医学研究中进行一致性检验时，通常有以下方法如下表：

首先从数据类型适用性上判断：ICC适用于定量或定类数据均可；但是Kappa一致性系数通常用于定类数据一致性；以及Kendall W协调系数用于定量数据，尤其是定序等级数据。

举例场景说明：

场景1：3个医生对于10个病人的智商分值一致性

此类情况可使用ICC，或者Kendall W协调系数，但一般会使用ICC，原因在于定量数据且测量一致性。

场景2：3个医生对于10个病人的疗效(分痊愈，显效，有效，无效)一致性

此类情况可使用ICC，Kendall W协调系数；数据上属于定序等级数据，可使用Kendall W协调系数，当然也可使用ICC。

场景3：2个医生对于10个病人的疗效(分痊愈，显效，有效，无效)一致性

此类情况可使用ICC，Kappa一致性系数，或者Kendall W协调系数；但一般可使用ICC或者Kappa一致性系数且加权。

场景4：2个医生对于10个病人的癌症诊断结果(分阳性和阴性)一致性

此类情况可使用ICC，Kappa一致性系数，但一般会使用Kappa一致性系数，原因在于定类数据且2组(2个医生)，定类数据不能使用Kendall W协调系数。

场景5：2个医生对于10个病人的心跳测量值一致性

此类情况可使用ICC，Kendall W协调系数和Bland-Altman图。一般使用ICC，或Bland-Altman图较多。原因在于测量值为连续定量数据（不能使用Kappa），Kendall W更强调关联程度并非一致性。因而可使用Bland-Altman图进行查看一致性情况，Bland-Altman图是惟一可使用图形直观展示一致性的方法。

案例说明

当前有医生使用两种方法分别做一项实验（针对20个研究对象），现需要对第1种和第2种方法共两种方法的测量数据进行一致性检验，数据结构如下图：

Bland-Altman图是一种一致性测量的可视化展示方法。其将测量数据相关计算后，进行散点展示出来，如果说散点在可信区间范围内（一般是差值的1.96个标准差范围内），那么就说明数据具有较好的一致性水平。

Bland-Altman图的横坐标为两种方法的平均值，纵坐标为两种方法的差值。比如有100个研究对象，每个对象进行两次测量，那么就会有100个平均值数据（两次测量的平均值），对应以及100个差值数据（两种方法的测量数据差值），将此100个数据散点展示，如果说此100个点介于“差值的95%区间即差值的1.96的标准差范围内”，此时说明具有非常好的一致性，但具体标准是全部点都在标准内，还有绝大多数点都在标准内即说明具有一致性，这将由参考文献决定。

同时，如果有分组数据，比如同一研究对象使用两种测量方法进行测量，并且研究对象可分成几个类别，此时只需要把类别group放入对应框中即可，group仅在图示中展示出不同的颜色进行区分，对于指标的计算并不会有任何的影响。

操作

本例子中测量两种方法的测量一致性问题（且并没有区分group类别），则操作如下：

SPSSAU输出结果

SPSSAU共输出1个表格和1个图；分别是“Bland-Altman描述统计”，“Bland-Altman描述统计图”。

Bland-Altman描述统计：其展示两个测量数据的平均值，以及差值的均值，差值的标准差，差值均值的95%置信区间，差值的95%置信区间，差值的显著性检验，同时SPSSAU还提供重复以血性系数CR值指标；显著性检验的原理为配对t检验，其用于检验差值是否明显偏离数字0，如果呈现出显著性，说明差值明显偏离数字0（即说明两种方法具有不一致性），反之说明差值不会明显偏离数字0（即说明两种方法具有一致性）。

Bland-Altman图：横坐标为两种方法测量数据的平均值，纵坐标为两种方法的测量差值，图中共包括3条线，中间线条表示差值的平均值，上下线条为95%一致性界限的上下限（即1.96个标准差上下界值）。

结果解读

从上表可知：本次数据共有20个样本（测量对象），以及第1种方法和第2种方法测量的平均值分别是5.5和4.5，使用配对t检验显示，数据并没有呈现出显著性（p=0.286>0.05），即说明两种测量方法的差值并没有明显偏离数字0，也即说明两种测量方法具有一致性。

两种测量方法差值的95%置信区间为-7.325 ~ 9.425，如果说Bland-Altman图中的散点纵坐标基于均介于此区间范围内，则说明数据具有良好的一致性水平。

从Bland-Altman图可知，两种方法差值的均值为1.05，差值的95%置信区间为-7.33 ~ 9.43,所有测量数据均介于95%置信区间范围内，意味着本次数据具有良好的一致性水平。

如果说测量对象具有类别属性，而且希望在图中展示出类别效果。可将类别项放入对应框中，输出表格并不会有任何变化，但输出的Bland-Altman图中会用不同的颜色标识出不同的类别属性，类似如下图：