Comparación de métodos
Bland-Altman, explicado sin rodeos
El análisis que muestra dónde y cuánto se desvían dos métodos entre sí — en las unidades que realmente importan.
¿Qué es Bland-Altman y qué resuelve que Pearson no puede?
Bland-Altman no compara si dos métodos están correlacionados — compara cuánto difieren, muestra por muestra, y en qué dirección. En vez de graficar un método contra el otro, grafica la diferencia entre ambos contra su promedio.
Esto es justo lo que Pearson no puede darte: un coeficiente de correlación alto solo te dice que los valores se mueven juntos, no que sean intercambiables. Dos métodos pueden estar perfectamente correlacionados y aun así tener un desfase sistemático enorme — Bland-Altman hace visible exactamente ese desfase.
Ejemplo interactivo
Datos sintéticos — no un caso real. Cambia la vista para comparar dos referencias distintas contra las mismas diferencias: los Límites de Concordancia (lo que tus datos realmente muestran) contra el Error Total Admisible (lo que tu laboratorio decide tolerar).
Sesgo absoluto vs. proporcional — ¿cuál usar?
El sesgo absoluto es la diferencia media entre los dos métodos, en las unidades originales (por ejemplo, mg/dL). Es el más intuitivo cuando el error se mantiene parecido en todo el rango de valores.
El sesgo proporcional expresa esa misma diferencia como porcentaje del promedio de cada par. Es más útil cuando el error crece junto con la concentración — algo muy común en química clínica, donde un desfase de 2 unidades importa mucho más en un valor bajo que en uno alto.
¿Qué son los Límites de Concordancia (LoA)?
Los Límites de Concordancia (LoA, por sus siglas en inglés) marcan el rango donde se espera que caiga el 95% de las diferencias entre los dos métodos, si el patrón de tus datos se mantiene. Se calculan como el sesgo medio ± 1.96 desviaciones estándar de las diferencias.
Si el sesgo es +1.0 mg/dL y los LoA son [-3.0, +5.0] mg/dL, eso significa que, en la mayoría de los casos, el Método B puede diferir del A entre 3 unidades por debajo y 5 por arriba — no solo en promedio, sino en un par individual cualquiera.
¿Qué significa % dentro de LoA?
Es el porcentaje real de tus propios pares de datos que efectivamente cayeron dentro de esos límites de concordancia. En teoría debería rondar el 95% — si es mucho más bajo, puede ser señal de que las diferencias no se distribuyen de forma tan uniforme como asume el modelo (por ejemplo, si hay más de un patrón de error mezclado en los datos).
¿Qué son los outliers en BA y por qué no se eliminan automáticamente?
Un outlier en Bland-Altman es un par cuya diferencia se aleja mucho más de lo esperado respecto al resto (medido en desviaciones estándar respecto al sesgo medio). BunnyStat® los marca visualmente en el gráfico, pero nunca los elimina ni los excluye del cálculo estadístico.
La razón es simple: un valor atípico puede ser un error de captura, pero también puede ser una muestra clínicamente real e importante (por ejemplo, una interferencia analítica genuina). Decidir qué hacer con ese punto es responsabilidad del analista, no de un algoritmo que no conoce el contexto clínico completo.
Fuentes
- Bland, J.M. & Altman, D.G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307-310.
- CLSI EP09-A3: Measurement Procedure Comparison and Bias Estimation Using Patient Samples.