循证医学中的常用统计指标教案资料.ppt

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%)。 8．ARR及可信区间 9．ARI 绝对危险度增加率(absolute risk increase，ARI)，即试验组中某不利结果发生率EERb与对照组某不利结果发生率CERb的差值，不利结果（bad outcomes）如：死亡、复发、无效等，其计算公式为 : ARI =|EERb－CERb| 该指标可反映采用试验因素处理后，患者的不利结果增加的绝对值。 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： ABI=|EERg-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绝对值。 10 ．ABI 11．NNT、NNH及可信区间 NNT(the number needed to treat)的临床含义为：对病人采用某种防治措施处理，得到一例有利结果需要防治的病例数（the number of patients who need to be treated to achieve one additional favorable outcome，NNT）。其计算公式为： NNT=1/|CER-EER|=1/ARR 从公式可见，NNT的值越小，该防治效果就越好，其临床意义也就越大。 循证医学中的常用统计指标 寇长贵 流行病与卫生统计学教研室 主要内容 概述 分类资料的指标 数值资料的指标 本ppt 主要以四川大学华西医院刘关键教授的课件为参考。 概述—可信区间 可信区间（confidence interval，CI）是循证医学中常用的统计指标之一。 可信区间主要用于估计总体参数，从获取的样本数据资料估计某个指标的总体值（参数）。如：率的可信区间估计总体率，均数的可信区间估计总体均数。 概述—可信区间 此外，可信区间还可用于假设检验，尤其是试验组与对照组某指标差值或比值的可信区间，在循证医学中更为常用。 通常，试验组与对照组某指标差值或比值的95%可信区间与?为0.05的假设检验等价，99%的CI与?为0.01的假设检验等价。 概述—可信区间 常用的可信区间有：率的可信区间、两率差值的可信区间、均数的可信区间、两均数差值的可信区间、相对危险度可信区间等。 循证医学中常用的是率的可信区间、 RR或OR的可信区间、均数的可信区间、两均数差值的可信区间等。 分类资料的指标 在循证医学的研究与实践中，除了有效率、死亡率、患病率、发病率等常用率的指标外，相对危险度（RR）、比值比（OR）及由此导出的其他指标也是循证医学中富有特色的指标。 目前，在循证医学中分类资料常用的描述指标主要有EER、CER、OR、RR、RRR、ARR、NNT等。 1、ERR与CER 循证医学中预防和治疗性试验中，率可细分为EER和CER两类。 EER即试验组中某事件的发生率(experimental event rate，EER)，如对某病采用某些防治措施后该疾病的发生率。 CER即对照组中某事件的发生率(control event rate，CER)，如对某病不采取防治措施的发生率。 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)) 2． RD（率差）及可信区间 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。 2． RD（率差）及可信区间 阿斯匹林治疗心肌梗死的效果 2． RD（率差）及可信区间 死亡 未死亡 例数 阿斯匹林治疗组 15（a） 110（b） 125（ｎ１） 对照组 30（c） 90（d） 120（ｎ２） 合计 45 200 245（ｎ） 阿斯匹林治疗心肌梗死的效果EER= 15/125 =12%，CER =30/120 =25%