药物研究的设计与统计 9药物研究的设计与统计—EXCEL在药学统计中的应用.pptVIP

03-4 * 例2：某地区10年前普查时，13岁男孩平均身高为1.51m。现抽查200个12.5岁至13.5岁男孩，身高平均值为1.53m，标准差S=0.073m，问10年来该地区男孩身高是否有明显增长？ 03-4 * 该题的算法同前面例子。计算的统计量也相同。本例总体均数u0=151,由于生活水平提高，孩子身高只会增加，不会减少。因此可用单侧检验。 ①H0:?＝151, H1＞151,?=0.05  ②计算统计量 t= 03-4 * 计算结果显示P=0.000072，拒绝H0，接受H1，认为儿童的身高近十年确有增长。 这种检验方法比较粗糙，因为它忽略了10年前儿童身高标准差，可能会带来统计信息的损失。往往作为筛选或预实验采用。 03-4 * 三、配对资料的t检验 03-4 * 有两种配对设计，一种是同对的观察对象进行两种处理：如1）对同一份血清进行两种方 法检测某种酶的活性2）对同窝别的动物配对后观 察给药与不给药物的效应 观察，观察药物与溶媒的 作用 03-4 * 3）动物、病人左右对照观察药 物的效应4）对病人进行配对（年龄、性 别、身体状况相似的配成对 子），对每个病人随机应用 两种药物 另一种情况为自身前后对照 03-4 * 例3.?观察某种癣药水A的效应，B为其溶媒（水杨酸），试比较两者效应有无区别（是药物的作用还是溶媒的作用）？ 03-4 * 表3. 癣药水A和溶媒B对家兔真菌感染的疗效观察 03-4 * 1.运行EXCEL，录入数据,单击“工具”栏下拉菜单，选中“数据分析”。弹出以下对话框 。 03-4 * 2.单击确定，弹出以下对话框 03-4 * 3.在“变量1的区域”输入需要检验值的地址，在“变量2的区域”输入另一数据地址，在“假设平均差”中输入0，选中“标志”，单击确定，结果如下 03-4 * 4.结果分析 计算结果表明，P=0.0070.05,认为A的作用不同于B的作用，也就是说A的抗真菌作用与溶媒无关，是A中的药物有抗真菌作用。 03-4 * 四、两个独立样本均数的t检验 03-4 * 03-4 * 例4．某药厂生产的新药A具有抗心肌缺血作用，以硝酸甘油作为阳性对照，观察了药物对心肌缺血动物心肌酶的影响，结果见表4，请评价A药的效应。 03-4 * 药物对心肌缺血动物心肌酶的影响 03-4 * 计算过程略结果表明给药前A,B两药的心肌酶含量没有差异，说明设计的初始反应是相同的。A给药后心肌酶显著下降，B同样如此。给药后A与B相比，A显著低于B，A药的效应强于B。（B为硝酸甘油） 03-4 * 让我们再仔细观察下面的例子：同样的实验，只改变某些数据： 03-4 * 统计结果显示：A给药前后心肌酶改变不明显（提示A药可能无效），B给药后心肌酶显著下降（提示B药可以抗心肌缺血）；给药前A,B的心肌酶无差别，给药后A,B比较心肌酶无明显差别（提示给药后A,B无差别）。这种矛盾结果在日常研究中会遇到这种情况。 03-4 * 如何解释？造成这种现象的原因：从结果可以看出，A药给药前后的方差分别为108，58，A药的标准差太大造成此种结果。造成标准差过大的原因：抽样误差及药物本身无效。 03-4 * 分析给药后药物降低心肌酶情况：A药降低7.2%±8.6%,B药降低14.5％ ±6.0％，A药的作用只有B药的一半，A药的标准差大于均数，提示A药作用不强，或者样本不足。 03-4 * 2.交互作用：当一个因素的效应明显地依赖于其他因素的水平时，称这些因素间有交互效应。例如，由于人的体质不同，药物的疗效也可能会有不同；交互效应的有无可用一些直观方法粗略估计，例如可用图形来估计： 03-4 * 无交互作用 有交互作用 A B C A B C 03-4 * 3.双因素方差分析的步骤 1).提出零假设 H0: 行间无差异 H1: 列间无差异 2).确定α水平 3).根据实验数据计算F值 编制F值交互作用表，分析主  要影响因素 03-4 * 第一节 双因素无重复数据的方差分析 03-4 * 例1.数据见前 1.录入数据，见下 03-4 * 2.点击工具→数据分析，弹出下面对话框，选择无重复双因素方差分析 03-4 * 3.单击确定，弹出以下对话框4. 点击 ，拖拽致所要分析的区域。 然后点击确定，分析完成 03-4 * 5.结果由于行间（工人）与列间（机器）的统计F值均小于临界值，故接受H0与H1假设，认为三台机器无差异，工人的操作无区别。