医学统计学教学内容改革与探索.docVIP

医学统计学教学内容改革与探索 侯海峰，吴多文，张钦凤，程琮 （泰山医学院，山东 泰安 271000） [摘要]医学统计学是临床医学专业的重要课程，但学习难度大。我们在建设精品课程的过程中以学生为中心，对医学统计学课程教学内容的作了适当调整，使学生在有限的时间更牢固的掌握知识，并能够灵活应用到以后的临床工作中。通过评估和分析发现教学改革提高了教学质量，使学生在改革中获益，教师也得到了锻炼和提高。 [关键词]医学统计学 临床医学专业 教学改革 医学统计学是临床医学专业的重要课程，大多数高等医学院校将其列为必修课程。在医学统计学的教学中，皮尔逊卡方检验（Pearson’s Chi-Square Test，简称卡方检验）又是一个十分重要的内容，该检验是由英国统计学家皮尔逊于1900年提出的用于检验实际频数分布与理论频数分布的拟合程度，即拟合度检验（Goodness-of-Fit Test）的统计方法[1]。在卡方检验的授课中，配对设计计数资料的卡方检验是一个看似简单，但内涵丰富的内容。计数资料的配对设计在医学科研中应用广泛，在除一般性的阳性率差异分析，在重复实验的一致性分析、检验方法评价、诊断评价、病例对照研究等研究中均有不可替代的作用[2]。当配对设计中所研究的变量为二分类变量时,常需要将数据整理成配对设计的2×2列联表（如表1）,然后进行相应的统计学分析，常用的分析方法有：McNemar卡方检验（即配对设计四格表卡方检验）和Kappa检验，这两类方法看似相近，但却是截然不同。这两种分析方法在目前的医学统计学授课中是分开讲解的，这不利于学生对此类问题的牢固把握。笔者在近几年的授课中将McNemar卡方检验和Kappa检验对比讲解，取得了较好的教学效果，使学生能够有更为深刻的认识。 一、配对设计计数资料的χ2检验—McNemar法 表1 配对设计的四格表资料 指标1 指标2 合计 + － + a b r1 － c d r2 合计 c1 c2 n 在表1中a和d是指标1和指标2观察结果一致的匹配对，b显示的是指标1优于（或强于）指标2，c显示的是指标2优于（或强于）指标1，若b和c代表的总体相等，则可认为指标1和指标2的阳性率相同。当b+c≥40时使用下列公式计算统计量[3]： 当b+c＜40时使用下列校正公式： 以上两个公式是将正态分布近似二项分布，但当b+c很小时,正态分布近似二项分布是不合理的,此时须采用二项分布的方法进行精确检验。 例 [4] 有60份白喉病人的咽喉涂抹标本，把每份标本分别接种在甲、乙两种不同类型培养基上，观察两种白喉杆菌生长情况，“+”号表示生长，“-”号表示不生长，结果如表2。可使用McNemar法检验方两种培养基的阳性率有无差别。 表2甲、乙两种白喉杆菌培养基的培养结果 甲 种 乙 种 合计 + － + 5 21 26 － 26 8 34 合计 31 29 60 对以上数据进行统计分析，χ2=0.532，P= 0.466，差异无统计学意义，结论为两种培养基培养的“阳性率”相同。但这一结论不能被认为是两种培养基培养的“结果一致”。从原始数据（b=21，c=26）可见，有21份咽喉涂抹标本在甲培养基培养上生长但在乙培养基不生长，有26份咽喉涂抹标本在乙培养基培养上生长但在甲培养基上不生长，从此数据也不能认为两种培养基培养的结果一致。McNemar法并不能进行两种培养方法“一致性”的检验。 二、配对设计计数资料的一致性分析—Kappa检验 在医学研究工作中, 一致性检验是经常遇到的问题，如评估两种检测方法或两名检验人员的检测结果是否一致，评价某种诊断方法是否与金标准一致，用同一种方法进行多次测定的结果能否重现的问题。Kappa一致性检验是分析这类配对设计计数资料一致性的方法[5]。 Kappa系数(K)适用于无序分类变量资料,包括两项分类和多项分类资料，计算公式[6,7]为： K =实际一致性/非机遇一致性 其中：机遇一致性Pe=(r1c1/n+r2c2/n）/n×100％；观察一致性Po=(a+d）/n×100％；非机遇一致性＝1－Pe；实际一致性＝ Po－Pe 。 Kappa系数的假设检验：根据实际资料计算的K值只是一个样本的统计量,存在着抽样误差,因而,所计算的K值是否来自K值为“0”的总体(即两者之间的一致程度是由于机遇造成的),应当经过假设检验(u检验),检验公式为： 式中,u为标准正态分位数,Se(K)为K的标准误。 一致性强度判断的参考范围：Landis和Koch[8]将Kappa系数的大小划分了六个区段,分别代表一致性的强弱程度。当K0为一致性强度极差；0～0.20为一致性微弱；0.21～0.40为一致性弱；0.41～0.60为中度一致性；0.61～0.80