医学统计学核心方法论.pptx

医学统计学核心方法论

演讲人：

日期:

目录

CATALOGUE

02

数据分类与处理

03

概率分布体系

04

统计推断技术

05

关联性分析方法

06

临床统计实务

01

统计学基础理论

01

统计学基础理论

PART

基本概念与学科定位

统计学定义

通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。

学科分类

学科定位

统计学分为描述统计学和推断统计学两大部分，前者主要涉及数据收集和描述，后者则侧重于通过样本推断总体。

统计学在医学研究中扮演着至关重要的角色，通过科学的数据分析和处理，帮助研究人员揭示疾病的本质和规律。

1

2

3

数据科学中的统计角色

数据科学中的统计角色

数据收集

数据分析

数据处理

数据解释

统计学为数据收集提供科学的方法和工具，包括抽样调查、实验设计等。

在数据科学中，统计学方法用于数据清洗、整理、转换和可视化等，以确保数据的准确性和有效性。

通过统计学方法，可以从数据中提取有用的信息和知识，发现数据中的规律和模式，为决策提供依据。

统计学的结果需要通过专业的解释和说明，才能被非专业人士所理解和接受。

医学研究设计原则

在医学研究中，通过设立对照组来消除非研究因素对结果的影响，从而更准确地评估研究因素的作用。

对照原则

随机化是保证研究结果客观性和可靠性的重要手段，通过随机分配研究对象到各组，使得各组在研究开始时具有相似的特征和背景。

随机化原则

医学研究中的结果需要在不同的样本和条件下进行重复验证，以确保研究的稳定性和可靠性。

重复性原则

医学研究必须遵循伦理学的原则，包括尊重研究对象、不伤害原则、知情同意等，以确保研究的合法性和道德性。

伦理学原则

02

数据分类与处理

PART

计量资料

指连续的数据，通常有具体的数值，如身高、体重、血压、血红蛋白、胆红素和白蛋白等。数据分布特征有三种情况：集中趋势（涉及量：均数、几何均数、中位数）、离散程度（涉及量：极差、百分位数和四分位数间距、方差、标准差、变异系数）、分布形状（正态分布、偏态分布）。

计量资料与计数资料

01

计数资料

定性资料，指先将观察单位按其性质或类别分组，然后清点各组观察单位个数所得的资料。对每组观察单位只研究其数量的多少，而不具体考虑某指标的质量特征，属非连续性资料。例如观察某县病床数的发展，可按医院的归属分为乡镇医院和县级医院二类，分别统计历年来二级医院实有病床数，即为计数资料。

02

通过严格的实验设计和操作规范，控制随机误差和非随机误差，确保数据的准确性和可靠性。

提高测量仪器的精度和稳定性，减少测量误差，保证数据的可靠性。

合理确定样本量，既能满足统计学的要求，又能避免浪费资源。

对收集到的数据进行预处理，去除重复、无效和异常数据，保证数据的质量和可靠性。

数据采集质量控制

误差控制

精度控制

样本量控制

数据清洗

异常值检测方法

统计方法

根据数据的分布情况，利用统计学方法检测异常值，如均值加减3倍标准差法、四分位数间距法等。

01

利用箱线图、散点图等图形方法，直观地识别数据中的异常值。

02

专业判断

结合专业知识和经验，对数据进行综合判断，确定异常值的取舍和处理方法。

03

图形方法

03

概率分布体系

PART

正态分布特性解析

正态分布是连续随机变量的一种概率分布，其概率密度函数呈钟形，由均值和标准差决定分布形态。

正态分布定义

正态分布具有对称性、均匀变动性、均值与中位数及众数相等、标准差决定分布幅度等特性。

标准正态分布是正态分布的一种特殊情况，其均值为0，标准差为1，便于进行统计计算和假设检验。

正态分布特性

正态分布在医学领域广泛应用于研究变量分布情况，如身高、体重等生理指标，以及临床生化指标等。

医学应用

01

02

04

03

正态分布与标准正态分布

二项分布定义

二项分布是离散随机变量的一种概率分布，描述在n次独立重复的伯努利试验中，事件A发生的次数X的分布情况。

医学应用

二项分布在医学领域常用于描述两种结果（如治愈与未治愈、有效与无效等）的试验数据，如新药疗效评估、手术成功率等。

二项分布特性

二项分布具有可加性、可积性及对称性等特点，且随着试验次数的增加，二项分布逐渐趋于正态分布。

实际应用案例

在临床试验中，研究者可通过二项分布来评估某种药物对某种疾病的治疗效果，以及该药物在不同剂量下的疗效差异。

二项分布应用场景

01

02

03

04

t分布是连续随机变量的一种概率分布，主要用于小样本下对正态总体均值的估计和假设检验。

t分布定义

假设检验是统计学中用于判断样本数据是否支持某种假设的方法，包括原假设、备择假设、检验统计量和显著性水平等要素。

假设检验概念

t分布具有对称性、厚尾性等特点，其形态随自由度（样本量-1）的增加而逐渐趋于正态