实验室测量的Z(log)转换
介绍
这个zlog公司
该软件包提供将实验室测量转换为标准化的功能\(z)或\(z(log)\)-中建议的值霍夫曼等人(2017)因此需要参考下限和上限。如果不知道这些,可以从给定的样本中进行估计。
Z(log)相关颜色渐变
霍夫曼等人(2017)建议使用颜色梯度为用户可视化实验室测量。
![](data:image/png;base64,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)
它可以用于突出显示表中的值:
表转载自霍夫曼等人(2017),表2,使用限值:白蛋白35-52 g/l,胆红素2-21µmol/l。
类别 |
白蛋白 |
zlog(白蛋白) |
胆红素 |
zlog(胆红素) |
献血者 |
42
|
-0.15 |
11
|
0.88 |
献血者 |
34
|
-2.25 |
9
|
0.55 |
献血者 |
38
|
-1.15 |
2
|
-1.96 |
无肝硬化肝炎 |
43
|
0.08 |
5
|
-0.43 |
无肝硬化肝炎 |
50
|
1.57 |
22
|
2.04 |
无肝硬化肝炎 |
42
|
-0.15 |
42
|
3.12 |
肝硬化肝炎 |
27
|
-4.53 |
37
|
2.90 |
肝硬化肝炎 |
31
|
-3.16 |
200
|
5.72 |
肝硬化肝炎 |
24
|
-5.70 |
20
|
1.88 |
估算参考限值
这个参考_限制
函数计算下限和上限2.5或97.5(或用户给定的概率)分位数:
##下部上部## 24.6 48.6
参考_限制(白蛋白,问题= c(c)(0.05,0.95))
##下部上部## 25.2 47.2
##下部上部## 24.57207 48.51429
使用参考表
大多数实验室使用自己的年龄和性别参考限值。这个查找限制
函数可用于找到正确的参考极限。
#玩具示例
参考<- 数据帧(
参数= c(c)(“白蛋白”,代表(“胆红素”,4)),
年龄= c(c)(0,1,2,三,7),#天
性= “两者”,
单位= c(c)(“克/升”,代表(“µmol/l”,4)),#忽略
较低= c(c)(35,代表(不适用,4)),#无实际参考值
上部= c(c)(52,5,8,13,18)#无实际参考值
)
针织物::卡布尔的(参考)
参数 |
年龄 |
性 |
单位 |
降低 |
上面的 |
白蛋白 |
0 |
二者都 |
克/升 |
35 |
52 |
胆红素 |
1 |
二者都 |
微摩尔/升 |
不适用 |
5 |
胆红素 |
2 |
二者都 |
微摩尔/升 |
不适用 |
8 |
胆红素 |
三 |
二者都 |
微摩尔/升 |
不适用 |
13 |
胆红素 |
7 |
二者都 |
微摩尔/升 |
不适用 |
18 |
#查找18岁女性的白蛋白参考值
查找限制(
年龄= 18 * 365.25,
性= “女性”,
表格=参考[参考$参数==“白蛋白”,]
)
##下部上部##白蛋白35 52
#查找18岁女性的白蛋白和胆红素值
查找限制(
年龄= 18 * 365.25,
性= “女性”,
表格=参考
)
##下部上部##白蛋白35 52##胆红素NA 18
#查找婴儿胆红素参考值
查找限制(
年龄= 0:8,
性= 代表(c(c)(“女性”,“男性”),5:4),
表格=参考[参考]$参数==“胆红素”,]
)
##下部上部##胆红素NA NA##胆红素NA 5##胆红素NA 8##胆红素NA 13##胆红素NA 13##胆红素NA 13##胆红素NA 13##胆红素NA 18##胆红素NA 18
缺少参考限值
有时未规定参考限值。与感染或癌症相关的生物标志物通常就是这样。使用零作为下边界会导致歪斜分布(霍夫曼等人,2017年,图7).Haeckel等人(2015)建议将参考下限设置为上限的15%。
##准年龄性别单位上下##1白蛋白0两种g/l 35.00 52##2胆红素1均µmol/l 0.75 5##3胆红素2均µmol/l 1.20 8##4胆红素3均µmol/l 1.95 13##5胆红素7均µmol/l 2.70 18
#手动设置分数
设置丢失限制(参考,分数= c(c)(0.2,5))
##准年龄性别单位上下##1白蛋白0两种g/l 35.0 52##2胆红素1均为µmol/l 1.0 5##3胆红素2均为µmol/l 1.6 8##4胆红素3均µmol/l 2.6 13##5胆红素7均µmol/l 3.6 18
计算缺失的实验室测量值
如果缺少实验室测量,可以使用“正常”参考表中的值。使用“对数平均值”
(默认)或“意思是”
参考值(默认值)将导致\(zlog\)或\(z)-值分别为零。
x个<- 数据帧(
年龄= c(c)(40,50),
性= c(c)(“女性”,“男性”),
白蛋白= c(c)(42,不适用)
)
x个
##年龄性别白蛋白##1 40女42##2 50公NA
z数据流(插补df(x,参考,方法= “意思是”),参考)
##年龄性别白蛋白##1 40名女性-0.345876##2 50男0.000000
##年龄性别白蛋白##1 40女-0.1547222##2 50男0.0000000
中国人民银行
例子
为了演示,我们选择中国人民银行
数据集来自生存
包装并排除所有非实验室测量年龄和性:
图书馆(“生存”)
数据(“中国人民银行”)
实验室<- c(c)(
“比利”,“chol”,“白蛋白”,“铜”,“alk.phos”,“上一次”,“三角”,
“血小板”,“临时”
)
中国人民银行<- 人民银行[,c(c)(“年龄”,“性爱”,实验室)]
针织物::卡布尔的(头(pbc),数字= 1)
年龄 |
性 |
胆汁酸 |
焦耳 |
白蛋白 |
铜 |
碱性磷酸酶 |
ast公司 |
三角(trig) |
血小板 |
伪卫星 |
58.8 |
(f) |
14.5 |
261 |
2.6 |
156 |
1718 |
137.9 |
172 |
190 |
12.2 |
56.4 |
(f) |
1.1 |
302 |
4.1 |
54 |
7394.8 |
113.5 |
88 |
221 |
10.6 |
70.1 |
米 |
1.4 |
176 |
3.5 |
210 |
516 |
96.1 |
55 |
151 |
12 |
54.7 |
(f) |
1.8 |
244 |
2.5 |
64 |
6121.8 |
60.6 |
92 |
183 |
10.3 |
38.1 |
(f) |
3.4 |
279 |
3.5 |
143 |
671 |
113.2 |
72 |
136 |
10.9 |
66.3 |
(f) |
0.8 |
248 |
4 |
50 |
944 |
93 |
63 |
不适用 |
11 |
接下来,我们根据数据估计所有参考限值。我们希望使用铜和天冬氨酸转氨酶的性别特异性值(“ast”
).
##复制cuper和ast两次,其他只使用一次
参数<- 代表(实验室,如果不是这样(实验室%单位:% c(c)(“铜”,“ast”),2,1))
性<- 代表(_L)(“两者”,长度(参数))
##将sex==替换为cu和ast的雌性和雄性
性别[参数%单位:% c(c)(“铜”,“ast”)] <- c(c)(“f”,“m”)
##创建data.frame,我们暂时忽略特定年龄的值,并将年龄设置为零
##(指适用于所有年龄段的人)
参考<- 数据帧(
参数=参数,年龄= 0,性=性别,较低= 不适用,上部= 不适用
)
##从样本数据估计参考限
对于(i)在里面 seq_len(nrow公司(参考)){
参考[i,c(c)(“较低”,“上部”)] <-
如果(参考$性别[i]==“两者”)
参考_限制(中国人民银行[参考$参数[i]])
其他的
参考_限制(中国人民银行$性== 参考$性别[i],参考$参数[i]])
}
针织物::可操作的(参考)
参数 |
年龄 |
性 |
降低 |
上面的 |
胆汁酸 |
0 |
二者都 |
0.4000 |
17.3150 |
焦耳 |
0 |
二者都 |
174.0750 |
1086.2250 |
白蛋白 |
0 |
二者都 |
2.5400 |
4.2200 |
铜 |
0 |
(f) |
12.8250 |
269.2750 |
铜 |
0 |
米 |
23.5000 |
388 |
碱性磷酸酶 |
0 |
二者都 |
504.7500 |
9261.7400 |
ast公司 |
0 |
(f) |
49.6000 |
249.7438 |
ast公司 |
0 |
米 |
55.4775 |
208.3350 |
三角(trig) |
0 |
二者都 |
52.0250 |
279.8000 |
血小板 |
0 |
二者都 |
95 |
470.4000 |
伪卫星 |
0 |
二者都 |
9.5000 |
13.1625 |
这个中国人民银行
数据集包含一些缺少的值。我们用相应的平均参考值(在本例中仅为样本平均值,但在现实生活中为健康亚群的平均值)对进行插补。
##年龄性别胆红素白蛋白铜碱性磷酸酶ast三联血小板蛋白##6 66.25873转0.8 248 3.98 50 944 93 63 NA 11##14 56.22177米0.8北美2.27 43 728 71北美156 11
中国人民银行<- 插补df(pbc,参考)
中国人民银行[c(c)(6,14),]
##年龄性别胆红素白蛋白铜碱性磷酸酶ast三联血小板##6 66.25873转0.8 248.0000 3.98 50 944 93 63.000 211.3954##14 56.22177米0.8 434.8386 2.27 43 728 71 120.6507 156.0000##伪卫星## 6 11## 14 11
随后,我们可以将实验室测量值转换为\(z(log)\)-值使用z日志df
应用zlog公司
对于每个数字
中的列数据帧
(除了“年龄”
列):
年龄 |
性 |
胆汁酸 |
焦耳 |
白蛋白 |
铜 |
碱性磷酸酶 |
ast公司 |
触发器 |
血小板 |
伪卫星 |
58.8 |
(f) |
1.8
|
-1.1
|
-1.8
|
1.3
|
-0.3
|
0.5
|
0.8
|
-0.3
|
1
|
56.4 |
(f) |
-0.9
|
-0.8
|
1.8
|
-0.1
|
1.7
|
0
|
-0.7
|
0.1
|
-0.6
|
70.1 |
米 |
-0.7
|
-1.9
|
0.5
|
1.1
|
-1.9
|
-0.3
|
-1.8
|
-0.8
|
0.8
|
54.7 |
(f) |
-0.4
|
-1.2
|
-2.0
|
0.1
|
1.4
|
-1.5
|
-0.6
|
-0.4
|
-1.0
|
38.1 |
(f) |
0.3
|
-1.0
|
0.6
|
1.1
|
-1.6
|
0
|
-1.2
|
-1.1
|
-0.3
|
66.3 |
(f) |
-1.2
|
-1.2
|
1.5
|
-0.2
|
-1.1
|
-0.4
|
-1.5
|
0
|
-0.2
|
55.5 |
(f) |
-1.0
|
-0.6
|
1.7
|
-0.2
|
-1.3
|
-1.5
|
1.3
|
-0.1
|
-1.7
|
53.1 |
(f) |
-2.3
|
-0.9
|
1.5
|
-0.2
|
1
|
-3.3
|
1
|
1.4
|
-0.2
|
42.5 |
(f) |
0.2
|
0.5
|
-0.5
|
0.4
|
0.1
|
0.6
|
-0.7
|
0.4
|
-0.2
|
70.6 |
(f) |
1.6
|
-1.7
|
-1.4
|
1.1
|
-1.2
|
0.7
|
0.4
|
0.9
|
0.3
|
53.7 |
(f) |
-0.7
|
-1.1
|
1.8
|
-0.3
|
-0.9
|
-0.8
|
-1.0
|
0.5
|
0.8
|
59.1 |
(f) |
0.3
|
-1.3
|
0.6
|
0.6
|
-1.7
|
-0.7
|
-0.6
|
-2.7
|
2.4
|
45.7 |
(f) |
-1.4
|
-0.9
|
1.3
|
-0.5
|
-0.8
|
-0.6
|
0.2
|
0.4
|
-0.6
|
56.2 |
米 |
-1.2
|
0
|
-2.8
|
-1.1
|
-1.5
|
-1.2
|
0
|
-0.7
|
-0.2
|
64.6 |
(f) |
-1.2
|
-1.4
|
1.3
|
1.4
|
1.9
|
0.3
|
-0.5
|
0.8
|
-0.2
|
40.4 |
(f) |
-1.4
|
-1.6
|
0.9
|
-1.0
|
-1.5
|
-1.0
|
-1.7
|
-0.2
|
-0.4
|
52.2 |
(f) |
0
|
-1.0
|
-0.3
|
1.3
|
-0.5
|
0.1
|
0.1
|
0.1
|
-0.8
|
53.9 |
(f) |
1.5
|
-1.9
|
-1.2
|
3
|
-1.1
|
2.2
|
1.2
|
0.7
|
1.2
|
49.6 |
(f) |
-1.4
|
-1.3
|
0.6
|
-0.5
|
-0.2
|
-0.4
|
0
|
-0.0
|
-0.2
|
60 |
(f) |
0.7
|
-0.3
|
0.5
|
1.1
|
-0.2
|
0.2
|
0.3
|
1
|
1.8
|
64.2 |
米 |
-1.5
|
-1.2
|
1.2
|
-1.2
|
-1.3
|
-1.5
|
-0.9
|
1.1
|
0.2
|
56.3 |
(f) |
0.3
|
-1.0
|
0.8
|
2.7
|
-0.6
|
0.2
|
-1.8
|
-0.5
|
0.4
|
56 |
(f) |
2
|
-0.2
|
-0.8
|
2.9
|
1.4
|
1.7
|
1.1
|
0
|
0.5
|
44.5 |
米 |
-0.2
|
0.1
|
1.5
|
0.4
|
1.3
|
2.1
|
1.5
|
-2.7
|
-1.5
|
45.1 |
(f) |
-1.4
|
-0.8
|
1.7
|
-0.5
|
-1.6
|
-0.1
|
-1.4
|
1
|
0.1
|