关于您的“手术切口目标性监测表中的ASA（麻醉）评分为五级，请教五级标准是怎么分的？”这个问题，回答如下：
您的问题，涉及3个层面的含义，不要搅合在一起。第一是ASA评分；第二是危险指数分级；第三是SSI的目标性监测表；
1、首先对ASA的分级标准，了解五级标准是怎么分的？美国麻醉师协会（ASA）根据病人体质状况和手术危险性进行分类，于麻醉前可将病人分为5级：
Ⅰ级：正常健康。除局部病变外，无系统性疾病。
Ⅱ级：有轻度或中度系统性疾病。
Ⅲ级：有严重系统性疾病，日常活动受限，但未丧失工作能力。
Ⅳ级：有严重系统性疾病，已丧失工作能力，威胁生命安全。
Ⅴ级：病情危重，生命难以维持的濒死病人。
其中，Ⅰ、Ⅱ级病人，麻醉和手术耐受力良好，麻醉经过平稳。Ⅲ级病人麻醉中有一定危险，麻醉前准备要充分，对麻醉期间可能发生的并发症要采取有效措施，积极预防。Ⅳ级病人麻醉危险性极大。Ⅴ级病人病情极危重，麻醉耐受力极差，随时有死亡的威协，麻醉和手术异常危险，麻醉前准备更属重要，做到充分、细致和周到。
2、再谈“手术切口目标性监测表中的ASA（麻醉）评分为五级.”这是根据ASA的分级标准，每级为1分，共5级5分。这在WS/T 312-2009的《医院感染监测规范》中的表C.2有详细描述。
3、然后咱们再说“手术切口目标性监测表中的ASA（麻醉）评分”。关于SSI的目标性监测，不得不说“ASA评分与危险指数”的关系。手术风险指数标准是根据1.手术切口清洁程度、2.麻醉ASA分级3.手术持续时间这三个关键变量进行计算的。WS/T 312-2009的《医院感染监测规范》描述的比较清楚。其中有个表，说明了危险指数和ASA评分的区别。某文件中的“危险因素（ASA评分）的评分标准”描述是不恰当的。
表C.1 危险因素评分标准
危险因素评分标准分值
手术时间（h）≤75百分位数 0
＞75百分位数 1
切口清洁度清洁、清洁—污染 0
污染 1
ASA评分Ⅰ、Ⅱ 0
Ⅲ、Ⅳ、Ⅴ 1
因此可以看出，ASA评分是危险指数的其中变量之一。所以目标性监测表，列出ASA5级的分值是没有必要的。在SSI监测中，关于ASA评分在危险指数中的权重，非0即1,只有两个结果。
4、中国医院协会（CHA）的手术风险评估模式，参照了美国医院感染控制协会（NNIS）的
分级标准，其中将手术风险指数分为4级，也就是上面的表格内容（手术切口清洁程度（分）+麻醉ASA分级（分）+手术持续时间（分）= 分）"0-3分"4级。具体分级标准描述论坛内有相关内容参考。具体计算方法是将手术切口清洁程度、麻醉分级和手术持续时间的分值相加，总分0 分为NNIS1 级，1 分为NNIS2级、2 分为NNIS3 级，3 分为NNIS4 级。
5、做SSI目标性监测，我们仅关心危险指数，不关心ASA评分。所以，在监测表内列ASA 的分值是没有意义的。最后统计评价，也是按照WS/T 312-2009的《医院感染监测规范》中的 C.4.2 不同危险指数手术部位感染发病率=（某危险指数下的感染病例数/ 该危险指数下的总手术病例数）*100%，来计算不同危险指数下的SSI感染率，完全用不到5分值的ASA评分系统，明白吗？
A14-如何在SAS中实现R×C列联表的两两比较 内容来自网络，侵删 在分析R×C列联表时，在卡方检验有统计意义的情况下常常需要做进一步的多重比较。可以采用的方法为1）卡方分割（具体见本人另外一篇文章《R×C行列表卡方值分割的概念及运用》）将原表卡方值分割成独立的子卡方值，分割后的子卡方值和对应的自由度相加会和原表的卡方值和自由度相等。2）或者采用彼此之间非独立的两两比较。但是两两比较的卡方值和对应的自由度相加不会等于原表卡方值和自由度，所以此类比较不能称为卡方分割法。尽管后者更为灵活但需要调整多重比较的次数以避免增加第一类错误。本文将具体讲解如何在SAS中实现R×C列联表的两两比较。 1．研究数据-血型和疾病类型 假定某医学课题想研究血型(O,A,B)和疾病类型(Peptic Ulcer, Gastric Cancer,Control)是否相互关联, 具体临床数据见表1。 表1：血型和疾病类型行列表 Disease Type Blood Type Peptic Ulcer(I)-1 Gastric Cancer(II)-2 Control(III)-3 Total O-1983(14.024)383(4.9139)2892(1.4159)4258 A-2679(9.0743)416(4.5484)2625(0.679)3720 B-3134(4.6663)84(0.2695)570(0.9519)788 Totals17968836087N=8766
2．初步分析 我们先用SAS/PROC FREQ 和PROC CORRESP 先对数据做初步的分析，来判 断行列变量之间的关系。CELLCHI2 选项是计算按公式2-1计算每个单元格在总体值的组成。 2χ ij ij ij j i E O E C 2 , ) (- =（2-1） proc freq data=paper14; weight count; table r*c/chisq cellchi2nopercent; run; proc corresp data=paper14; weight count; les r, c; tab run; 表2 – 卡方检验结果 Table of r by c r c Frequency Cell Chi-Square Row Pct Col Pct 123Total 1983 14.024 23.09 54.73 383 4.9139 8.99 43.37 2892 1.4159 67.92 47.51 4258 2679 9.0743 18.25 37.81 416 4.5484 11.18 47.11 2625 0.679 70.56 43.12 3720 3134 4.6663 17.01 7.46 84 0.2695 10.66 9.51 570 0.9519 72.34 9.36 788 Total 179688360878766 Statistics for Table of r by c Statistic DF Value Prob ------------------------------------------------------ Chi-Square 4 40.5434 <.0001 Likelihood Ratio Chi-Square 4 40.6401 <.0001 Mantel-Haenszel Chi-Square 1 21.0035 <.0001 Sample Size = 8766
20. 用PROC FREQ计算频数及卡方检验 （一）卡方检验 一、卡方分布 k 个相互独立的标准正态分布变量的平方和服从自由度为k 的卡方分布。 二、卡方检验概述 卡方检验，由英国统计学家Karl Pearson得到，主要应用于计数数据（定性变量中的无序分类变量）的分析，对于总体的分布不作任何假设，因此它属于非参数检验法。 理论证明，实际观察频数（f0）与理论频数（f e, 又称期望频数）之差的平方再除以理论频数所得的统计量，近似服从卡方分布，可表示为：
）（n f f f e e 22 02 ~)(χχ∑-= 这是卡方检验的原始公式，其中当f e 越大，近似效果越好。显然f o 与f e 相差越大，卡方值就越大；f o 与f e 相差越小，卡方值就越小；因此它能够用来表示f o 与f e 相差的程度。 根据这个公式，卡方检验的一般问题是要检验名义型变量的实际 观测频数和理论频数分布之间是否存在显著差异。 一般卡方检验要求：① 分类相互排斥，互不包容；② 观察值相 互独立；③ 样本容量不宜太小，理论频数≥5，否则需要进行校正。如果个别单元格的理论频数小于5，处理方法有四种： （1）单元格合并法； （2）增加样本数； （3）去除样本法； （4）使用校正公式。 当期望次数小于5时，应该用校正公式计算卡方值： ∑--=e e f f f 2 02)5.0(χ 二、卡方检验的原理 1. 卡方检验所检测的是样本观察频数与理论（或总体）频数的差异性；
2. 理论或总体的分布状况，可用统计的期望值（理论值）来体现； 3. 卡方的统计原理，是取观察频数与期望频数相比较。当观察频数与期望频数完全一致时，2χ值为0；观察频数与期望频数越接近，两者之间的差异越小，2χ值越小；观察频数与期望频数差别越大，两者之间的差异越大，2χ值越大。一旦2χ值大于某一个临界值，即可获得显著的统计结论。 4. 步骤： 原假设H0: 2χ= 0; 备择假设H1: 2χ≠0; 根据数据计算卡方值、P值（右尾面积）； 若P值≤α，则拒绝H0; 若P值>α，则接受H0. 三、卡方检验的应用 1. 拟合优度检验 检验单个多项分类名义型变量的各分类间的实际观测次数（根据样本数据得到的实计数）与理论次数（根据理论或经验得到的期望次数）之间是否一致、或者服从理论上的某种分布？这一类检验称为拟合性检验。其自由度通常为分类数减去1。 2. 各变量间的独立性检验（定性变量列联表） 两个或两个以上因素多项分类的计数资料分析，也就是研究两类变量之间的关联性和依存性问题。如果两变量无关联即相互独立，说明对于其中一个变量而言，另一变量多项分类次数上的变化是在无差
《SAS EG数据统计分析题库》 单选题 1、分析教师和会计师之间收入的差异，选择什么分析方法最合适？ A、卡方分析 B、方差分析 C、两样本T检验 D、相关系数 答案C 2、分析购买不同产品的频次时，使用以下哪个任务? A、列表数据 B、汇总表 C、汇总统计量 D、单因子频数 答案D 3、以下哪个语句可以将字符型数值date(示例：“2001-02-19”)转换为数值类型? A、INPUT(date，YYMMDD10.) B、PUT(date，YYMMDD10) C、INPUT(date，YYMMDD10.) D、PUT(date，YYMMDD10)
答案A 4、来自于总体的样本最主要的属性是什么? A、随机 B、有代表性 C、正态分布 D、连续分布 答案B 5、Ｄ—Ｗ统计量用于检验? A、异方差 B、自相关 C、解释变量线性相关 D、扰动项不服从正态分布 答案B 6、什么统计量用于检验解释变量之间线性相关 A、标准化的残差 B、Ｄ—Ｗ统计量
C、Cook's D D、膨胀系数 答案D 7、连续变量右偏的情况下，中位数在均值的？ A、左边 B、右边 C、相等 D、无法判断 答案A 8、代表变量离散程度的指标是？ A、均值 B、标准差 C、最大值 D、中位数 答案Ｂ 9、解释变量是多分类变量，被解释变量是连续变量，使用什么分析方法？
A、卡方分析 B、方差分析 C、两样本T检验 D、相关系数 答案Ｂ 10、如果在方差分析中有20个观察值，你要计算残差。那么以下哪个值会是残差和？ A、-20 B、0 C、400 D、从已知信息中无法推断 答案Ｂ 11、要进行一项研究，比较男女月均信用卡支出。可能使用哪一种统计方法？ A、单样本T检验 B、双样本T检验 C、单因素方差分析 D、双因素方差分析 答案、Ｃ
一、基本操作 Editor窗口打开sas程序（扩展名*.sas） Log窗口 Output窗口 Explorer窗口 Results窗口 蓝色 绿色 Set Merge If （if。。。thendelete） Drop（keep） 二、描述性统计 1.Proc Format value height 0-50=‘<50’ 50-60=‘50-60’ 60-high=‘>60’ 2. Proc freq data=名字order=freq Tables 列表变量名/out=数据集名norow nocol nopercent（table y*x） Format Label weight=‘高度’ By 变量 3. Proc univariate data=名字 Var 分析变量 Histogram 变量/midpoints=7 to 29 by 2 4. Proc mens 5. Proc gchart Vbar竖直或hbar 横向 Vbar math / group=sex Pie sex/type=percent（以百分数显示） Block math/group=sex 图形关键字绘制的图形类型图形关键字绘制的图形类型Block方块图pie饼形图 Hbar水平的条形图pie3d三维饼形图
6.Proc gplot Plot x*y Symbol value=star color=red 选项 意义 取值 V alue = 符号 表示点使用的符号 plus, x, star, square, diamond, triangle, hash, y, z, paw, point, dot, circle C olor = 颜色 表示点的符号及连线的颜色 black, red, green, blue, cyan,magenta, gray, pink, orange, brown, yellow CV =颜色 专指点的符号的颜色 H = n<单位> 指名符号的大小 单位有：cell, cm, pct, pt, in POINTLABEL 在点的附近表明Y 轴变量的值 i = 连线方式 指明连线的方式 none, join, spline, needle CI = 颜色 专指连线的颜色 L = n n 为线型的序号 0 – 空白线，1 - 实线，2 – 虚线 W idth = n n 表示线的宽度 7.proc g3d data=名字 曲面图 Plot x*y=z 8.proc gcontour data= 曲面图对应的等高线图 Plot x*y=z/nolegend autolabel 三、T 检验 >0.05 接受H0（差异有统计学意义） 用于检验两个样本总体均数是否相等 独立的，来自正态分布的总体 定量资料 对于两组独立样本的定量资料，要求方差相等，两组资料来自正态总体 用proc univariate Proc means Proc ttest （能提供基本统计量的计算，对单样本资料、配对设计资料和两独立样本进行t hbar3d 水平的三维条形图 donut 环形图 Vbar 竖立的条形图 star 星形图 vbar3d 竖立的三维条形图
摘要 目的1：研究枸杞多糖对脂肪肝的预防作用；方法：本研究采用区组设计，以小鼠的窝别作为区组标志，测量三种条件（生理盐水组、酒精组、酒精+枸杞多糖组）下肝脏中谷胱甘肽（GSH）的含量。通过SAS软件对各组别各水平做相关性检验，以及方差分析，最后得出结论。结论：三组间小鼠的 GSH水平不同 （F=650.02，P<0.0001），LBP预防组 GSH水平高于酒精组，但未恢复到正常水平（生理盐水组）（SNK-q检验，P<0.05），提示枸杞多糖（LBP）对于酒精性肝脏损伤造成的GSH下降具有一定的提升作用。 目的2：比较三种治疗方法治疗慢性支气管炎的疗效。得出最佳药效的药物。方法：本研究通过三种药物的有效率，通过用卡方检验分析以及logistic回归分析对三种药物的疗效进行比较，分析结果选出最佳治疗方案。结论;:A药相对于C药治疗该病有效的优势比（OR）大，则说明A药比C药疗效好； 关键字：相关性检验；回归分析； SAS ；卡方检验
目录 引言 (3) 1 问题一 (3) 1.1 问题提出 (3) 1.2 问题要求 (4) 1.3 问题分析 (5) 1.4 程序代码 (6) 1.5 结果分析 (8) 2 问题二 (12) 2.1 问题的提出 (12) 2.2 问题要求 (12) 2.3 问题分析 (12) 2.4 程序代码 (13) 2.5 结果输出及分析： (14) 参考文献 (19)
引言 脂肪肝是常见的肝脏疾病，因其可逐渐发展为肝纤维化、肝硬化而危害极大。目前，国内尚无针对性治疗的理想药物，故寻找安全有效的治疗脂肪肝的要去研究 越来越引起人们的重视。枸杞多糖是枸杞重要的抗氧化成分，而脂质过氧化反应 是酒精造成肝损伤的重要作用机制。研究表明，LBP可使四氯化碳所致的丙氨酸 氨基转移酶（ALT）升高值明显降低，使老龄小鼠的肝细胞脂质过氧化作用降低，LBP对试验性肝损伤具有保护作用。LBP使脾匀浆脂质过氧化物（MAD）含量显著 降低。表明LBP能通过阻止内质网的损伤，促进蛋白质合成，并具有解毒作用， 可恢复肝细胞的功能，促进肝细胞再生，对四氯化碳引起的肝损伤有良好的修复 作用。吉林枸杞粗多糖可降低肝组织中的丙二醛含量，使四氯化碳肝损伤小鼠肝 糖元含量显著升高，提高机体的能量储备。有研究者采用乙醇饮料（乙醇浓度5％～40％，终浓度40％，共给29周）复制酒精性肝病大鼠模型，并在25周时 将大鼠随机分为模型组，两种剂量的LBP防治组（250mg/kg和1000mg/kg），在 光镜和电镜下观察形态学改变。与模型组相比，LBP组形态学明显改善，大剂量 组（1000mg/kg）效果更优。LBP能改善大鼠酒精性肝病模型线粒体的形态、减轻 肝细胞的脂肪变性和炎症坏死程度。通过测定家兔血清丙氨酸氨基转移酶（ALT）活性的结果表明，枸杞子具有明显抑制乙醇所致ALT升高的作用，对大剂量饮酒 造成的肝损伤具有保护作用。在这个基础上研究枸杞多糖多脂肪肝的预防作用。 1 问题一 1.1 问题提出 研究枸杞多糖对脂肪肝的预防作用，按窝别作为区组标志，每一组三只大鼠，随 即分配到三个组：生理盐水组、酒精组、酒精+枸杞多糖组，三组灌胃5周，检 测肝脏中谷胱甘肽（GSH）的含量，结果如表1.
A abscissa横坐标 absence rate缺勤率 absolute number绝对数 absolute value绝对值 accident error偶然误差 accumulated frequency累积频数 alternative hypothesis备择假设 analysis of data分析资料 analysis of variance(ANOVA)方差分析 arith-log paper算术对数纸 arithmetic mean算术均数 assumed mean假定均数 arithmetic weighted mean加权算术均数 asymmetry coefficient偏度系数 average平均数 average deviation平均差 B bar chart直条图、条图 bias偏性 binomial distribution二项分布 biometrics生物统计学 bivariate normal population双变量正态总体 C cartogram统计图 case fatality rate(or case mortality)病死率 census普查 chi-sguare(X2) test卡方检验 central tendency集中趋势 class interval组距 classification分组、分类 cluster sampling整群抽样 coefficient of correlation相关系数 coefficient of regression回归系数 coefficient of variability(or coefficieut of variation)变异系数 collection of data收集资料 column列（栏） combinative table组合表 combined standard deviation合并标准差 combined variance(or poolled variance)合并方差 complete survey全面调查 completely correlation完全相关 completely random design完全随机设计 confidence interval可信区间，置信区间
趋势卡方检SAS程序及例题解析 趋势卡方检验主要是用于对一些数据的趋势行变化进行检验，在医学上常用于同一地区 连续多年小学生龋齿率、肥胖率，疾病的发病率、死亡率等。 例如，某高校口腔执业医师考试基础知识掌握率情况，是否存在一定的趋势。 表1基础知识各学科掌握率（%）及趋势分析 2007年2008年2009年2010年2011年Z P 药理51.83 61.31 49.86 63.7 62.87 1.5674 0.117 口腔解剖49.71 64.49 60.38 66.44 70.68 2.8645 0.0042 这种数据进行结构整理，如下： 表2 药理学掌握率 通过率不通过率 2007年51.83 48.17 2008年61.31 38.69 2009年49.86 50.14 2010年63.7 36.3 2011年62.87 37.13 通过率不通过率 2007年49.71 50.29 2008年64.49 35.51 2009年60.38 39.62 2010年66.44 33.56 2011年70.68 29.32 SAS程序：表2数据 data trend; do r=1to5; do c=1to2;
input f@@; output; end; end; cards; 51.83 48.17 61.31 38.69 49.86 50.14 63.7 36.3 62.87 37.13; proc freq; weight f; tables r*c /trend nocol norow nopct（这三项可以不选择）; run; 表3结果 FREQ 过程 r * c 表 r c 频数| 1| 2| 合计 --------+--------+--------+ 1 | 49.71 | 50.29 | 100 --------+--------+--------+ 2 | 64.49 | 35.51 | 100 --------+--------+--------+ 3 | 60.38 | 39.62 | 100 --------+--------+--------+ 4 | 66.44 | 33.56 | 100 --------+--------+--------+ 5 | 70.68 | 29.32 | 100 --------+--------+--------+ 合计311.7 188.3 500 r * c 表的统计量 Cochran-Armitage 趋势检验