ATATA软件的应用--流行病学资料的分析 ppt课件

质性的资料出现Q检验P<0.05的结果。所以，利用
Q检验时下结论应该慎重。
ppt课件
23
2、 森林图法(forest plot)
森林图是以每个单项研究的效应值及其95%可信区间作图， 从而展示各研究间的差异情况。当各研究的OR值趋势一致，其可 信区间相互包含，则可判定无异质性。 例：英国流行病学家Archie Cochrane发现，1972-1979年 间，针对“早产孕妇使用氢化可的松以降低早产儿死亡率”的 RCT研究共7项，按各研究的OR值及其95%可信区间依次作图 （如下）
ppt课件 12
系统评价（systematic review）
选择文献
根据事先制订的纳入标准与排除标准对每一篇文 献进行分析与评价，以确定是否能够入选。
常用于制订纳入标准的因素（试验设计方案、对
照的治疗方法、判断疗效的指标、患者的类别等）。
为避免评价者的偏倚，可以进行多人评价。
ppt课件
13
系统评价（systematic review）
ppt课件 17
第二节
Meta分析
（Meta-analysis）
ppt课件 18
一、Meta分析概念
Meta分析（meta-analysis）又叫荟萃分析，是系统
评价的一种，通过综合多个相同目的研究的结果，用定 量合成的方法提供一个量化的平均效果或联系强度，从 而来回答所研究问题。
Meta-分析不是一个简单的统计方法，它是集数据收集和 相关信息处理为一体的一系列分析和统计过程。它包括提出 研究问题、制定纳入排除标准、检索相关文献、汇总基本信 息、综合分析并报告结果等系统性研究过程。 Meta-分析最大的优点是通过综合各原始文献的研究结果， 增大了研究的样本量，从而增加了研究结果的把握度，并可 解决各单项研究结果不一致的问题。

Stata的特点
高效可靠、易于使用和学习、 自动化、开放性和灵活性、 强大的图形功能。
Stata的应用领域
Stata被广泛应用于社会科学、 医学和卫生、教育、经济学、 金融、政治科学等领域。
Stata基本操作
1
文件类型
2
Stata的文件类型，如何识别文件类型，
如何处理不同类型的文件。
3
常用命令
4
Stata的常用命令，如何运行命令和脚本。
数据的分割和堆叠
如何按照条件分割数据集，如何 将多个数据集堆叠成一个数据集。
Stata数据分析
1
描述性统计
如何计算描述性统计量，如何画制表和图形。
2
假设检验
基础假设检验、方差分析、非参检验等。
3
回归分析
单因素、多因素、分层回归等基本回归分析方法。
4
面板数据分析
如何处理面板数据，如何进行面板数据分析。
Stata基础课件PPT
本课程详细介绍Stata的基本操作、数据处理和分析、绘图功能和高级应用等 方面。从此你可以掌握Stata的全面操作，数据处理和分析，提高Stata的应用 水平。
Stata介绍
什么是Stata？
Stata是一款强大的数据分析 软件，被广泛应用于多个领 域，如社会科学、健康科学、 教育、经济学、金融、政治 科学等。
Stata的扩展程序
Stata的并行计算
如何下载和安装Stata的扩展程序， 如何使用额外的命令。
如何利用Stata高效地运行大数据 集，如何使用Stata的并行计算。
总结和展望
1 Stata的优缺点
Stata的优点有：强大的数据管理和较高的统计分析能力；缺点有：虽然易学但不便宜， 还需要花时间去了解命令。

实验流行病学设计的类型
01
前瞻性实验
根据研究目的，对实验对象进行分组，前瞻性地观察干预措施对结局的影响。
02
回顾性实验
根据已有的数据或资料，回顾性地分析干预措施对结局的影响。
实验流行病学设计的关键要素
干预措施
明确干预措施的内容、实施方法和时间。
研究人群
明确实验对象的人群特征、纳入标准和排除标准。
结局指标
选择科学、客观、敏感的结局指标，并明确其测量方法和时间。
数据收集与分析
采用科学的数据收集方法和统计分析方法，确保结果的准确性和可靠性。
样本量
根据研究目的和预期效果，确定适当的样本量。
实验流行病学分析方法
03
总体
指研究对象的全体，也称总体单位或个体。
总体与抽样
抽样
从总体中选取部分个体进行研究的过程。
单侧检验与双侧检验
实验流行病学分析的步骤
04
03
制定研究计划
根据研究目的和收集到的资料，制定可行的研究计划，包括研究方法、研究对象、时间安排等。
确定研究问题
01
明确研究目的
研究者需明确研究问题，包括研究范围、研究内容、研究角度等。
02
收集相关资料
收集相关文献资料，了解研究领域的相关知识。
设计实验方案
选择偏倚
实验流行病学分析中，受试者的选择可能会受到主观因素和客观条件的限制，导致选择偏倚的出现，影响结论的普适性和可靠性。
失访偏倚
在实验过程中，受试者可能会因为各种原因退出研究或失访，这也会导致选择偏倚，影响结论的可靠性。
受试者选择偏倚
VS
实验流行病学分析中，干预措施的实施可能会产生副作用，影响研究的真实性和可靠性。

ppt课件
17
横截面研究可以做多因素回归吗？
横截面调查的数据 疾病：心血管病、高血压 相关因素：性别、年龄、红肉日均摄入量、吸烟、饮酒、高 血糖、血管弹性指数
ppt课件
Hale Waihona Puke 18横截面研究可以做多因素回归吗？
横截面调查的数据 疾病：心血管病、高血压 相关因素：性别、年龄、红肉日均摄入量、吸烟、饮酒、高 血糖、血管弹性指数 哪些因素可以做呢？
变量说明 患者编号 生存时间（月） 删失 手术时的年龄 处理组别（有无手术中放疗） 性别 占位处 胰胆管浸润程度 有无腹膜转移 TNM 分类
变量类型 连续 2 分类 连续 2 分类 2 分类 2 分类 有序多分类 2 分类 2 分类
ppt课件
分类变量的编码
0：死亡、1：删失 0：无术中放疗、1：有术中放疗 0：男、1：女 0：胰脏头部、1：头部以外 1：ch0、2：ch1、3：ch2、4：ch3 0：无、1：有 3：Ⅲ期、4：Ⅳ期
向前法 向后法 逐步法
单因素加多因素逐步回归法
ppt课件
23
最优方程筛选
（1）前进法
自变量从无到有、从少到多
（2）后退法
先将全部自变量放入方程，然后逐步剔除
（3）逐步法
双向筛选：引入有意义的变量（前进法），剔除无意义 变量（后退法）
ppt课件
24
24
逐步回归分析的基本思想-拟合效果
•线性回归 保证纳入因素后，模型的R2值最大 •Logistic等回归方法 AIC值、SC 值或-2 log likelihood值越小好
变量说明 患者编号 生存时间（月） 删失 手术时的年龄 处理组别（有无手术中放疗） 性别 占位处 胰胆管浸润程度 有无腹膜转移 TNM 分类

收集生存时间数据和潜在影响因素。
使用Stata进行生存分析，包括数据导 入、选择合适的生存分析模型、参数 估计和结果解释。
分析生存曲线和风险函数，探究影响 因素对生存时间的影响。
进行模型假设检验和模型比较。
案例三：面板数据分析
总结词：利用面板数据分析方
法，探究个体、时间和其他变
量的交互作用。
01
详细描述
绘制折线图
折线图用于展示随时间变化的数据 趋势。
VS
在Stata中，可以通过输入“line yvar xvar”命令来绘制折线图。其中 yvar代表要展示的数据变量，xvar代 表时间变量。还可以通过添加选项来 修改线条样式、标记等。
05
Stata实战案例
案例一：线性回归分析
总结词：通过线性回归分析，探究自变量与因 变量之间的关系。
01
确定研究问题，选择合适的自变量和因变 量。
03
02
详细描述
04
使用Stata进行线性回归分析，包括数据 导入、模型设定、参数估计和结果解释。
分析模型的拟合优度，如判定系数、调整 判定系数等。
05
06
检验模型的假设条件，如线性关系、误差 项独立同分布等。
案例二：生存分析
总结词：利用生存分析方法，研究生 存时间与影响因素之间的关系。 详细描述
多元回归
探讨多个自变量对因变量的影响，以 及交互项和平方项的设定。
面板数据分析
面板数据介绍
阐述面板数据的概念、特点及其在经济学中 的应用。
固定效应与随机效应模型
比较两种模型的适用场景和结果解释。
面板数据的单位根与协整检验
介绍用于检验数据稳定性和长期关系的检验 方法。

自变量为计数资料
二分类变量
多分类变量
自变量为等级资料 等级相关分析
Ridit 分析
Mann－Whitney 法
Ridit 分析
Kruskal－Wallis法
Spearman等级相关
PPT课件
16
（三）多变量分析（一个因变量与两个或两个以上的自变量）
1、因变量为计量资料时的多因素分析
因变量为计量资料
自变量为计量资料 配伍组设计 方差分析
变量为计量资料
建立模型、预测
多元线性模型
PPT课件
自变量为计数、计量资料
组间比较与控制混杂因素
协方差分析
17
2、因变量为计数量资料时的多因素分析
因变量为计数资料
自变量为两个或两 个以上计数资料
分层分析
因变量不受 时间影响
Logistic回归分析
因变量受 时间影响
PPT课件
5
3. 专题调查 如临床疗效分析、诊断试验评价等。 优点：资料可靠。 缺点：花费人力、物力、财力较大。
4. 文献资料
PPT课件
6
（二）临床科研资料的测量方法
查体法 仪器测量法 实验室检查 询问法
PPT课件
7
二、临床科研测量误差的来源和控制
受试对象生物学变异引起的测量误 差与控制 观察者应起的误差与控制 实验室原因引起的误差与控制
表13-16 某医院夏季腹泻门诊病例分析
配对资料（中位数） 符号等级检验（Wilcoxon法）
PPT课件
13
（二）双变量分析（涉及到一个因变量和一个自变量）
1、因变量为计量资料
因变量为计量资料
自变量为计量资料
自变量为计数资料

。
假设检验与P值
假设检验的基本原理
理解假设检验的基本概念和 原理，了解如何提出原假设 和备择假设。
P值的意义
了解P值的意义和计算方法， 知道如何解读P值。
显著性检验
掌握在Stata中进行各种显著 性检验的方法，如t检验、Z 检验、卡方检验等。
变量筛选与模型优化
变量筛选方法
了解并掌握一些常见的变量筛选方法，如逐步回归、向前 /向后回归、岭回归等。
数据分析的方法
包括描述性分析、推断性分析等，可以使用Stata提 供的各种统计命令和程序来实现。
数据分析的步骤
包括确定分析目标、选择合适的分析方法、 执行分析操作等，需要按照一定的顺序逐步 进行。
04 Stata绘图功能
散点图与线性图
01
散点图
用于展示两个变量之间的关系， 通过散点的大小、颜色或形状表 示不同数据点。
数据清洗的方法
包括识别异常值、填充缺失值、删除重复值等，可以使用Stata提 供的各种命令和程序来实现。
数据清洗的步骤
包括数据预览、异常值识别、缺失值处理、重复值检测与处理等， 需要按照一定的顺序逐步进行。
数据转换
数据转换的必要性
数据转换是数据处理过程中经常需要进行的一步，可以将 数据转换为更易于分析和可视化的形式，或者将数据整合 到一起以便进行更深入的分析。
02 Stata基础操作
Stata界面介绍
Stata界面布局
介绍Stata的菜单栏、命令窗口、结 果窗口、变量列表等界面元素，帮助 用户熟悉操作环境。
工具栏功能
简要说明工具栏中各个按钮的作用， 方便用户快速执行常用操作。
数据导入与导
数据导入
介绍如何从不同格式（如CSV、Excel等）导入数据到Stata中，包括相关命令 和参数设置。

-----------------+------------------------+----------
Exposed |
3
16 |
19
Unexposed |
3
30 |
33
-----------------+------------------------+----------
Total |
6
46 |
age |
OR
[95% Conf. Interval] M-H Weight
-----------------+-------------------------------------------------
0 | 2.224658 1.437382 3.430672
14.28571 (exact)
case
exposure
f
1
1
40
1
0
36
0
1
9
0
0
67
cci #a #b #c #d
成组病例对照分析
cc case exposure [fw=f]
cci 40 36 9 67
Proportion
| Exposed Unexposed | Total Exposed
-----------------+------------------------+----------------------
0.11
0.7358
0.341623 2.135687
2 | 1.634058
1.55
0.2130
0.748525 3.567210

1400
1200 1000
Measles vaccine first used
800 20
18
16
600
14 12
10
Start EPI
8
400
6
Cold chain
4
established
2
0
200
86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01
0 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98 00
➢ 根据公共卫生评价指标（罹患率、发病率、死亡率）和公 众关注热点，提出社区人群中重大的公共卫生问题
➢ 现场调查必须及时予以实施
➢ 尽早发现传染源等致病源并对其危害作出评价
➢ 使用合理的描述性或分析性流行病学方法（因果关系、证据 充分）
➢ 有因果关系上的充分证据确定传染源或病因
➢ 建立疾病的适时控制和长期干预系统
▪ 暴露时间明确，计算平均潜伏期
➢ 中位数法：资料不明确（少） ➢ 几何均数法：偏态分布资料 （多） ➢ 算术平均数：正态分布资料
暴露时间不明确，推算共同暴露时间
▪ 潜伏期推算法：
➢ 首例病例发病时间 → 最短潜伏期 ➢ 末例病例发病时间 → 最长潜伏期
➢ 发病高峰 → 常见潜伏期（或平均潜伏期）
▪ 信息来源
➢ 公共卫生监测系统 ➢ 政府有关部门（如民政、公安、教育等部门） ➢ 企事业单位（学校、工厂等） ➢ 公民和媒体（报纸、广播、电视及网络）
现场调查的启动
▪ 接获信息后
➢ 初步分析信息 ➢ 初步确认后联系信息来源地，进一步核实 ➢ 及时报告有关领导 ➢ 得到有关部门的授权或者事发相关部门的

名； 最后，合并数据：merge 关键变量名 using “文件路径和
名称”，keep（变量）。
精选课件ppt
11
数据的合并
（系统变量）
关于系统变量：_merge，它的取值限于
1＝观察值仅来自主要数据，使用数据没有匹配的样本， 2＝观察值仅来自使用数据，主要数据没有匹配的样本， 3＝观察值来自于主要数据和使用数据。
missing将缺失值与有效值同样对待； wrap不自动换行宽表； nokey不显示单元格提示； nolabel不使用数值标签。
精选课件ppt
18
描述数据的统计量
sum+变量名；s
um a，detail（给出更详细的信息）； bysort urban：sum a（在不同城乡分布中统计变
增加存储空间（set mem 40m） 清空存储空间（clear，相当于drop all）。
精选课件ppt
3
Stata数据的读入
数据的读入：
可直接读入下列尾缀形式的数 据.dta/.txt/.raw/.xls；
读入文件中的部分变量：use a b c using“文件路 径和名称”；
读入文件中的部分样本：use “文件路径和名称” in X/Y(X、Y表示个案序号)；
读入文件中某些特征的样本：use“文件路径和 名称”if 条件句；
精选课件ppt
4
数据库的描述
描述数据的基本情况：describe, d
describe, simple:只展示变量名； describe，short：报告变量总体情况； describe，detail：输出全部变量的全部信息； describe a b c：描述部分变量的情况。
界面：
Command(命令)、Results(结果)、Review(回顾)、 Variables(变量)。