科研数据的种类及处理方法

统计工作步骤
1. 统计设计 2. 资料收集 3. 资料整理 4. 数据分析 5. 写出报告
数据分类
数据分类有多种方法
• 计数资料、计量资料 • 连续资料、离散资料
变量的类型
一）定量变量 二）定性变量
一）定量变量
变量值是定量的，有大小之分，有度 衡量单位，这种变量称定量变量，
1. 离散型 2. 连续型
定性资料的统计分析
• 来自配对研究设计的2×2表
表1 两种培养基对同一痰液同时培养结果
乙培养基
甲培养基
＋
－
＋
36
34
－
0
135
表2 两种检测方法对同一组受试者检验结果
金标准检测
试验标准
＋
－
＋
31
3
－
2
40
可以有两种方法:
检验两种方法不一致的，可以用McNemar 2 ;
检验两种检验方法结果是否具有一致性，可以用Kappa检验。
方差分析（满足正态性）、非
相关 回归
定量资料的统计分析
• 单因素多组（3组以上） • 使用方差分析
分别有：
一般方差分析 配伍设计方差分析 拉丁方设计方差分析 交叉设计方差分析 析因设计方差分析 重复测量数据方差分析
定量资料的统计分析
• 单因素定量资料假设检验，均须满足 正态性和方差齐性否则，需作变量变换 或选用非参数检验
定性资料的统计分析
基线血压状况随访10年心血管脑卒中事件结果 心血管脑卒中事件
基线血压
发生
没有发生
高血压
58
正常血压
6
398 2354
1. 先进行一般 2检验，如果P<0.05，进行第2步， 否则停止；
2. 计算相对危险度RR（Relative Risk，RR）； 3. 用MH 检2 验RR与1之间的差异是否显著。
科研数据的种类 及处理方法
广东省心血管病研究所 麦劲壮
什么是统计学？
• 统计学是一门处理数据中变异性的科学 与艺术 内容包括 数据收集、整理、分析、解释和推断
统计学与医学研究
• 统计学思维和方法已经渗透到医学研究中 如：医学杂志 课题申请 药物开发
• 相对随机化有对照的临床试验而言，医生个 人的临床经验是无计划、杂乱的，而且是非 常不可靠的
哑变量
• 同样，如果连续型定量变量，我们也可以变 成哑变量，例如，如果我们单纯用收缩压 (SPB)作自变量，计算ORSBP=1.02，按此结果， 我们仅能作以下解释：SPB每变化1个单位， 危险增加0.02，临床上，我们想知道高血压 比正常血压危险增加多少，怎样做？
哑变量
SBP或DBP 高血压 正常
1.2 无序定性变量
一些变量虽然可以用1、2、3代表， 但是也是无大小或水平之分的，如职业、 民族等，其中的工、农、商、干部、技 术人员等，并无大小、等级或水平之分， 这些也可以用A、B、C等代表，因此称 无序的定性变量，也称分类变量或名义 变量。
2. 有序定性或等级变量
一些定性变量是有序或有等级的， 这种定性变量就是有序定性或等级变量。
哑变量HP 1 0
假设ORHP=1.82，我们就可以解读为：高血压 是正常血压的危险1.82倍
哑变量
• 注意事项： 进行哑变量转换后，在最后报告中必
须说明转换方法及标准。
谢谢
当的变换变成连续型定量变量进行分析 • 常见例子，通过连续型定量变量“血压
值”，变换成二分类变量“是否高血压”
哑变量
• Logistic、Cox回归分析中，如果自变量 是分类变量，如职业、血型，或特殊目 的时，需要变换成多个哑变量才能分析
以血型为例，血型有A、B、AB 、O型， 需转换成4-1=3个哑变量（假设X1、X2、 X3），具体方法如下
1.离散型定量变量
只能取整数，这些定量变量称离散型 定量变量，如人数、手术数量、红细胞数 量等
2.连续型定量变量
直接测量获得，可以是任意大小，可 以有小数点，有度量单位，如血压、身 高等测量值。
定量变量常用的统计描述
• 均数、全距、几何均数、中位数、分位数、众 数、方差 、标准差、变异系数、偏度系数等
例如，临床检验结果－、± 、＋、 ＋＋等， 疗效：治愈、显效、好转、无 效、死亡
定性资料的统计描述
通过频率分布及相对数指标来描述其分布特征 • 百分比 • 构成比 • 发（患）病概率 • 感染率 • 相对比（男女比） • OR（比值比）/ RR（相对危险度）
定性资料的统计分析
• 常见错误：直接根据率的大小作出统计 推断
如果分类变量有n个水平， 则需建立n-1个哑变量。
哑变量
• 哑变量意义 在Logistic回归中，单纯用血型（X）作 为自变量，分析结果X对应的OR是1.89， 这时是没有办法解释结果的，因为，不 知道谁跟谁比，徒有结果，但没有意义
哑变量
• 但是，如果用3个哑变量作为自变量，结果 对应的OR分别是ORX1=1.90、 ORX2=0.89、 ORX3=2.11，这样，我们可以解释为，相对 “O”型血，A型血相对危险是1.90倍、B型 是0.89倍、AB型是2.11倍。
法
定性资料的统计分析
• 来自横断面研究的资料 两种药物治疗某病患者疗效观察结果 有效 无效
治疗组 30
10
对照组 11
58
该表可以选择一般的 2检验公式进行计算
定性资料的统计分析
来自队列研究设计的2×2表 例子: “中美心血管疾病危险因素研究”，研究 基线血压对10年后心脑血管事件发生的 影响，列表如下
哑变量
哑变量
血型(X)是 X1 X2 X3
A
100
B
0பைடு நூலகம்0
AB
001
O
000
这里是选定“O“型为基准转换成 哑变量，意味着，假如血型 X=A，则X1=1，X2=0，X3=0； X=B，则X1=0，X2=1，X3=0； X=AB，则X1=0，X2=0，X3=1； X=O，则X1=0，X2=0，X3=0；
定性资料的统计分析
• 双向有序且属性相同R×C资料
脑瘤患者MR与CT诊断结果
CT
MR
检出
可疑
检出
60
4
可疑
2
10
未检出
1
3
未检出 2 2 1
与配对设计的2×2列联表资料一样，采用一致 性检验，或称Kappa检验
变量是否可以变换？
• 答案是肯定的 • 但是，仅能连续型－> 有序－>无序 －>
二分类这样转换，不能作相反方法转换 • 有的时候，离散型定量变量可以通过适
定性资料的统计分析
• 双向无序R×C资料
心律失常种类与心肌梗塞部位关系
心肌梗塞部位
心律失常种类 下壁
前壁
后壁 心内膜下
窦缓
8
7
2
1
传导阻滞
1
1
2
2
室早
10
2
5
1
用一般的 2检验，或Fisher精确检验
定性资料的统计分析
• 单向有序R×C资料
3种药物治疗某病疗效观察结果
疗效
药物
治愈
显效
好转
无效
例如：用某药治疗某病，甲医院治疗100人， 40人有效，乙医院治疗5人，2人有效， 两家医院有效率均为40%，从而判断甲、 乙医院疗效相差不大。
定性资料的统计分析
• 另外一个常见错误：用 χ2分析一切列联表资料 • 一般来说，2×2列联表一般用 χ2分析，但是，来
自不同研究，分析又略有不同 • R×C表须根据行列数据性质不同，选择不同方
A
15
49
31
5
B
4
9
50
22
C
1
15
45
24
可以选用：
•秩和检验
•Ridit分析
•有序变量Logistic分析
定性资料的统计分析
• 双向有序且属性不同R×C资料
甲状腺肿各年龄组疗效观察
年龄组 20～ 40～ 60～
治愈 41 30 25
显效 2 2 1
疗效
好转 1 2 0
无效 1 0 1
按目的不同，可以选择：秩和检验、Ridit分析、 有序变量Logistic分析、Spearman秩相关分析、 线性趋势检验等方法。
定性资料的统计分析
• 来自病例对照研究设计的2×2表
妇女孕前6个月服用某药者其子代染色体异常的调查结果
子代染色体
母亲是否服药
异常
正常
服药
34
68
未服药
30
128
1. 先进行一般 2检验，如果P<0.05，进行第2步，否则停止；
2. 计算比值比OR（Odds Risk，OR）；
3. 用MH 2检验OR与1之间的差异是否显著。
二）定性变量
1.二分类变量与无序定性变量 2.有序定性或等级变量
二）定性变量
二分类变量与无序定性变量 虽然这些变量可能用1、2、3等数字
表示，但并不一定代表其大小或水平
1.1二分类变量
科学研究中，常用1、2代表男女，0、 1代表疾病有无，这些就是二分类变量， 这里0、1、2并无大小、水平之分，可以 用字母代替。
• 资料分布不同，要用相应指标 均数：近似服从对称分布 几何均数：等比数资料 中位数和分位数：偏态资料，尤其包 含不完全信息的资料，比如简易血糖仪 测量的血糖值
定量资料的统计分析
• 单因素：
单组
t检验（满足正态性）、非参数检验
两组
t检验（满足正态性）、非参数检验
多组（大于2组） 参数检验
• 多因素：