医学统计学案例分析 (1)

序言生物体的变异性决定了医学统计学在医药卫生研究中的重要地位。

医学统计学是什么？医学统计学是与生物体神秘莫测的变异紧密关联的，是为了探求医学生物体个体变异的规律而产生和发展的。

没有医学统计学指导的医药学研究不能称为真正的医药学研究，缺乏医学统计学支持的医药卫生研究结果永远不会得到医学界的承认。

这已经为越来越多的医药卫生研究工作者所认识。

多年来，大批医学统计工作者积极从事医学统计的普及工作，撰写了不少应用的文章与专著，努力指导医药卫生研究工作者掌握这门工具。

但医学统计学在医学生或临床医生面前却依然犹如雨后云雾环绕的山峰，若隐若现，看似清楚，却又朦胧，似乎伸手可及，却又似远隔万丈。

他们中的许多人，对于统计的认识就是处于这样一种一知半解的朦胧状态，对于统计方法学的使用尚处于“知其然、不知其所以然”、照猫画虎、依葫芦画瓢的阶段。

在众多眼花缭乱、望而生畏的数学公式面前，更多的人则是一脸茫然，束手无策，无所适从。

这些不仅增添了他们对这门学科的神秘感，而且必定会使他们对医学统计学“敬而远之”，从而影响这门学科的发展。

在从现在起往前的三十余年间，信息技术得到飞速发展，出现了功能强大的统计分析软件，诸如SAS、SPSS等，统计分析从此结束了手工计算的时代。

统计软件可以使许多原来计算繁琐的统计方法不断引入到统计学中，可以使你不必专注于繁杂的统计计算，而是将关注点转移到统计方法的选择、数据分析的思路上，提高了研究效率，产出了手工时代难以获得的结果。

但统计软件却又是一把双刃剑，人们在赞叹其功能神奇的同时，很少有人关注统计方法的使用条件，极少有人去认真进行结果解释。

更多看到的却是对统计软件的不求甚解以及由此出现在各类医学期刊上的比比皆是的尴尬。

艺术家的朦胧醉眼可以使他们的思维犹如行空的天马，在由此产生的奇思异想指导下的作品可以成为绝世佳作。

但在科学上却不允许有任何醉眼，来不得一点点的朦胧。

对统计方法的一知半解和统计软件的误用不仅会使研究者难以获得真正重要的关键信息，从而使研究结果前功尽弃，甚至可能由于错误的信息，而将决策者引入歧途。

案例分析—四格表确切概率法【例1-5】为比较中西药治疗急性心肌梗塞的疗效，某医师将27例急性心肌梗塞患者随机分成两组，分别给予中药和西药治疗，结果见表1-4。

经检验，得连续性校正χ2=3.134，P＞0.05，差异无统计学意义，故认为中西药治疗急性心肌梗塞的疗效基本相同。

表1-4 两种药物治疗急性心肌梗塞的疗效比较药物有效无效合计有效率（％）中药12（9.33）2（4.67）1485.7西药 6（8.67）7（4.33）1346.2合计1892766.7【问题1-5】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？【分析】(1) 该资料是按中西药的治疗结果（有效、无效）分类的计数资料。

(2) 27例患者随机分配到中药组和西药组，属于完全随机设计方案。

(3) 患者总例数n=27＜40，该医师用χ2检验是不正确的。

当n＜40或T＜1时，不宜计算χ2值，需采用四格表确切概率法（exact probabilities in 2×2 table）直接计算概率案例分析－卡方检验（一）【例1-1】某医师为比较中药和西药治疗胃炎的疗效，随机抽取140例胃炎患者分成中药组和西药组，结果中药组治疗80例，有效64例，西药组治疗60例，有效35例。

该医师采用成组t检验（有效=1，无效=0）进行假设检验，结果t＝2.848，P＝0.005，差异有统计学意义检验（有效=1，无效=0）进行进行假设检验，结果t＝2.848，P＝0.005，差异有统计学意义，故认为中西药治疗胃炎的疗效有差别，中药疗效高于西药。

【问题1-1】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？（4）该资料应该用何种统计方法？【分析】(1) 该资料是按中西药疗效（有效、无效）分类的二分类资料，即计数资料。

(2) 随机抽取140例胃炎患者分成西药组和中药组，属于完全随机设计方案。

案例分析—四格表确切概率法【例1-5】为比较中西药治疗急性心肌梗塞的疗效，某医师将27例急性心肌梗塞患者随机分成两组，分别给予中药和西药治疗，结果见表1-4。

经检验，得连续性校正χ2=3.134，P＞0.05，差异无统计学意义，故认为中西药治疗急性心肌梗塞的疗效基本相同。

表1-4 两种药物治疗急性心肌梗塞的疗效比较药物有效无效合计有效率（％）中药12（9.33）2（4.67）1485.7西药 6（8.67）7（4.33）1346.2合计1892766.7【问题1-5】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？【分析】(1) 该资料是按中西药的治疗结果（有效、无效）分类的计数资料。

(2) 27例患者随机分配到中药组和西药组，属于完全随机设计方案。

(3) 患者总例数n=27＜40，该医师用χ2检验是不正确的。

当n＜40或T＜1时，不宜计算χ2值，需采用四格表确切概率法（exact probabilities in 2×2 table）直接计算概率案例分析－卡方检验（一）【例1-1】某医师为比较中药和西药治疗胃炎的疗效，随机抽取140例胃炎患者分成中药组和西药组，结果中药组治疗80例，有效64例，西药组治疗60例，有效35例。

该医师采用成组t检验（有效=1，无效=0）进行假设检验，结果t＝2.848，P＝0.005，差异有统计学意义检验（有效=1，无效=0）进行进行假设检验，结果t ＝2.848，P＝0.005，差异有统计学意义，故认为中西药治疗胃炎的疗效有差别，中药疗效高于西药。

【问题1-1】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？（4）该资料应该用何种统计方法？【分析】(1) 该资料是按中西药疗效（有效、无效）分类的二分类资料，即计数资料。

(2) 随机抽取140例胃炎患者分成西药组和中药组，属于完全随机设计方案。

医学统计学案例辨析及参考答案目录目录 (2)第1章绪论 (3)第2章统计描述 (5)第3章概率分布 (9)第4章参数估计 (12)第5章假设检验 (14)第6章两样本定量资料的比较 (16)第7章多组定量资料的比较 (19)第8章定性资料的比较 (22)第9章关联性分析 (25)第10章简单线性回归分析 (27)第11章多重线性回归分析 (30)第12章实验设计 (33)第13章临床试验设计 (35)第14章调查设计 (36)第15章样本含量估计 (38)第16章随机区组设计和析因设计资料的分析 (41)第17章重复测量设计和交叉设计资料的分析 (43)第18章 Logistic回归 (46)第19章生存分析 (50)第20章对数线性模型在高维列联表资料分析中的应用 (53)第21章多元统计方法简介 (56)第22章时间序列分析 (57)第24章基因表达谱分析的生物信息学方法 (59)第25章 Meta分析 (60)第26章医学论文的统计学报告要求 (64)第1章绪论案例辨析及参考答案案例1-1某研究者的论文题目为“大学生身心健康状况及其影响因素研究”，以某地职业技术学院理、工、文、医学生（三年制）为研究对象，理、工、文、医学生分别挑选了60、38、19和46人，以问卷方式调查每位学生的一般健康状况、焦虑程度、抑郁程度等。

得出的结论是：“大学生身心健康状况不容乐观，学业问题、就业压力、身体状况差、人际交往不良、社会支持不力为主要影响因素”。

请问其结论合理吗？为什么？应该如何？案例辨析①样本不能代表总体。

总体是“大学生”，而样本仅为某地三年制职业技术学院学生；②社会学调查的样本含量显得不足；③“理、工、文、医学生分别挑选……”这种说法中隐含人为“挑选”的意思，不符合统计学要求。

正确做法应在论文的题目中明确调查的时间范围和地点，还应给“大学生”下一个明确的定义，以便确定此次调查的“总体”；对“大学生身心健康状况”可能有影响的因素很多，应结合具体问题拟定出少数最可能有影响的因素（如学科、在学年限等）进行分层随机抽样，以保证样本有较好的代表性；还应根据已知条件找到估计样本含量的计算公式，不可随意确定各学科仅调查几十人；当然，调查表中项目的设置也是十分重要的，此处从略。

医学统计学案例分析医学统计学是应用数理统计学原理和方法对医学研究进行分析的学科。

下面介绍一个医学统计学案例分析。

某医院开展了一项针对心脏病患者的新药临床实验。

实验分为两组，A组为接受新药治疗的患者，B组为接受常规治疗的患者。

为了评估新药的疗效，研究者采集了每组患者的治疗前和治疗后的心脏功能数据。

实验结果如下表所示：组别治疗前心脏功能治疗后心脏功能A组 70 85B组 65 80为了分析和评估新药的疗效，可以采用配对样本T检验进行统计分析。

配对样本T检验是一种适用于两个相关样本的统计检验方法。

首先，可以计算出每组患者的差值（治疗后心脏功能-治疗前心脏功能）：差值A组 = 85-70 = 15差值B组 = 80-65 = 15接下来，计算这些差值的平均值和标准差：平均值差值A组 = 15/1 = 15平均值差值B组 = 15/1 = 15标准差差值A组= sqrt(Σ(xi-平均值差值A组)²/(n-1)) = 0标准差差值B组= sqrt(Σ(xi-平均值差值B组)²/(n-1)) = 0然后，可以计算T值：T = (平均值差值A组-平均值差值B组)/sqrt((标准差差值A组²/样本容量)+(标准差差值B组²/样本容量))T = (15-15)/sqrt((0²/1)+(0²/1)) = 0最后，根据自由度和显著性水平可以查找T值对应的临界值。

假设显著性水平为0.05，查表可得临界值为1.96。

由于计算得到的T值为0，小于临界值1.96，所以可以得出结论：新药治疗和常规治疗在心脏功能上没有显著差异。

通过以上医学统计学案例分析，我们可以对新药的疗效进行客观评估，为临床医学提供科学依据。

医学统计学案例分析医学统计学是医学研究中不可或缺的重要组成部分，它通过对医学数据的收集、整理、分析和解释，为医学研究提供了有力的支持。

本文将通过一个具体的医学统计学案例，来说明统计学在医学研究中的应用和意义。

某医院进行了一项针对心脏病患者的临床研究，研究对象分为两组，一组接受传统治疗，另一组接受新型药物治疗。

研究的目的是比较两种治疗方法在降低心脏病发作率方面的差异。

在研究开始前，研究人员首先收集了参与者的基本信息、病史、生活方式等数据，然后在一定时间内对两组患者的心脏病发作情况进行了观察和记录。

通过对收集到的数据进行统计分析，研究人员得出了如下结论，新型药物治疗组的心脏病发作率明显低于传统治疗组。

经过统计检验，这一差异被证实具有显著性。

此外，研究人员还发现，新型药物治疗组的患者在心脏病发作后的恢复速度也更快，住院时间更短。

这个案例充分展示了医学统计学在临床研究中的重要作用。

首先，通过对参与者的基本信息和病史等数据进行描述性统计分析，研究人员可以更清楚地了解研究对象的特征和分布情况。

其次，通过对不同治疗组的心脏病发作率进行比较，可以得出治疗效果的初步结论。

最后，通过统计检验等方法，可以验证结论的显著性，为临床实践提供科学依据。

在医学研究中，统计学还可以帮助研究人员解决一些实际问题，比如样本量的确定、研究设计的选择、数据分析方法的应用等。

同时，统计学方法的运用也使得研究结果更加客观、可靠，提高了研究的科学性和说服力。

总之，医学统计学在医学研究中发挥着不可替代的作用，它为医学研究提供了科学的数据支持和分析手段，为临床实践提供了科学依据。

希望医学界的研究人员能够更加重视统计学的学习和运用，不断提高自身的统计学素养，从而更好地开展医学研究工作，为保障人民健康做出更大的贡献。

医学统计学错误案例【篇一：医学统计学错误案例】【关键词】医学统计学；案例教学；教学改革【中国图书分类法分类号】r1951 application ‘inorrectcses’in medic sttistis tching wang jin鄄quan，yuan hui， yue鄄e，jinyue鄄long，yo ying 鄄shui. department reventivemedicine，wannan medi鄄 cal college，uhu 24100，china corresponding author：yo ying鄄shui，email：yingshuiyao@163com 【bstrt】 objetiv applicationeffect ‘incorrectcases’in medical statis鄄 tics teaching methos juniorstudents （n=307）of clinical medicine were selected researchsubjects randomcluster sampling werep>然而医学统计学概念和方法误用与滥用的现象普遍存在，李长平和胡良平查阅了150篇医学博士论文，发现有92 篇（6.30%）存在统计学问题。

姚实篇中医药期刊论文进行分析，发现论文在统计描述、结果分析、统计方法的选择和科研设计等方面存在问题。

bakker 和wicherts 心理学杂志，8篇中有8.%的文献报道统计学结果不正确。

这表明，医学统计学教学要注重培养学生的统计思维，提升学生分析问题和解决问题的能力。

医学统计学作为所有医学专业本科生的必修课，学生普遍认为该课程概念抽象、计算繁多，不易理解和掌握。

将“错误案例”引入统计学教学中，通过错误辨析从逆向思维角度激发学生的学习动力，启发其思索质疑，对培养其自主学习能力有较好效果。

对象与方法1.1 教学对象整群抽取某校临床医学专业个教学平行班学生（37 人）作为教学对象，随机抽取其中个班学生（人）为教学改进组，其余人）作为传统教学组。

第5章 假设检验案例辨析及参考答案案例5-1 为了比较一种新药与常规药治疗高血压的疗效，以血压下降值为疗效指标，有人作了单组设计定量资料均数比较的t 检验，随机抽取25名患者服用了新药，以常规药的疗效均值为0μ，进行t 检验，无效假设是0μμ=，对立假设是0μμ≠，检验水平α=1%。

结果t 值很大，拒绝了无效假设。

“拒绝了无效假设”意味着什么？下面的说法你认为对吗？（1）你绝对否定了总体均数相等的无效假设。

（2）你得到了无效假设为真的概率是1%。

（3）你绝对证明了总体均数不等的备择假设。

（4）你能够推论备择假设为真的概率是99%。

（5）如果你决定拒绝无效假设，你知道你将犯错误的概率是1%。

（6）你得到了一个可靠的发现，假定重复这个实验许多次，你将有99%的机会得到具有统计学意义的结果。

提示：就类似的问题，Haller 和Kruss （2002）在德国的6个心理系问了30位统计学老师、44位统计学学生和39位心理学家。

结果所有的统计学学生、35位心理学家和24位统计学老师认为其中至少有一条是正确的；10位统计学老师、13位心理学家和26位统计学学生认为第4题是正确的。

（见Statistical Science, 2005, 20(3)：223-230.） 案例辨析 6个选择均不正确。

（1）可能犯Ⅰ类错误。

（2）α＝1%是表示在无效假设成立的条件下，犯Ⅰ类错误的概率。

（3）可能犯Ⅰ类错误。

（4）α＝1%是表示在无效假设成立的条件下，犯Ⅰ类错误的概率，而不是推论备择假设为真的概率是99%。

（5）在无效假设成立的条件下，就该例拒绝无效假设犯错误的概率是P 。

（6）在无效假设成立的条件下，还可能犯错误，并不是完全“可靠”的发现；1-α=99%是指无效假设成立的条件下不犯错误的概率是99%。

正确做法“拒绝了无效假设”意味着在无效假设成立的条件下，推断犯错误的概率为P。

案例5-2 某工厂生产的某医疗器械的合格率多年来一直是80.0％。