一致性分析
同类相关系数（Intraclass correlation coefficient,ICC）
用于评估连续型定量数据，作为诊断实验可重复性评价的指标
介于0-1之间，一般来说，如果小于0.4，可重复性差；大于0.75，可重复性较好。
ICC是测量或分级的可靠性的度量。
可以是两个或更多的评分者对一些研究对象进行评分。
有两种研究模型
(1)每个对象由不同的随机选择的评分者进行评分（absolute agreement）；
(2)每个对象由相同的评分者进行评分。
有两种类型可以选择：absolute agreement 和consistency 两种。
当评价者之间的系统差异是相关的，选择absolute agreement，用于定量测量（如测量不同研究者是否给予受试者相同的分数）
当评价者之间的系统差异无关紧要时，选择consistency，只可评价相关性，无定量评价作用。
例如：配对评价(2,4)、(4,6)和(6,8)，consistency为1.0，但absolute agreement为0.6667。
结果上会报告两个具有各自95%置信区间的系数：single measures和average measures single measures一个典型的单个评分者评分的可靠性指数。
average measures不同评分者平均信度的一个指标。
这个数值总是高于single measures
这种一般用途比较广泛，用的也比较多。
一致性相关系数（Concordance correlation coefficient,CCC）
用于连续型定量资料
估计两种判读方法或仪器的一致性
评估了通过原点的45°直线上配对数据的下降程度。
ρc包含测量精度ρ和准确性Cb:
ρc = ρCb
ρ是皮尔森相关系数,衡量每个观察对象偏离最佳拟合直线多远，是一种精度测量值皮尔逊相关系数的约束条件：两个变量间有线性关系；变量是连续变量；变量均符合正态分布,且二元分布也符合正态分布；两变量独立。
Cb是一个偏倚校正因子，它度量最佳拟合直线通过原点与45°直线的偏离程度，是一个准确性度量值。
Lin’s concordance correlation coefficient (ρc) is a measure of how well a set of bivariate data (Y) compares to a “gold standard”measurement or test (X).
CCC一般是事物跟金标准比较，只有X和Y两个变量。
评分者间一致性（Inter-rater agreement）（Kappa）
用于评估二分类（阴阳性）资料（定性资料）的一致性（名词性或顺序性量表）使用条件：配对资料、结局互斥、观察者相互独立
其在计算过程中剔除了机遇一致率
一致性是通过Kappa (K)统计来量化的
＜0.2:一致性较差
0.2-0.4：一般
0.4-0.6：中等
0.6-0.8：较强
0.8-1：强
当分类系统完全一致时，K=1。
加权Kappa
Kappa没有考虑观察结果之间的不一致程度，所有的不一致都被视为完全不一致。
因此，当类别被排序时，最好使用加权的Kappa。
例如：
当有5种结局时，当有0个类别之差(=完全一致)或1、2、3、4个类别之差时，线性集合的权值分别为0、0.75、0.50、0.25和0。
二次集的权值分别为1、0.937、0.750、0.437和0。
当第一类和第二类之间的差异与第二类和第三类之间的差异具有同等重要性时，使用线性加权法。
如果第一类和第二类之间的差异没有第二类和第三类之间的差异重要，那么就使用二次加权。
Cronbach alpha系数
是调查问卷内部一致性的统计量；用于问卷的内在信度（问卷问题之间的一致性）分析。
比如关注某一问题，设定了5道题目，测定这5道题目之间的一致性
数据为连续变量和有序分类变量
一般认为大于0.7，内在一致性较高，但是对于临床目的，alpha值至少应该是0.90
Medcalc的表格内问卷的每个问题都以一个变量的形式出现
MedCalc计算每个问题的alpha值
如果删除一个问题会导致alpha值显著增加，那么应该考虑将该问题从问卷中删除。
总结：
一般好像ICC和K系数用的比较多。
但是总体上ICC的用途更广。
进一步讲：
Kappa检验
适用于两次数据（方法）之间比较一致性，比如两位医生的诊断是否一致，两位裁判的评分标准是否一致等。
Kappa检验分为简单Kappa检验和加权Kappa检验，两者的区别主要在于：
如果研究数据是绝对的定类数据（比如阴性、阳性），此时使用简单Kappa系数；
如果数据为等级式定类数据（比如轻度，中度，重度；也或者不同意，中立，同意）；此时可使用加权（线性）Kappa系数。
ICC组内相关系数
用于分析多次数据的一致性情况，功能上与Kappa系数基本一致。
ICC分析定量或定类数据均可；但是Kappa一致性系数通常要求数据是定类数据。
ICC组内相关系数可用于研究评价一致性，评价信度，测量复测信度（重测信度）等。
相对于Kappa系数，ICC组内相关系数的适用范围更广，适用于定量或者定类数据，而且可针对双样本或者多样本进行分析一致性。
但ICC的分析相对较为复杂，通常需要从三个方面进行分析并且选择最优的ICC模型。
KAPPA是用于定性资料，ICC和CCC一般是用于定量资料，如果是intra-and interobserver reproducibility的话就用ICC就好。
ICC是比较不同人对于同样事物的判别之类的，CCC是事物跟金标准比较。
CCC只有X 和Y 两个变量。