临床研究常见之生物统计.PDFVIP

臨床研究常見之生物統計 張晉豪 助研究員 台大醫院 醫研部 認識資料 •連續變項 年齡 體重 生化指標 （IgA 、Interleukin-6 ） •類別變項 類別尺度 （nominal scale ） •居住地區別 • 疾病別 （病例、對照） 順序尺度 （ordinal scale ） • 教育程度 • 連續變項類別化 （例如 ：Age 、BMI ） 2 兩組獨立樣本 •獨立 –兩組的人數，沒有相關性 •男 /女 （類別變項 ：兩組）的體重 （連續變 項 ）是否有差異 ？ •是否違反 assumption ？ •否 === Independent t test (Parametric test) •是 === Mann-Whitney U test (Non-parametric test) 3 兩組獨立樣本 •assumption –依變項 （體重 ）呈常態分配 ( normal distribution ) –兩組樣本之變異數須相等( equal variances) –觀察值之間互相獨立 ( mutually independently) –樣本數太少 ( small sample size) 常態檢定 Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定 orig.(V/P):Y1 統計量 自由度 顯著性 統計量 自由度 顯著性 age V .085 84 .198 PU .086 31 .200* .963 31 .434 *. 此為真顯著性的下限 。 a.Lilliefors顯著性校正 4 三組獨立樣本 •不同血型 （類別變項 ：三組）的體重 （連 續變項 ）是否有差異 ？ •是否違反 assumption ？ –三組樣本之依變項皆呈常態分配(normal distribution) –觀察值之間互相獨立 (mutually independently) –樣本數太少 ( small sample size) •否 === ANOVA (Parametric test) 5 •是 === Kruskal-Wallis test (Non-parametric test) 兩組相依樣本 （前後測 ） •相依 –兩組間的資料，有相關性 •手術前、後 （前 、後測 ：兩組）之血 壓值 （連續變項 ）是否有改變 ？ •是否違反 assumption ？ •否 === Paired t test (Parametric test) •是 === Wilcoxon Signed-Rank test (Non-parametric test) 6 三組以上