下载文档原格式
医学论文常见统计学错误与纠正一、设计与实施1.对象合格标准不明确●只报告来源和时间段，总体不清晰：大杂烩,得不到科学结论；●事前未规定合格标准和排除标准，事后排除；●不报告按照合格标准和排除标准筛选对象的过程。
2.结局指标多而杂--是事先规定的最重要的结局指标，通常以此为准来计算样本量。
常见错误：终点指标过多, 大海捞针临床试验时，不知道哪个指标在组与组间有差异；“确定某个指标后，万一组间没有差异，岂不被动?！”生理、生化、组织学、基因，都做；“内容丰富，显得水平高?！”许多仪器一下子可以做许多项目；“许多项目一一分析，哪个有意义，就报告哪个指标?！”哪些指标可能有组间差异，必须心中有数。
假说：预计将要得到的结论——假说是科研的灵魂心中无数，不要“先上马再说”●指标多，实验工作量大。
大海捞针——碰运气，不是科研！●指标多，翻来覆去分析，制造假阳性！Nature杂志统计学指南：➢常见错误之一。
仅分析1个指标时，P(假阳性)=0.05，P(1次分析不犯错误)=0.95 λ，同时分析2个指标时，P(2次分析均不犯错误) = [P(1 次分析不犯错误)] 2 P(假阳性)=1 - 0.952 ≈ 0.10, 同时分析3 个指标时，P(假阳性)=1 - 0.953 ≈ 0.14 λ同时分析10个指标时，P(假阳性)=1 - 0.9510 ≈ 0. 40➢常见错误之一(Nature) ----多重比较不校正多重比较: 对一组数据作多项比较时，必须说明如何校正α水平，以避免增大第一类错误的机会---- Bonfferoni校正（α/k来校正，k为两两比较次数）3 不重视对照为何必需对照？●消除非研究因素的混杂实验组和对照组受非研究因素的影响尽可能相同，使两组的差异主要反映研究因素的效应。
●鉴别研究因素的效应和自然发展结果。
例如，研究某药物对口腔溃疡模型兔的疗效，口腔溃疡有自愈的倾向，必须有对照扣除自愈效应。
常见错误➢没有对照！千方百计省去对照组，以减少一半工作量!? ω自身前后对照/历史对照/文献对照/ “标准”对照➢对照不当ω对照太弱：安慰剂对照/对照过强：西药+加中药~西药/对照剂量有争议：试验药，大剂量~对照药，中小剂量/对照基线不可比：试验组年轻、病轻~ 对照组年老、病重应当如何？ω事先明确研究假说，例如，新药比常规药好：以常规药为对照ω设计：研究组新药~ 对照组常规药可比性：基线可比、过程可比、终点可比ω保证可比性措施：干预性研究: 随机化观察性研究：匹配4样本量无根据ω干预性研究：“ 500 例患者随机分成两组……” 为什麽500 例？不多不少？500 例从天而降？现成送上门来？ω观察性研究：“ 10年期间A组3000例，B组258例……” ---- 有多少用多少!?应当如何？---- 报告最小样本量估算及其依据1. 比较两组测定值的均数依据：（1）预计欲比较的两总体参数的差值δ（2）预计总体标准差σ（3）允许出现假阳性结果的机会α（4）允许出现假阴性结果的机会β :例：格列美脲、格列苯脲对比研究以HbA1c 为主要终点报告依据✓欲检出HbA1c临床差异≥0.65%✓假定标准差为1.3%✓双侧检验水平0.05✓功效80% ω✓退出率20% 计算：157例2. 比较两组达标率依据：（1）预计一组发生某结局的百分比为π1（2）预计另一组发生某结局的百分比为α（3）允许犯假阳性错误的机会β（4）允许犯假阴性错误的机会π2例：格列美脲、格列苯脲对比研究以HbA1c达标为主要终点（1）预计一组发生某结局的百分比为45%（2）预计另一组发生某结局的百分比为25%（3）允许犯假阳性错误的机会α= 5%（4）允许犯假阴性错误的机会β= 20% 计算: 176 例5. 随机化，说而不做，做而不严处理分配的随机化为什么这么重要?(1) 消除分配处理有意或无意的偏倚。
临床试验中常见科研设计与统计分析错误辨析在临床试验中，科研设计和统计分析是确保研究结果准确可靠的重要环节。
然而，由于研究者的误判、设计缺陷或统计方法错误等原因，常常出现一些常见的错误，影响着研究的科学性和实用性。
本文将针对临床试验中常见的科研设计和统计分析错误进行辨析，以期帮助研究者更好地设计和分析临床试验。
一、样本量计算错误在临床试验中，样本量的计算是保证研究结果具有统计学意义的前提。
然而，很多研究中样本量的计算存在错误。
常见的错误有两个方面：一是样本量过小，导致研究结果缺乏统计学意义；二是样本量过大，造成研究资源的浪费。
为了避免样本量计算错误，研究者需要在研究设计之前充分了解已有的背景知识和相关文献，根据目标参数的预期值、可接受的显著性水平和统计功效等因素来计算样本量。
确保样本量的合理性和可行性对于有效的科学研究至关重要。
二、样本选择偏倚样本选择偏倚是指试验中某些特定群体被有意或无意地排除在外，导致研究结果的失真。
通常，这种偏倚主要表现在两个方向上，即选择性偏倚和信息偏倚。
临床试验中常见的样本选择偏倚包括招募患者时没有使用随机化方法、仅选择特定的患者群体、忽视非完全随机的分配方法等。
要解决这个问题，研究者应该使用随机化方法，即将患者按照一定的规则随机分配到不同的治疗组或对照组，以保证样本在一定程度上的均衡，降低样本选择偏倚的可能性。
三、结果分析错误结果分析是临床试验中最终总结和解释研究结果的过程。
然而，结果分析中也存在一些常见的错误。
首先，研究者常常没有正确选择适当的统计学方法来分析数据。
例如，某些连续变量数据使用了t检验，而在正态分布假设不成立的情况下，应该使用非参数方法进行处理。
其次，研究者在报告研究结果时常常忽略了效应估计和置信区间。
这些参数能够更全面地反映变量的影响程度和结果的可靠性，并且有助于他人对研究结果的理解和解释。
另外，研究者有时过于依赖显著性检验，而忽略了临床意义的判断。
在一些研究中，虽然结果间差异达到统计学显著水平，但实际上对于临床决策来说并没有太大的实际意义。
临床试验中常见科研设计与统计分析错误辨析临床试验是评估新药物、治疗方法和医疗器械有效性和安全性的重要手段。
科学合理的研究设计和统计分析是保证试验结果可靠性和有效性的关键。
然而，由于种种原因，临床试验中常常出现各种错误，这些错误严重影响了试验结果的准确性和可信度。
本文将从设计和统计两个方面，对临床试验中常见的错误进行辨析，并提供相应的解决办法。
一、设计错误辨析1. 非随机分组临床试验需要将研究对象分为实验组和对照组进行比较，如果分组过程不是完全随机，容易引入选择偏倚。
解决办法是使用随机数表或随机化软件进行随机分组，确保分组过程是完全随机的。
2. 样本量计算不合理样本量计算是临床试验设计的重要步骤，样本量过小会导致试验结果的抽样误差较大，无法得出可靠结论；样本量过大会浪费研究资源。
样本量计算应基于实验的预期效应大小、显著性水平和统计功效等因素进行合理估计。
3. 缺乏双盲设计双盲设计是有效控制观察者和被观察者误差的重要手段，可以减少主观因素对试验结果的影响。
临床试验中，应尽量采用双盲设计，使实验组和对照组在临床观察和数据收集过程中得到相同对待。
二、统计分析错误辨析1. P值解释错误P值是判断统计显著性的重要指标，但在解释P值时经常出现错误。
P值并不能表示效应的大小或者概率，它只是一个统计推断的结果。
因此，不应仅仅从P值的大小来断定结果的重要性，还需要考虑置信区间、样本量和实际临床意义等。
2. 没有考虑多重比较问题在一个临床试验中进行多个指标或者多个观察点比较时，忽视多重比较问题容易导致假阳性结果。
为了控制多重比较的误差，需要采用修正方法，如Bonferroni校正或Benjamini-Hochberg方法，来调整显著性水平。
3. 忽略数据分布的假设在进行统计分析时，往往基于一些假设进行，如数据服从正态分布。
如果数据的实际分布与假设不符，可能导致统计推断的错误。
因此，在进行统计分析前，应该对数据的分布进行检验，并采用相应的非参数方法或转换方法进行分析。
临床试验中常见科研设计与统计分析错误辨析临床试验过程包括设计、测量和评价( design，measurement and evaluation ，简称DME) 三大步骤，其每一步骤均遵循一定的原则：设计要遵循“分层、区组随机化分组，可比性(均衡)的平行对照，盲法，可重复性(样本量足够)”四大原则；测量必须保证取得的数据真实、可靠，避免各种可能的测量偏倚；评价包括正确选择统计分析技术及对统计分析结果的统计学推断和专业推断。
临床试验论文是反映药物临床设计、实施过程，并对试验结果作出分析、评价以供循证医学进行系统评价参考的总结性文章，真实、完整地描述事实，科学、准确地分析数据，客观、全面地评价结局是撰写试验论文的基本准则。
因此，充分理解DME过程遵循的原则有助于临床医生合理设计临床试验，选择正确的统计分析方法，书写科学严谨的试验论文。
本文拟系统分析医学论文中常见的科研设计与统计分析错误。
一、临床试验论文设计问题辨析临床试验论文中设计问题主要表现在违反试验设计的四大原则和测量方法的描述上。
因试验设计是科学研究的开始，设计中的错误所导致的后果是很严重的，甚至可能导致整个科研工作的全盘否定。
1．随机化问题随机化是临床科研设计的重要原则之一，是避免偏倚和混杂因素的最有效的方法。
常见随机化方面的问题有：未注明分组是否随机，或未采用随机化分组方法。
未说明随机的方法，只是笼统地说“将病例随机分为两组”，如某已发表论文对分组的描述：“35 例均为住院患者，随机分为两组，治疗组21 例，对照组15 例。
”从两组样本数相差悬殊即可断定分组并非随机。
随机化方法错误，如按奇偶数、单双日、入院顺序等。
如“按病情和就诊的先后顺序分组”，因病人就诊的先后顺序往往暗示其病情不同，尤其是当病人的病情轻重难以判断时若将先来就诊者分在一组，后来就诊者分在另一组，就不可避免的导致顺序误差(即一组病人的病情较另一组病人的病情重)，从而得出错误结论。
统计研究设计中常见错误辨析(一)一般情况，一项医药科研在统计研究设计方面出了问题，多半是原则性的或致命性的。
此时科研工作的可靠性就如同是“墙头芦它”或“空中楼阁”，经不起“风吹雨打”。
在我国医药科研工作中，在统计研究设计方面出现错误者并非少见，而这些错误无疑会降低我国科研工作的水平，阻碍我国医药科技事业发展。
在医药科研工作中，忽视统计研究设计或设计不完善的例子不胜枚举。
以下几方面的错误较为常见：缺乏必要的预试验一些科研工作者对所上研究的问题缺乏必要的了解，既不全面地查阅文献资料，又不做必要的预试验，更没有制定完善的实验设计案，盲目开展实验。
当实验过程中出了问题时便措手不及。
如某研究者在测完一组鼠的白细胞（WBC）计数后发现有些鼠的WBC值偏高，于是，仅对这几只鼠重测，而对那些自认为WBC值可以接受的鼠只测1次。
不仅如此，在进行数据处理时，将一组鼠的WBC值写成两列（只测一次的鼠两个数据相同，而测两次的鼠两个数据不同），分别用作甲、乙两种药物的对照组数据，这种对照是没有意义的；又如有人在研究毒物的半数致死量时，在所选定的几个剂量组内动物的死亡率或者均低于50％，或者均高于50％，导致无法进行半数致死量的正确估计。
缺乏与设计类型相匹配的收集实验数据的表格缺乏完善实验设计指导的实验研究者，常常也缺乏设计类型相匹配的收集实验数据的表格。
各实验者常将实验数据随便记录在零散的纸片上或用过的旧练习薄上，等到空闲时再来抄录实验数据。
这样做有很多缺点：其一，数据很容易丢失；其二，数据转抄很容易出现过失误差；其三，盲目抄录的数据常不符合统计软件分析数据的格式要求。
很多与特定设计类型对应的实验资料有其固定的记录或录入格式，便于进行统计分析。
这些规格化的表格很多，此处从略。
选用的样本含量不当很多人误认为实验中全部动物数就叫做本次实验的样本含量，其实不然。
如某研究者用15只动物做实验，先按药物作用时间长短将动物随机均分成5组，每组3只；接着又按药物的3种剂量将每组中的3只动物再均分成3个小组，每小组仅有1只动物。
临床试验中常见科研设计与统计分析错误辨析
一共6道题，每页6道题
单选类型试题：
1) 临床疗效常用“痊愈”、“显效”、“有效”、“无效”描述,这类资料属于等级变量资料,应采用何种统计方法：
A. 四格表χ2 检验
B. t检验
C. 秩和检验或Ridit分析
D. 方差分析
2) 下列描述错误的是：
A. 未对试验资料做任何统计学分析,仅凭对观测值大小的直观比较,就作出两者之间的差别有显著性意义的统计学结论,是缺乏统计学知识的突出表现
B. 某作者观测中药组与西药组在服药后1 、3 、6 周的骨密度变化情况,采用t检验分析
C. 参数检验前提条件是资料呈正态分布、各组方差齐同
D. 经临床研究所搜集到的资料一般都是样本,存在有抽样误差,因此,下结论不仅取决于所研究的试验组和对照组之间差异的绝对值的大小,而应采用统计推断的方法,获得概率性的结论
3) 以下哪项不属于临床试验论文设计问题：
A. 随机化问题
B. 对照组设立问题
C. 样本含量问题
D. 使用标准误代替标准差
4) 在制作统计表时常见的错误表现在：
A. 重点突出
B. 表达准确
C. 主谓倒置
D. 层次清楚
5) 统计推断方面的错误包括：
A. 缺少统计学分析
B. 未说明应用的统计学方法
C. 统计方法选择不当
D. 以上均是
6) 通常认为均数小于（）倍标准差的资料呈偏态分布：
A. 2 倍
B. 3倍
C. 4 倍
D. 5 倍。
