医疗统计学在临床的应用.pptx

医学统计学在临床医学中应用;

医学统计学地位和作用;第一节医学统计学地位和作用;

统计学饰演什么角色？

在这个“临床试验”中有很多问题需要回答：

需要多少名患者参加试验？

怎样将患者分为两个组？

哪些办法能够确保两组患者除了接收不一样药品治疗外，其它影响疗效原因在两组分布是一致？

假如分布不一致，怎样在很多影响原因中，分离出药品原因效应？;第一节医学统计学地位和作用;第一节医学统计学地位和作用;第一节医学统计学地位和作用;

一个常见和普遍误解:

“统计”就是分析数据

;第二节医学统计学基本内容和统计工作基本步骤;第二节医学统计学基本内容和统计工作基本步骤;没有科学严谨统计设计，数据搜集以及分析经常是没有价值。

对于不准确或不可靠数据，统计分析所得出结论经常是站不住脚，甚至是误导。

;第一节医学统计学地位和作用;统计研究设计;试验研究设计;试验设计三项标准;随机化标准;随机化(Randomization);设置对照;例某医生欲观察某中药对慢性支气管炎预防效果，设计时在城市某工厂选择工人100名服用该中草药，在农村选择某乡农民100名作对照，不服用此药。结果是城市慢性支气管炎患者显著较少，而农村慢性支气管炎患者增加，由此得出该中草药有防治慢性支气管炎作用。

该结论合理吗？为何？;修改;实例;重复标准;试验设计基本内容;总体;

统计方法正确选择;

;;;1.研究目标

一是经过比较,回答观察指标差异是否归因于处理原因或分组原因，在本教材范围内所包括主要是单变量问题。

二是分析变量之间是否存在某种联络，这主要包括相关分析和回归分析，在本教材范围内所包括主要是双变量问题。;表1.两种方法检测12名妇女最大呼气率(L/min)结果;组别;2.设计类型

从试验研究设计来看，常见设计类型为

完全随机设计(成组设计)

配对或配伍设计(随机区组设计)

;

两样本(成组)t检验

单原因(完全随机设计)方差分析

卡方检验(独立样本)

两样本Wilcoxon秩和检验或多样本Kruskal-Wallis秩和检验;配对t检验

配伍组(随机区组)设计方差分析

配对卡方检验

配???(符号秩和检验)或配伍设计秩和检验(Friedman秩和检验)等。;3.资料类型

对于定量变量，选择它所对应统计方法？

对于定性变量，选择它所对应统计方法？

;4.数据特征

对于同一设计类型和同一资料类型，依然有许多方法能够选择。;表3.九个测定点用甲、乙两种方法测定结果(μg/m3);t检验和方差分析属参数检验方法，对数据要求较高，通常要求数据服从正态分布和方差齐性。

假如服从该条件或经变量变换后服从条件，则采取参数检验方法，不然采取秩和检验这类非参数检验方法。;5.对比组数

单组问题(样本与与已知总体参数比较)

两组问题

多组(3组或以上)比较

注意，多组比较在差异有统计学意义时，需再进行两两比较。;6.样本含量

在样本较小时：

假如是一个样本率与总体率比较，可采取直接计算概率方法如基于二项分布确实切概率法。

假如是四格表资料则采取Fisher确切概率法或校正卡方检验。

对于均数比较问题，普通情况下采取t检验。

在大样本时：可考虑Z检验作近似。;在实际工作中，碰到实际问题可能并非如此简单，须结合专业问题和所要分析详细内容加以综合考虑和仔细判断，有时需对各种统计方法加以综合利用。;另外：

当分析目标是分析变量之间是否存在某种联络时，这就包括到双变量分析方法，即相关关系或回归关系分析。

需注意相关分析和回归分析区分与联络;关联性分析：

对于定量变量，需依据两个变量是否满足双变量正态分布，对应地采取Pearson积矩相关分析或Spearman秩相关分析。

对于等级变量则直接采取Spearman秩相关分析。;对分类变量，常计算列联络数进行分析

对于R×C表资料，需注意区分是单向有序或者是双向有序

对于一个二分类变量和一个等级变量之间线性关联通常采取线性趋势卡方检验

;表4.某市不一样年级中学生吸烟率;生存分析：

是一类较为特殊针对含有截尾数据生存时间数据所进行分析

针对分组和未分组资料，方法有所不一样;多变量数据分析：

多重线性回归是对反应变量为定量变量进行多变量分析

Logistic回归是对反应变量为分类变量所进行多变量分析

Cox百分比风险回归是对反应变量为含有截尾数据生存时间所进行分析;混杂原因控制

非研究原因“可比性”问题

可比性好，各组观察指标之间差异只能归因于研究原因而不是其它原因;假如各组在研究原因之外某种或一些原因有所不一样，那么这个或这些其它原因效应就可能同研究