a été évalué à l'aide de l'analyse de Bland-Altman. La différence moyenne (biais) était de -0,2 unités (IC 95 % : -4,5 à 4,1), n'indiquant aucun biais systématique significatif. Les limites d'accord à 95 % étaient de -8,7 à 8,3 unités, ce qui signifie que 95 % des différences entre les méthodes tombent dans cette plage. L'inspection visuelle du graphique de Bland-Altman n'a montré aucun biais proportionnel (pente de régression = 0,02, p = ,87) ni hétéroscédasticité. Étant donné notre seuil d'acceptabilité clinique pré-spécifié de ±10 unités, les deux méthodes peuvent être considérées comme interchangeables pour l'utilisation clinique. »

Erreurs courantes

Utiliser la corrélation

La corrélation mesure l'association, pas l'accord. Un r élevé ne signifie pas que les méthodes s'accordent.

Ne pas pré-spécifier les limites

Définir les limites acceptables avant l'analyse pour éviter la rationalisation post-hoc.

Ignorer le graphique

Regarder le graphique réel — les statistiques seules peuvent manquer des motifs.

Petite taille d'échantillon

Les limites d'accord sont imprécises avec n < 30. Rapporter de larges intervalles de confiance.

Variance non constante

Si la dispersion varie avec l'ampleur, utiliser les différences en pourcentage ou la transformation logarithmique.

Alternatives et extensions

Analyse de régression

Pour la modélisation du biais proportionnel.

Indice de déviation totale (TDI)

Critère basé sur la probabilité pour l'accord.

Probabilité de couverture (CP)

Proportion de différences dans les limites spécifiées.

Coefficient de corrélation de concordance (CCC)

Mesure résumée unique de l'accord (combine précision et exactitude).

Contexte historique

J. Martin Bland et Douglas Altman ont introduit cette méthode en 1983 et 1986, révolutionnant les études de comparaison de méthodes. Leur critique de la corrélation pour l'évaluation de l'accord a fondamentalement changé la pratique en chimie clinique et recherche médicale.

La méthode reste la norme pour évaluer l'accord de mesure.

Calculs associés

• Corrélation de Pearson — PAS pour l'accord
• Calculateur ICC — Évaluation de la fiabilité
• Calculateur de moyenne — Estimation du biais
• Calculateur d'écart type — Variabilité

Résumé

L'analyse de Bland-Altman compare deux méthodes de mesure en traçant les différences par rapport aux moyennes. La différence moyenne montre le biais systématique ; les limites d'accord (moyenne ± 1,96×ET) montrent la plage contenant 95 % des différences. Pré-spécifier les limites cliniquement acceptables avant l'analyse. Rechercher un biais proportionnel (tendance dans le graphique) et une hétéroscédasticité (forme d'entonnoir). N'utilisez pas la corrélation pour la comparaison de méthodes — elle mesure l'association, pas l'accord. Rapportez la différence moyenne, les limites d'accord, les intervalles de confiance et si les limites observées tombent dans les limites cliniques acceptables.