医疗统计学在临床的应用课件.ppt

医疗统计学在临床的应用; 医学统计学的地位和作用;第一节 医学统计学的地位和作用; 统计学扮演什么角色？ 在这个“临床试验”中有诸多问题需要回答： 需要多少名患者参加试验？ 如何将患者分为两个组？ 哪些措施可以保证两组患者除了接受不同药物治疗外，其他影响疗效的因素在两组的分布是一致的？ 如果分布不一致，如何在诸多的影响因素中，分离出药物因素的效应？ ;第一节 医学统计学的地位和作用;第一节 医学统计学的地位和作用;第一节 医学统计学的地位和???用; 一个常见和普遍的误解: “统计”就是分析数据 ;第二节 医学统计学基本内容和统计工作基本步骤;第二节 医学统计学基本内容和统计工作基本步骤;没有科学严谨的统计设计，数据的收集以及分析常常是没有价值的。 对于不准确或不可靠的数据，统计分析所得出的结论常常是站不住脚的，甚至是误导的。 ;第一节 医学统计学的地位和作用;统计研究设计;实验研究设计 ;实验设计的三项原则 ;随机化原则 ;随机化(Randomization);设立对照;例 某医生欲观察某中药对慢性支气管炎的预防效果，设计时在城市某工厂选择工人100名服用该中草药，在农村选择某乡农民100名作对照，不服用此药。结果是城市慢性支气管炎患者明显较少，而农村慢性支气管炎患者增加，由此得出该中草药有防治慢性支气管炎的作用。 该结论合理吗？为什么？;修改;实例;重复原则;实验设计的基本内容;总体;统计方法的正确选择 ;;;; 1. 研究目的 一是通过比较,回答观测指标的差别是否归因于处理因素或分组因素，在本教材范围内所涉及的主要是单变量问题。 二是分析变量之间是否存在某种联系，这主要涉及相关分析和回归分析，在本教材范围内所涉及的主要是双变量问题。 ;表1. 两种方法检测12名妇女最大呼气率(L/min)结果;组别;2. 设计类型 从实验研究设计来看，常见的设计类型为 完全随机设计(成组设计) 配对或配伍设计(随机区组设计) ; 两样本(成组)t 检验 单因素(完全随机设计)方差分析 卡方检验(独立样本) 两样本Wilcoxon秩和检验或多样本Kruskal-Wallis秩和检验;配对t检验 配伍组(随机区组)设计方差分析 配对卡方检验 配对(符号秩和检验)或配伍设计的秩和检验(Friedman秩和检验)等。;3. 资料类型 对于定量变量，选择它所对应的统计方法？ 对于定性变量，选择它所对应的统计方法？ ;4. 数据特征 对于同一设计类型和同一资料类型，仍然有许多方法可以选择。;表3. 九个测定点用甲、乙两种方法的测定结果(μg/m3) ;t检验和方差分析属参数检验方法，对数据要求较高，通常要求数据服从正态分布和方差齐性。 如果服从该条件或经变量变换后服从条件，则采用参数检验方法，否则采用秩和检验这类非参数检验方法。;5. 对比组数 单组问题(样本与与已知总体参数比较) 两组问题 多组(3组或以上)比较 注意，多组比较在差别有统计学意义时，需再进行两两比较。;6. 样本含量 在样本较小时： 如果是一个样本率与总体率的比较，可采用直接计算概率的方法如基于二项分布的确切概率法。 如果是四格表资料则采用Fisher确切概率法或校正卡方检验。 对于均数比较问题，一般情况下采用t检验。 在大样本时：可考虑Z检验作近似。;在实际工作中，遇到的实际问题可能并非如此简单，须结合专业问题和所要分析的具体内容加以综合考虑和仔细判断，有时需对各种统计方法加以综合运用。 ;此外： 当分析目的是分析变量之间是否存在某种联系时，这就涉及到双变量的分析方法，即相关关系或回归关系的分析。 需注意相关分析和回归分析的区别与联系;关联性分析： 对于定量变量，需根据两个变量是否满足双变量正态分布，相应地采用Pearson积矩相关分析或Spearman秩相关分析。 对于等级变量则直接采用Spearman秩相关分析。;对分类变量，常计算列联系数进行分析 对于R×C表资料，需注意区分是单向有序或者是双向有序 对于一个二分类变量和一个等级变量之间的线性关联通常采用线性趋势卡方检验 ;表4. 某市不同年级中学生吸烟率 ;生存分析： 是一类较为特殊的针对具有截尾数据的生存时间数据所进行的分析 针对分组和未分组资料，方法有所不同;多变量的数据分析： 多重线性回归是对反应变量为定量变量进行的多变量分析 Logistic回归是对反应变量为分类变量所进行的多变量分析 Cox比例风险回归是对反应变量为含有截尾数据的生存时间所进行的分析;混杂因素的控制 非研究因素的“可比性”问题 可比性好，各组观测指标之间的差异只能归因于研究因素而不是其它