第一步 · 研究设计与方法选择
通过研究目的选择方法；这是辅助路由，不会代替研究设计判断。
常见研究场景
有序分类 → 加权Kappa；必须指定等级顺序及权重。
连续测量可靠性 → 根据评价者抽样与用途选择ICC。
方法互换 → Bland–Altman及预先规定的临床可接受界限。
分类一致性
Cohen输入为方阵：行=评价者A，列=评价者B。Fleiss输入为每个对象各类别被评价的次数，每行总数必须相同。原始输入每行两列分类值。
何时选择加权Kappa？
当类别具有明确顺序（如轻/中/重），可选择线性或二次权重。无序分类不得仅因为编码为1、2、3就自动使用加权Kappa。
计算结果与解释
ICC · 连续测量可靠性
ICC模型如何选？
单向随机：各对象的评价者可视为随机抽取且不必完全相同；双向：同一组评价者测量所有对象。绝对一致性考虑评价者间系统差异；一致程度忽略一致的系统性平移。单次与平均测量的ICC不能混淆。当前双向模型假设完整平衡设计；双向绝对一致性采用常见ANOVA估计，固定/随机评价者的推断适用性需结合研究设计。
计算结果与解释
Bland–Altman · 测量方法比较
为什么相关性高仍可能不一致？
相关系数主要衡量线性关联，不能替代测量方法间的绝对差异。Bland–Altman用平均差（Bias）和95%一致性界限（LoA）评价两种方法差异的分布。临床可互换性需对照事先规定的可接受界限。
计算结果与解释
论文报告值 · 数学一致性核查
仅对方法明确、信息充分的关系做确定性重算；保留作者原报告值及其精度，不臆造原始数据。
方法与效应量说明
Kappa：分类一致性的效应量
Cohen κ=(Po−Pe)/(1−Pe)，其中Po是实际一致率，Pe是根据边际分布得到的机会一致率。加权Kappa按类别距离对不一致赋予不同权重。Landis–Koch参考分级：≤0.20轻微、0.21–0.40一般、0.41–0.60中等、0.61–0.80较高、>0.80几乎完全一致。分级仅为描述性参考，Kappa受患病率与边际分布影响。
ICC：可靠性与效应量
ICC受研究对象差异、评价者设计及测量误差影响。Koo–Li常用参考：<0.50较差、0.50–0.75中等、0.75–0.90良好、>0.90优秀。应同时报告模型、单次/平均、95%CI；高ICC不代表测量方法可互换。
SEM、MDC与标准差
在单次测量的合适可靠性模型下，可报告测量标准误SEM及MDC95≈1.96×√2×SEM。当前工作站根据ICC模型相应的ANOVA误差结构给出探索性SEM，需结合研究设计确认；MDC不等同于最小临床重要差异MCID。
Bland–Altman：偏倚和一致性界限
Bias为配对差均值；经典LoA=Bias±1.96×SDdiff。LoA不是置信区间；LoA的置信区间用于表达其估计不确定性。只有当预先定义的临床可接受界限能容纳估计的不确定性时，才能谨慎讨论可互换性。
本版本边界
不支持Krippendorff α、Lin CCC、重复测量BA、多评价者缺失评分设计、加权多评价者Kappa、复杂ICC混合模型；不提供未经验证的精确Kappa/ICC显著性检验P值。Bootstrap区间为近似估计，不能等同于专门的精确/解析区间。