Passing-Bablok, explicado sin rodeos

¿Qué es Passing-Bablok y por qué no usamos regresión normal?

La regresión lineal "de toda la vida" (mínimos cuadrados) asume que una de las dos variables no tiene error de medición — que es un valor fijo, exacto. Pero cuando comparas dos métodos de laboratorio, ambos tienen su propio error de medición. Ninguno es "la verdad absoluta".

Passing-Bablok es una regresión no paramétrica diseñada específicamente para este escenario: compara dos métodos que miden lo mismo, cada uno con su propia variabilidad, sin asumir que los datos siguen una distribución normal ni que uno de los métodos es perfecto.

Además, es robusta frente a valores atípicos — unos pocos puntos raros no distorsionan el resultado tanto como lo harían en una regresión de mínimos cuadrados.

Ejemplo interactivo

Datos sintéticos — no un caso real. Cambia el escenario para ver cómo se ve un sesgo proporcional (la pendiente se aleja de 1) frente a un sesgo constante (el intercepto se aleja de 0).

¿Qué te dice la pendiente? (error proporcional)

La pendiente compara qué tan rápido crece el Método B respecto al Método A. Si la pendiente fuera exactamente 1.0, ambos métodos crecerían al mismo ritmo en todo el rango de valores.

Por eso reportamos la pendiente junto con su intervalo de confianza (IC 95%): un solo número no te dice qué tan segura es esa estimación.

¿Qué te dice el intercepto? (error constante)

El intercepto es el valor que tomaría el Método B cuando el Método A vale cero. En la práctica, lo que importa es su magnitud: un intercepto distinto de 0 señala un error constante — un desfase que se mantiene parecido sin importar la concentración, a diferencia del error proporcional de la pendiente.

¿Qué significa que el IC incluya o no el 1.0?

El intervalo de confianza (IC 95%) de la pendiente es el rango donde, con 95% de confianza, se encuentra el valor real de la pendiente. Si ese rango incluye 1.0, no hay evidencia estadística de que la pendiente sea distinta de 1 (no se puede descartar un error proporcional nulo). Si el IC no incluye 1.0, hay evidencia de un error proporcional real.

Lo mismo aplica al intercepto, pero comparado contra 0 en vez de contra 1.

Esto es información estadística descriptiva, no un veredicto: BunnyStat® nunca dice "el método pasa" o "el método falla" — el analista es quien decide si esa diferencia importa clínicamente para su contexto.

¿Cuándo deberías prestar atención a estos valores?

Presta especial atención cuando el IC de la pendiente no incluye 1.0, cuando el IC del intercepto no incluye 0, o cuando ambos rangos son muy amplios (señal de que necesitas más muestras para una estimación confiable). También vale la pena revisar el gráfico junto con la línea de identidad (y = x): una separación visual notable entre tu línea de regresión y esa diagonal suele ser más fácil de interpretar que los números solos.