循证医疗中的常用统计指标课件.ppt

循证医疗中的常用统计指标;主要内容;数据资料可分为数值资料（计量）和分类资料（计数和等级）两大类。统计指标因而也分为数值资料指标与分类资料指标两类。 统计指标可用于描述性的统计分析，也是反映数据基本特征的统计分析方法。并可使人们准确、全面地了解数据资料所包涵的信息，以便于在此基础上完成资料的进一步统计分析。;概述—可信区间;概述—可信区间;概述—可信区间;分类资料的指标;1、ERR与CER;两个发生率的差即为率差，也称危险差（rate difference，risk difference，RD），如，试验组发生率（EER）与对照组发生率（CER）的差，其大小可反映试验效应的大小。 两率差的可信区间由下式计算： |p1-p2|±u? SE(p1-p2) = (RD－u? SE(p1-p2)，RD+u? SE(p1-p2)) ;两率差为0时，两组的某事件发生率没有差别。因而两率差的可信区间不包含0（上下限均大于0或上下限均小于0），则两个率有差别；反之，两率差的可信区间包含0，则无统计学意义。; 阿斯匹林治疗心肌梗死的效果 ;阿斯匹林治疗心肌梗死的效果EER= 15/125 =12%，CER =30/120 =25%，两率差的标准误：;该试验两率差（RD）的可信区间为： RD±u? SE(p1-p2) =（0.12-0.25）±1.96×0.049= (-0.23，-0.03) 该例两率差的可信区间为(-0.23，-0.03)，上下限均小于0（不包含0），两率有差别。可认为阿斯匹林可降低心肌梗死的病死率。;相对危险度RR（relative risk,RR）是前瞻性研究中较常用的指标，它是试验组某事件发生率p1与对照组（或低暴露）的发生率p0之比，用于说明前者是后者的多少倍，常用来表示试验因素与疾病联系的强度及其在病因学上的意义大小。 其计算方法为： RR=P1/P0=EER/CER;当RR＝1时，可认为试验因素与疾病无关； 当RR＞1时，可认为试验组发生率大于对照组； 当RR＜1时，可认为试验组发生率小于对照组。 ;3．RR及可信区间 ;ln(RR)的1－?可信区间为： ln(RR) ± u? SE(lnRR) RR的可信区间为： exp[ ln(RR) ±u? SE(lnRR) ] 由于RR=1时为试验因素与疾病无关，故其可信区间不包含1时为有统计学意义；反之，其可信区间包含1时为无统计学意义。 ;3．RR及可信区间 ;3．RR及可信区间 ;odds1是病例组暴露率p1和非暴露率1- p1的???值，即odds1 = p1/(1-p1) ， odds0是对照组暴露率p0和非暴露率1- p0的比值，即odds0 = p0/(1-p0) ， 以上两个比值之比即为比值比(odds ratio，OR)，又称机会比、优势比等。公式为： OR=ad/bc ;当所研究疾病的发病率较低时，即a和c均较小时，OR近似于RR，故在回顾性研究中可用OR估计RR； 由于前瞻性研究中，RR的可信区间与OR的可信区间很相近，因此，常用OR可信区间的计算来代替RR的可信区间的计算。 OR值的解释与RR相同。 ;4．OR及可信区间 ; ln(OR)的可信区间为： ln(OR) ± u? SE(lnOR) OR的可信区间为： exp[ ln(OR) ±u? SE(lnOR) ] ;4．OR及可信区间 ;4．OR及可信区间 ;5．RRR及可信区间 ;5．RRR及可信区间 ;6．RRI;RBI，相对获益增加率(relative benefit increase，RBI)，试验组中某有益结果的发生率为EERg，对照组某有益结果的发生率为CERg，RBI可按下式计算： RBI=|EERg-CERg |/ CERg 该指标可反映采用试验因素处理后，患者的有益结果增加的百分比。 ;8．ARR及可信区间 ;8．ARR及可信区间 ;其95%的可信区间为： ARR±u?SE= (ARR－u?SE ，ARR＋u?SE) = (0.13－1.96×0.049，0.13＋1.96×0.049) = (3.4%，22.6%) 该治愈率的95%的可信区间为(3.4%，22.6%)。 ;9．ARI ;绝对受益增加率(absolute benefit increase，ABI)，即试验组中某有益结果发生率EERg与对照组某有益结果发生率CERg的差值，有益结果（good outcomes）如：治愈、显效、有效等，其计算公式为：