第二节流行病学数据分析方法的选择指南.pptVIP

流行病学数据的分析处理方法 第一节 流行病学数据分析前的准备工作 一、原始数据的检查 在数据分析前需要对原始的流行病学调查研究数据进行一次审查，发现可能存在的错误、遗漏的研究变量取值和其他问题，并采取相应的措施进行处理。 二、选择合适的数据管理和数据分析软件 常用的数据管理软件有：Epi-info，Epidata，Microsoft FoxPro、Microsoft Access、Microsoft Excel 应用广泛的数据分析软件有： SAS 和 SPSS 三、数据的计算机录入 录入数据之前有要做： 一是给每一个调查表或调查对象一个编号以识别录入的数据与调查表或调查对象的对应关系 二是给输入的变量定义名称 三是需要对变量的调查结果进行数量化 四是检查数据的结构 四、数据的检查与核对 在原始数据输入计算机后，还应对数据作进一步的检查与核对。主要包括： 数据库样本数（观测数）的检查核对 各变量取值情况的检查核对 五、数据的整理 （一）数据的分组 分类变量，可按其原有的分类进行分组；数值变量可以按照其实际的生理、病理或临床意义进行分组。 （二）数据的转换 数据的转换 非正态数据的变量转换 数据变量转换的方法很多，可以根据数据的分布特征，选择合适的数据转换方法。常用的方法有对数变换，平方根变换或倒数变换等。 分类变量转换成哑变量 六、确定拟分析的因变量和自变量 因变量是指反映疾病的发生或健康状况分布的变量，是结果变量，即因变量是在自变量的作用下产生反应的变量。 那些影响疾病或健康状况的变量则称为自变量，是原因变量，即自变量是导致因变量变化的变量。 七、缺失数据的处理 缺失数据是指其测量结果缺失，例如在问卷调查时遗漏出生日期和年龄，调查结束后又无法补救而使个别研究对象的年龄成为缺失数据；血脂或血糖因为血清量不足或研究对象拒绝采血而导致某些研究对象实验室的检测结果成为缺失数据。 第二节 流行病学数据分析方法的选择指南 一、流行病学数据的分析程序 在进行流行病学数据分析之前，首先需要根据数据的性质了解数据分析的程序，作为数据分析的指导。具体的分析程序见图。 数值变量的分析程序 分类变量的分析程序 二、根据研究设计类型选择 （一）成组比较的设计 （二）配对设计 （三）重复测量的设计 （四）多因素设计 三、根据变量的类型选择 不同研究设计和数据类型的数据分析方法选择 第三节 不同流行病学研究类型的数据分析方法 一、描述性研究的数据分析方法 （一）现况研究 在现况研究中通常描述研究人群的患病率、危险因素的流行率及数值变量的分布情况，可以使用相关或回归分析、c2检验、t检验及方差分析等方法分析数据。在现况研究中根据数据的情况也可以使用多因素分析方法，还可以应用现况研究的数据估计人群归因危险度等。 （二）生态学研究 （三）筛检 二、分析性研究的数据分析方法 （一）病例对照研究 （二）队列研究 病例对照研究数据的分析程序 队列研究数据的分析程序 三、实验研究的数据分析方法 实验研究的数据分析方法可以分析效果指数、保护率或干预组与对照组某疾病的发病率、危险因素的暴露率及数值变量均值水平的差异，可能的显著性检验方法有卡方检验、t检验及方差分析等。 第四节 流行病学数据的表达与报告方法 一、数据的报告顺序 二、非正态数据的表达与报告 对于非正态数据有不同的报告策略，可以报告中位数、最小值及最大值，也可以报告中位数、25%分位数、75%分位数、最小值及最大值，也可以报告均值、中位数再配合以上的变异指标。对于进行变量转换的数据，可以报告原始值，也可以报告其转换值。 三、数据表达与报告中图、表及文字的使用 在数据表达与报告中要合理地使用图、表和文字，以使报告的数据生动活泼、简洁明了，易于让读者看懂并理解，但要协调好三者间的关系。 第五节 流行病学数据分析中存在的问题 不重视人口学数据及描述性统计量的分析 忽视分析方法的应用条件 数据的分组方法不合理 在多因素分析中分类变量未转换为哑变量 多因素分析中未进行模型拟合度的检验 需要分析的数据未进行统计学分析 缺失数据的处理 相对数的误用 忽视对协变量效应的控制 * * 数值变量 正态性检验 正态 非正态 参数检验 非参数检验 分类变量 单因素分析 多因素分析 卡方检验 分层分析 logistic回归分析 Cox回归分析 其它分析方法 生存分析 生存时间 相关分析，c2检验 c2检验，logistic回归分析 方差分析，logistic回归分析,判别分析，聚类分析 有序变量 c2检验 c2检验，logistic回归分析 t检验,方差分析，logistic回归分析