在统计学中，"Contingency Table"（列联表）用于展示两种或多种分类变量之间的关系。对于“intermodality agreement”（不同模态间的一致性），例如医学影像诊断中的不同检查方法（如MRI和CT）之间的一致性评价，或者文本
分析中不同标注者间的评价一致性等，列联表可以用来清晰地展示不同模态的诊断结果或标注结果的匹配程度。
假设我们有两个不同的诊断模态A和B，每个模态的结果可以分为两类：正常（N）和异常（A）。这时的列联表可能如下所示：
•a: 模态A和模态B都判断为正常的样本数
•b: 模态A判断为正常但模态B判断为异常的样本数
•c: 模态A判断为异常但模态B判断为正常的样本数
•d: 模态A和模态B都判断为异常的样本数
通过这个表格，我们可以计算Kappa系数、Fleiss' kappa（多标注者情况）、Cohen's kappa（二元分类且两对一配对的情况）或其他一致性指标来量化两个模态之间的一致性程度。
进一步分析时，可能会关注以下几点：
1.总体一致性比例：(a+d)/(a+b+c+d)
2.随机一致性预期值：根据各单元格的期望概率计算
3.Kappa系数或其他一致性系数：衡量观察到的一致性与随机一致性差异
的程度
以上就是使用列联表进行不同模态间一致性的统计分析的基本思路。truncated form

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。