荷兰阿姆斯特丹大学医学院麻醒科Patrick Schober传授颁发了一篇论文《Statistics From A (Agreement) to Z (z Score): A Guide to Interpreting Common Measures of Association, Agreement, Diagnostic Accuracy, Effect Size, Heterogeneity, and Reliability in Medical Research》，对各类常见的统计目标的界值停止了介绍申明，并建议对医学研究中的一些常用统计目标停止简单易懂的解释，小咖将继续为各人逐个介绍。
前面我们已经介绍了相关系数、克朗巴哈系数等，今天我们继续介绍别的几个统计目标。
I2统计量
在Meta阐发中，在纳入的研究之间察看到的效应量大小的变异，一方面是因为随机抽样误差，另一方面是因为效应量的实在变革。研究之间效应大小的实在变革称为异量性。凡是陈述I2统计量来量化那种异量性。
I2暗示可归因于异量性而非抽样误差所形成的研究之间效应量的变异在总变异中所占的百分比。比拟于评估一致性的典范目标—Cochran’ Q，I2被认为是更好的评价目标，因为它不依赖于纳入研究的数量。
因为I2是一个百分比，所以它是评价异量性的一个相对目标，它不克不及以绝对值的形式来量化研究中效应量变异的大小。I2的范畴为0%到100%。有学者将I2根据25%、50%和75%的界值停止划分，别离代表异量性的低、中、高。如文末表1所示。
组内相关性ICC
在对统一度量或丈量东西的定量数据停止一致性评价时，如评重量表的评分者间或评分者内的信度，凡是接纳组内相关系数（ICC）停止评价。
ICC至少有10种，选择最适宜的ICC取决于几个因素，包罗所有评估能否由不异的评估员或差别的评估员施行；评估员能否被视为随机样本；次要存眷点是小我评估仍是均匀评估；以及能否评估的是绝对一致性。
ICC系数凡是在0到1之间，能够认为是受试者（或评分者）之间的变异在总变异中所占的比例。因为加权kappa统计量是ICC的一个特例，因而能够将ICC和Kappa统计量接纳类似的界值停止解释。如表1所示。
Kappa统计量
Cohen’s Kappa，加权Cohen’s Kappa，Flelss’s Kappa
Cohen’s Kappa（κ）统计量是当两名评分者（察看者）将项目分红彼此排挤的类别时，对两名评分者（察看者）之间的一致水平停止量化。
例如，当两名考官对麻醒科住院医师的测验通过或欠亨过停止评分时，能够利用Cohen’s Kappa来描述考官之间的一致性。关于两名以上的评分者，凡是利用Flelss’s Kappa。
加权Cohen’s Kappa可用于评估有序条目，好比美国麻醒师协会（ASA）的身体形态分类系统评分。固然Cohen’s Kappa对所有纷歧致都视为等同，但加权Cohen’s Kappa对差别定见的权重差别，次要取决于差别定见的值在有序评重量表上的间隔。
和ICC一样，Kappa的上限为+1，暗示完全一致而非偶尔，但与ICC差别，Kappa的下限为−1，暗示一致性远远低于偶尔预期。当察看一致性与偶尔一致性不异时，Kappa值为0。如上所述，Kappa和ICC的解释凡是类似，如表1所示。
但是，更重要的是要理解，Kappa统计量不是绝对一致性的评价尺度，其素质是排除偶尔后的一致性，因而对评分属性的率十分敏感。当评估者的陈述发病率十分高时，例如在上述示例中，大大都考生都通过了麻醒学测验，偶尔一致性较高，虽然察看一致性优良以至十分好，但Kappa值也会相对较低。
因为Kappa统计量的那一特点，强烈建议做者陈述Kappa值及类此外数量，以及察看一致性和偶尔一致性。
受试者工做特征曲线下面积（AUC）
受试者工做特征（Receiver Operating Characteristic，ROC）阐发凡是用于评估诊断试验的准确性，在诊断试验中，基于某种生物标识表记标帜物的察看值，将受试者分为阳性（患病）或阴性（安康）两类。
广义来说，ROC阐发能够用于评估统计模子的预测性能，以预测二分类成果，如Logistic回归模子。
ROC曲线的Y轴是实阳性率（灵敏度），X轴是假阳性率（1-特异度），通过持续丈量变量的差别察看切点值而绘造的一条曲线。
ROC曲线下面积（AUC），也称为c统计量，次要用于评价诊断试验的准确度，或二元回归模子预测的准确度。
AUC为+1暗示完全准确，0.5对应随机分类（例如掷硬币将患者分类为安康或疾病），若是AUC<0.5则提醒准确度比偶尔性还差。
表1、统计目标的界值息争释申明
表2、统计目标的意义、应用及举例
