(ppt)心脏病学家的研究方法的设计和研究结果的分析.pptVIP

心脏病学家的研究方法的设计和研究结果的分析 Nathan D. Wong, 理学博士，FACC 不同的研究课题设计的优势和劣势 哪一个最适合你？ 计算样本的大小和权重 用什么样的统计学检验 表述结果中发生的错误 提出一项草案的步骤 怎样写值得进一步研究的推荐 不同设计的研究对结果揭示的因果关系的说服力大小不同 最弱：观察性的，横断面研究 弱：观察性的，病例对照的研究 一般：观察性的，前瞻性研究 最强：随机的临床试验 在每一种研究中，对研究的说服力度有影响的还有样本量的大小、比较组的选择（对照或者安慰剂）、选取研究的群体、随访的时间长短和对可能的混淆结果的控制。 观察性的，横断面研究 在某一时点相当短的时间内，或者当（因素间）时间上的联系还不知道的时候，研究两个因素之间的联系（比如：暴露于某些危险因素和发病） 例子：脂质、血压和C反应蛋白水平 结论：发现的联系可能说明有需要进一步研究的假设，但是离证明确切的因果联系还为时过早。 观察性的，病例对照研究 对于那些少见的结果，或需要数年或者更长时间在前瞻性的病人随访中或者在群体中得到足够的病例时有用 经常被用于癌症病因学的研究 选择对照组（比如：医院vs健康的社区），考虑可能的结果混淆的情况。 不能总对暴露的危险因素和引发的疾病的时间联系上得出确切的答案，因为没有得到暴露于危险因素的历史信息 前瞻性的队列研究 例子：弗雷明汉心脏研究，心血管健康研究，动脉粥样硬化的多种族研究，护理健康研究 优势：大样本量，能够从健康时期到发病期全程随访一个人，危险因素和疾病发生的时间上的联系可靠 劣势：因为需要有很大的样本数来得到足够的病例而造成的投入大，需要足够长时间来发展疾病，可能发生失访偏倚，因果关系推论不够明确。 随机临床试验 考虑一种证明因果关系的金标准：进行降低所考察的危险因素的试验。比如，胆固醇不能结论性地看成一个危险因素直到早期试验表明降低胆固醇可以降低CHD发病率。 投入大，操作严格，失访或差依从性可以影响到结果，特别是如果在组与组之间不止有患病与否的差异。 参加试验的病人的情况是高度限制的，可能不能反应临床实践或真实的情况。 随机性平衡了已知和未知的混杂的因素（共变情况），因此结果可以比较有把握地归因于治疗。 关于样本量/概率效果的建议 对每一项研究衍生出的应用都是必要的。 需要估计对照组发病的比率是多少 需要说明你要检测的有临床意义的最小差别是什么，比如，发病率不同，或者危险比例。 针对一个确定的样本量和确定的置信区间（通常是两端各0.05），产生某种效果的概率就可以估计出来。或者给定置信度（通常0.80），也可以估计产生不同的效果需要多大的样本量。 不同研究设计要求的统计学处理 横断面研究：Pearson相关性，有X因素和没有X因素情况下出现Y因素比例的最优让步比Chi－平方检测。 病例对照研究：患病和未患病群体接触危险因素可能性的让步比——对比例做对数回归的Chi平方检测 前瞻性的研究：可能的共变和随访时间问题，有或没有目的因素情况下发病的相对危险度－Cox PH回归。相关性和线性变换回归用于进行其它一些结果的分析。 不同研究设计要求的统计学处理（续） 随机临床试验：治疗组和对照组的相对危险度－Cox PH回归 其它比如之前之后的一些变化（脂质，血压）,初始疗法组和对照组之间的差异用Student检验来判断。重复的ANOVA/ANCOVA用来在整个治疗期进行多次的测量。 表述结果中出现的错误：统计学上的vs临床意义上的 大的样本量可以实质上保证统计学的重要结果的正确—但是前提是低相关度或相对风险。 相反，一个不够的样本量可以隐藏临床上的重要差异。 统计学重要性和样本量大小和差异的大小直接相关，和每个测量的不一致性间接相关。 提出研究草案的步骤 目标和假说 研究背景 方法，包括实验对象的选择，合格的标准，检测过程，治疗期或随访期的操作细节。 研究的可信度和样本量的设计 统计学分析的方法 潜在的研究局限性 数据搜集/管理 搜集数据的方法上要有清楚的计划－比如，设计并发放调查表，案例报告表等。 医疗记录应该只作为发现的东西的文档资料的备份 用可以接受的能够检查输入数据错误的软件（如：EXCEL），就可以方便地转入一个统计学软件中（推荐SAS，通过UCI的网址可以获得） 仔细设计数据库的结构（如，每条记录对应一个对象，研究的变量列表），这样就转换成了一个方便分析的形式。 一些可以提供帮助的资料 流行病学和统计学的书籍 伦理审查委员会－主要考虑研究中涉及伦理的问题 Dean科学综述委员会－有关于研究设计是否合适，研究程序，统计学方面的资料。 问题？ndwong@uci.edu