临床科研数据分析的注意事项.pptVIP

你们好

临床科研中数据分析的常见注意事项2

提纲数据处理的一般原则与基本内容统计方法选择的基本思路具体案例分析几种比较实用的方法附录：常用数据分析的SAS程序3

第一部分数据处理的一般原则与基本内容4

数据处理数据处理定义：对数据的采集、存储、检索、加工、变换和传输。基本目的：从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。组成数据管理（约占全部工作量的60%-80%）数据分析（约占全部工作量的20%-40%）5

数据处理的一般原则与基本内容数据库设计数据录入数据管理数据审核异常（缺失）值的处理统计整理：根据研究目的对原始数据进行科学的分类、汇总和显示；使之系统化、条理化、直观生动和反映总体的数量特征和规律。数据分析统计方法的选择统计描述与统计推断6

离群数据的处理离群数据严重偏离群体平均水平的数据，多为错误（如DBP=880mmHg），少量为异常的真实值可严重掩盖事实真相或扭曲两者间的关系处理原则手工处理：正态分布：＞3×|均数±标准差|偏态分布：＞99.5%或＜0.5%软件处理箱式图：距箱体底线或顶线距离超过箱体高度1.5～3倍者7

缺失数据的处理缺失值部分研究指标记录不完整，导致其值缺失后果：导致研究效率的下降数据的常见缺失机制完全随机缺失：缺失资料与完整资料的特征无显著性差异非随机缺失：缺失资料与完整资料的特征存在显著性差异常见处理措施直接剔除：适用于缺失量极少且为完全随机缺失单独列为一类：适用于缺失量较大，且难以合理填补者缺失值填补：均数替代中位数替代最后观察值结转回归算法多重填补法8

统计方法前提条件的检查与描述统计学最难以掌握之处数据分析人员最应该首先掌握的技能熟悉各种统计方法的前提适用条件合理选择最合适的统计方法9

第二部分统计方法选择的基本思路10

统计方法选择的核心要素研究目的组间差异显著性检验？优效性检验？等效性检验？非劣效性检验？相互关系相关与回归、关联性分析（OR、RR、AR）、其它设计类型完全随机设计？ 配对设计？ 随机区组设计？交叉设计？ 析因设计？ 其它设计？数据类型计量资料？分类资料？等级资料？分布特征正态分布？对数正态分布？其它偏态分布？11

统计方法选择总结12

统计方法选择总结（续）13

统计方法选择总结（续）14

常见统计分析的错误普查还是抽样调查？普查无统计推断随机抽样还是非随机抽样？非随机抽样不能使用普通的统计推断方法资料类型误认未能满足所选择统计的前提适用条件单因素ANOVA代替重复测量资料的方差分析15

常见统计分析的错误未进行数据审核数据中存在逻辑错误数据中存在异常值数据中存在过多的缺失值16

常见统计分析的错误统计方法选择不当选择t检验时未考虑数据的分布类型将方差分析拆分成多个t检验用单因素方差分析解决重复测量资料使用四格表卡方检验时未考虑N和T的大小使用卡方检验解决等级资料问题使用线性回归解决非线性问题使用Logistic回归解决队列研究的资料使用普通方差分析解决协方差/多元方差分析问题多元统计时未考虑自变量的共线性主成分分析与因子分析误用其它17

线性回归与非线性回归18

常见统计分析的错误结果表述不当过于看重P值的大小而忽视Power的影响片面夸大统计学意义的作用错误理解P＜0.01与P＜0.05的关系显著性检验包打天下优效、等效和非劣效性检验少为人知InterventionControltpexample121.1±2.2(10)22.1±2.3(10)0.990.05example221.1±2.2(50)22.1±2.3(50)2.220.05example321.1±2.2(120)21.5±2.3(120)1.380.05example421.1±2.2(320)21.5±2.3(320)2.250.05example521.1±2.2(3200)21.3±2.3(3200)3.550.0119

常见统计分析的错误未考虑多重共线性回归模型中两个或两个以上的自变量彼此相关多重共线性带来的问题有可能会使回归的结果造成混乱，甚至会把分析引入歧途可能对参数估计值的正负号产生影响，特别是各回归系数的正负号有可能同我们预期的正负号相反20

多重共线性的识别最简单的方法计算模型中各对自变量间的相关系数，并进行显著性检验，若有一个或多个相关系数显著，就表示模型中所用的自变量之间相关，存在着多重共线性如果出现下列情况，暗示存在多重共线性模型中各对自变量之间显著相关。当模型的线性关系检验(F检验)显著时，几乎所有回归系数的t检验却不显著回归系数的正负号同预期的符号相反。21

第三部分具体案例讨论22

案例1ABC三组不同时点某指标的变化情况应该选用何种统计学方法？如果重复测量方差分析得出结论为差异有统计学意义，如