L6-常见统计学错误(2016)（总）.pdfVIP

医学论文常见统计学错误与纠正 I. 设计与实施 II. 分析与结果 方积乾 中山大学公共卫生学院 医学统计与流行病学系 2016年11月 1. 对象合格标准不明确  “Eligibility criteria”：年龄、性别、临床 诊断、病情…  “Exclusion criteria”：常为保障病人安全 目的： 1. 读者据此判断研究结果可以应用到什么范围 2. 统计学：明确总体 总体：大同小异的个体集合 常见错误  只报告来源和时间段，总体不清晰：大杂 烩，得不到科学结论；  事前未规定合格标准和排除标准，事后排 除；  不报告按照合格标准和排除标准筛选对象 的过程。 2. 结局指标多而杂  “primary outcome measure”是事先规定的 最重要的结局指标，通常以此为准来计算 样本量。  “secondary outcome measure” 可以几个， 但不宜太多。 常见错误：终点指标过多, 大海捞针  临床试验时，不知道哪个指标在组与组间有 差异；“确定某个指标后，万一组间没有差 异，岂不被动? ！”  生理、生化、组织学、基因，都做； “内容丰富，显得水平高? ！”  许多仪器一下子可以做许多项目； “许多项目一一分析，哪个有意义，就报告 哪个指标? ！” 错在哪里？  哪些指标可能有组间差异，必须心中有数。 假说：预计将要得到的结论 —— 假说是科研的灵魂 心中无数，不要“先上马再说”  指标多，实验工作量大。 大海捞针—— 碰运气，不是科研！  指标多，翻来覆去分析，制造假阳性！ Nature杂志统计学指南：常见错误之一。 翻来覆去分析，会制造假阳性?!  仅分析1 个指标时， P(假阳性)=0.05 ， P(1 次分析不犯错误)=0.95  同时分析2 个指标时， P(2 次分析均不犯错误) = [P(1 次分析不犯错误)]2 2 P(假阳性)=1 - 0.95 ≈ 0.10 翻来覆去分析，会制造假阳性?!  同时分析3 个指标时， 3 P(假阳性)=1 - 0.95 ≈ 0.14  同时分析10 个指标时， 10 P(假阳性)=1 - 0.95 ≈ 0. 40 常见错误之一(Nature) 多重比较不校正  多重比较: 对一组数据作多项比较时， 必须说明如何校正α 水平，以避免增大 第一类错误的机会 如何校正？ Bonfferoni 校正 当同一组数据同时作k次分析时，  若限定犯假阳性错误的概率总共不超过 ， 则每次分析要用 / k 来控制假阳性的概率。 例   0.05, k 10,