Regresión Passing Bablok para comparar métodos

Este tutorial muestra cómo configurar e interpretar una regresión de Passing & Bablok en Excel usando el software estadístico XLSTAT.

Comparación de métodos con el método de Passing y Bablok

Cuando desarrollamos un nuevo método para medir la concentración o la cantidad de un elemento (molécula, microorganismo…), quizás nos interese comprobar si rinde o no resultados similares a un método de referencia o comparativo.
Passing y Bablok (1983) desarrollaron un método de regresión que permite comparar dos métodos de medida. El método supera las asunciones de la regresión lineal clásica, que resultan inapropiados para esta aplicación. XLSTAT-LifeSciences proporciona la regresión de Passing y Block (1983) para evaluar la eficacia de un método en comparación con otro.

Datos para la comparación de métodos con el método de Passing y Bablok

Los datos corresponden a un experimento médico durante el cual se mide la concentración de un anticuerpo en 8 ratones sometidos a 8 dosis diferentes de una nueva molécula que está sometiéndose a prueba. Se ha tomado una muestra de sangre de cada ratón, y se ha dividido en cuatro sub-muestras homogéneas. Se están probando dos métodos, cada uno en 2 de las 4 sub-muestras. El primer método se considera actualmente como la referencia, pero es mucho más caro que el segundo (el método nuevo).
Nuestro objetivo es comprobar si es posible usar el nuevo método en lugar del método de referencia.

Configuración de la regresión de Passing y Bablok

• Una vez comenzado XLSTAT, seleccione la función Validación de métodos > Regresión de Passing y Bablok, o haga clic en el botón correspondiente de la barra de herramientas Val.

• Tras hacer clic en el botón, aparece un cuadro de diálogo. Seleccione los datos que corresponden al primer método, y luego al segundo método.

• Cuando hacemos clic en OK, se realizan los cálculos y se muestran los resultados.

Interpretación de los resultados de la regresión de Passing y Bablok

La primera tabla muestra los estadísticos descriptivos de los dos métodos. El nuevo método tienen una media mayor, pero también una mayor varianza.

A continuación se muestran los coeficientes del modelo.

El valor de la intercepción de -1.970, y su intervalo de confianza incluye el valor 0. Este valor mide si la diferencia sistemática de los dos métodos es igual a 0. Si el valor 0 está incluido en el intervalo de confianza, entonces la hipótesis de que la intercepción es 0 no puede rechazarse.

El coeficiente de la pendiente es igual a 1.214, y el intervalo de confianza incluye el valor 1. Esto significa que la diferencia proporcional entre los dos métodos es igual a 1. Si el valor 1 está incluido en el intervalo de confianza, entonces la hipótesis de que la pendiente es igual a 1 no puede rechazarse.

Vemos que no hay diferencias sistemáticas ni diferencias proporcionales entre los dos métodos.

El gráfico de regresión confirma estas observaciones:

Antes de extraer cualquier conclusión, deberíamos probar que nuestro modelo se ajusta a un modelo lineal. Con ese propósito, aplicamos una prueba de linealidad.

Puesto que la prueba no es rechazada, podemos afirmar que no existen diferencias significativas entre ambos métodos, y que el nuevo método menos caro puede reemplazar al antiguo.