临床统计学知识汇总精要.docVIP

临床统计学：研究临床研究资料中变异性及其变化规律的科学与艺术。统计学内容要贯穿于临床研究中的资料搜集、整理、分析与结果解释等全过程。 计量资料的统计描述及结果表达： 统计图表：各类图表（频数表、直方图） 定量描述：临床研究中对于服从正态分布者用均数±标准差；服从对数正态分布者改用几何均数±标准差； 对于其它不服从以上分布者，用中位数和四分位间距(IQR)表达。 计数资料的统计描述：率与比 率：发生某现象的观察单位数/可能发生某现象的观察单位总数。描述事件发生的强度和频率 构成比：A/（A+B+….）。事物内部各组成部分所占的比重 相对比：A / B。A指标为B指标的若干倍或百分之几。 计算率时要求分母不宜过小；分析时不能以构成比代率；病死率与死亡率不同。 临床效应量（effect size）常被定义为有临床意义或实际价值的干预效应或差值。 效应量（effect size）：指临床上有意义的均数差值（均数差值是指试验组与对照组的均数之差）。必须结合专业知识、指标特点综合判定差值的实际意义。 计数资料效应量： 绝对指标： 绝对危险降低率(absolute risk reduction, ARR)：对照组与试验组事件发生率之间的绝对差值%表示。此值意味着试验组临床事件发生率比对照组相同事件率的绝对差值，其值越大，临床效果的意义自然会越大。 公式：ARR=P-A(%) P=对照组的事件率，如病死率 A=试验组的事件率 相对指标： 相对危险降低率(relative risk reduction, RRR)：此值的大小表示试验组比对照组治疗后有关临床事件发生的相对危险度下降的水平。 公式：相对危险降低率(RRR)=((P-A)/P)×100 P=对照组的事件率，如病死率 A=试验组的事件率 RR/OR 统计方法正确抉择基本要素：资料类型、设计方案、样本含量、数据结构、特定条件 计量资料：假设检验、 t检验、 u检验、方差分析、秩和检验等 效应量可信区间（95%可信区间）：准确度: 95%、99%、90% 精度: 为可信区间的宽度 影响精度因素:准确度、标准差、样本量 计数资料：X2检 验、logistic回归分析 率差值的可信区间估计 说明两个率差以及有无临床价值。 统计结果的正确表达： （1）假设检验目的是根据P值与检验水准的比较，并得到两组总体均数是否有差异的推断结论。 P值(:两组总体均数间差异有统计学意义； P值(:两组总体均数间差异无统计学意义； (P值在(附近时，下结论应慎重)。 不能表明“显著性”差别的程度以及有无实际意义(临床意义) （2）可信区间：按照设计类型及相应的公式分别计算出组间均数差值95%可信区间。 可信区间能提供更多的信息：能表明差别有无统计学意义，同时能显示差别的程度及临床意义,但CI不能提供确切概率。因此，统计结果的表达：P值与可信区间相结合，同时报告。 正确解释与评价结果：真实性、重要性、适用性 真实性解释与评价：统计推断的结论具有概率性；只能有两种结果，有统计学意义，无统计学意义。但两类结果同样重要。特别是当出现阴性结果时，更应该注意，因为可能有II型错误的存在，阴性结果可能又包括两类：确实无统计学意义；或者出现假阴性。应重点考察样本含量及检验效能。 预防出现假阴性结果：正确估算样本含量 样本含量应该足够，不能过大或过小，否则两者均可造成资源上的浪费。 样本含量的估算需要得到以下信息：以病死率为例：I型错误率(α)：0.05 拒绝了实际上正确的H0,即弃真，假阳性(H0为阴性，H1为阳性)，误诊。II型错误率(β):0.1—0.2 不拒绝实际上不成立的H0，即存伪，假阴性，漏诊。检验效能(1-β)，一般要求＞0.8。新方法达到的最小效应量：1%，5%。传统基线病死率： （2）重要性评价：综合临床意义与统计学意义 （3）评价统计结果的适用性：统计分析结果实际上是基于个体的平均水平。将平均水平结果应用到个体水平，忌生搬硬套。 公开发表论文中常见的统计学问题：需做而未做统计分析；统计分析方法不清，或未标明；应用 条件不满足；错误选用统计方法；结果解释不合理；论文写作方面：结果表达不完整、不清楚。 统计方法选择不符合分析目的；分析方法选择未结合资料特点；未考虑混杂/偏倚对结果的影响 如何处理中等混杂或偏倚：对于能够准确测量的混杂因素：采用基线比较，必要时采用多元统计分析方法。多个中心间基线资料比较：病人年龄构成，出血量、术后死亡比例是否相同。对于不能够准确的混杂因素，可以采用严格的设计加以控制，如分层、配对或盲法及隐藏等。如在随访调查中，可对调查者盲法，避免调查性偏倚（厚此薄彼）。 如何减少样本的抽样误差（s/n0.5)：制定严格的研究对象纳入