护理论文写作过程中常用统计学方法的描述和常见错误编译.docxVIP

?

?

护理论文写作过程中常用统计学方法的描述和常见错误编译

?

?

医学统计学是应用概率论和数理统计的基本原理和方法，被广泛地应用到医学研究中。在医学研究过程和医学论文的撰写过程中常常需要对数据进行统计学处理。正确的统计学方法对说明研究问题、证明研究假设的成立具有重要意义。统计学方法选择不当，对研究的科学性、逻辑性、合理性和严谨性都会产生严重影响。本刊编辑部针对常见的护理统计学错误进行归纳总结，供读者参考。

一、统计描述在研究中，对每个观察单位的某项特征进行测量或者观察，该项特征称为变量。根据变量值的特点，将研究资料分为两大类：定量资料和定性资料。

1．定量资料：又称为数值变量，分为连续型变量（如：身高、体重等）和离散型变量（如：每个病人就诊次数）。当数据符合正态分布时，用（均数±标准差，）来描述，当数据符合偏态分布时，用（中位数，四分位数间(M，Q)）来描述。若样本数较少或者缺乏相关先验信息时，应对资料进行正态性检验。精确判断一组数据是否呈正态分布，最好借助于SPSS、SAS等统计分析软件。

2．定性资料：是指对每个研究对象的某些方面的特征和性质，进行表达或描述所得的资料，分为无序分类变量（如:性别、血型等）和有序分类变量（如疗效:显效、有效和无效）。通常用率（百分率、千分率和万分率）和构成比（百分比）来描述。

二、统计分析1．定量资料的统计学分析主要考虑两个方面，一是正确辨析定量资料所选取的实验设计类型；二是检查定量资料是否具备参数检验（独立性正态性和方差齐性）的前提条件。实际上很多科研人员不能正确判定其实验设计类型，导致大量统计学错误出现。主要有以下两类错误：（1）不管定量资料对应的实验设计类型是什么，一律套用单因素两水平（或成组）设计资料的检验方法（如t检验或秩和检验）或单因素多水平设计定量资料的分析方法（如单因素多水平设计定量资料的方差分析或秩和检验）。（2）当定量资料不满足参数检验的前提条件时，盲目套用参数检验方法。

常见试验设计类型有以下4类：（1）完全随机化分组设计：是一种单因素设计方案，观察对象随机分配到各处理水平组去。当符合参数检验标准时，采用t检验或者单因素方差分析，不符合参数检验标准时，采用wilcoxon秩和检验或者Kruskal-Wallis秩和检验。

（2）随机区组设计：又称为配伍组设计。首先将研究对象按一定条件分成若干个区组(配伍组)，如，性别、年龄、病情。然后采用随机化方法对每个区组内的受试对象进行随机化，使其接受不同的处理。这样保证各组内受试对象的齐同可比，减少组间误差，提高检验效率。当处理因素水平数等于2时，即为配对设计。

（3）析因设计：析因设计是一种多因素多水平交叉分组进行全面试验的设计方法，它可以研究两个或者两个以上因素多个水平的效应。析因设计不仅可检验每个因素各水平间的差异，而且可检验各因素间的交互作用，但当因素特别多的时候，实验组合数成指数倍数增长，组合数太多，往往现实操作中不能接受。

（4）多因素重复测量设计：就是每一个受试对象接受一种特定的处理后，在不同的时间点（或对称部位）上被重复观测某个或某些定量指标的结果。

2、定性资料的统计学分析对于定性资料，不少试验者不考虑数据的特点和实验的目的，习惯采用检验进行处理，这种方式是错误的。定性资料的分析，一般不以个体为计量单位，而是以各个处理组的频数为计量单位，用列联表的形式来表达。列联表有二维列联表（R×C列联表，也称行×列表）和高维列联表之分。具体而言就是列联表中涉及几个定性变量就称为几维列联表。对于定性资料统计学处理方法，主要考虑两方面：（1）定性变量的性质，有序分类变量还是无序分类变量？（2）研究的分析目的是什么?二维列联表可分为以下4类：（1）双向无序的二维列联表:当总样本量n≥40，且所有理论频数≥5，用检验；n≥40，但有1＜理论频数＜5，用校正检验；n≤40，或者理论频数时，用Fisher精确检验。

（2）单向有序的列联表资料即等级资料：当结果变量为有序变量时，根据研究目的，可选用的统计分析方法有秩和检验、Ridit分析和有序变量的Logistic回归分析。

（3）双向有序且属性不同的列联表资料：根据实际情况可能提出与4个不同分析目的对应的4套分析方法：仅关心结果变量的有序性，可将其视为前述的第2类列联表，选择相应的统计分析方法；希望研究两个有序变量之间相关性的高低时，宜选用定性资料的相关分析，如Spearman秩相关分析或典型相关分析；希望研究两个有序变量之间是否存在线性变化趋势时，可以选用线性趋势检验；希望研究各实验分组中的频数分布是否相同时，可选用一般检验或Fisher精确检验。

（4）双向有序且属性相同的二维列联表：可选一致性检验(也称Kappa检验)。

对于高维列联表而言，一般可分为以下3类：（1）