医学统计学傻瓜教程(精选.).doc

《医学统计学傻瓜教程(精选.).doc》由会员分享，可在线阅读，更多相关《医学统计学傻瓜教程(精选.).doc（9页珍藏版）》请在三一文库上搜索。

1、最新资料推荐医学统计学傻瓜教程医学统计学傻瓜教程 作为一名临床医师， 不管你愿意不愿意， 某些时候必须撰写医学论文。这时， 大多数人会遇到一个难题， 医学论文的数据都必须进行 统计学处理， 早些年学过的 医学统计学 早已忘得差不多了， 重 新翻开统计学书本， 看得基本上是云里雾里。医学统计学傻瓜教程 有别于其他任何的统计学教程， 其特 点是略去一些高深难懂的统计学原理及计算公式， 直奔解决实际问 题的方法。本教程的学习时间约需要23小时，前提是你必须曾经 学过医学统计学 ， 不管学得好或学得差， 或是否已忘记， 只 要有一点印象即可， 同时还需要下载一个简明统计学处理软件临 床医师统计学助手

2、V4. 0 ， 因为作数据统计学处理时最令人头痛 的问题是烦琐的计算， 则由预存在本软件内的计算公式来完成。临床医师统计学助手 V4. 0 下载地址 : http: /www. onlinedown. net/soft/63895. htm这是一个全傻瓜化 的教程，由 4 个实例组成， 只要认真看完这 4 个实例， 将实际中碰到的问 题对号入座， 就足以解决绝大多数问题了。接下来我们开始轻松愉快的学习过程。一、均数与标准差【例 1】 本组 105 例， 男 55例， 女 50 例； 平均年龄：62.36. 1岁，所有入选病例均符合1999年WHO高血压诊断 标准。举这个例子是为了 说明均数 与

3、标准差 的概念。我实在不愿意多花时间阐述一些概念性的东西， 但是由于标准 差实在太重要了 。【例 1】 中的数据 62. 36. 1 ， 62. 3 就是年龄的均数， 均 数的概念大家都懂， 那么后面的 6. 1 是什么呢？它就是标准差。有人可能会问， 表达一组人的平均年龄， 用均数就够了 ， 为 什么还要加一个标准差呢？ 先看下面的一个例子：有两组人，第 1组身高（ cm） ：98 、 99 、100 、101 、102 ； 第 2 组身高（ cm） ：80 、 90 、100 、110 、120 ， 这两组人虽然身高的均数都是100cm， 但是， 仔细观察， 第 1 组的身高很接近， 第

4、2 组的身 高差别很大， 故仅仅用一个平均数表达一组数据的特征是不完整的， 还需要用另一个指标来表达其参差不齐的程度， 这就是标准差。统计学上对一组测量结果的数据都要用均数标准差 表示， 习惯 表达代号是：， 具体例子如：平均收缩压 12010. 2mmHg。我想现在大家都已知道标准差是什么东东了， 那么， 标 准差是怎样得到的呢？ 有一个比较复杂的计算公式， 我们不必去深 究这个公式是怎么样的， 只需知道标准差越小， 说明数据越集中， 标准差越大， 说明数据越分散。撰写医学论文的第一步是收集原始数据， 如：第 1 组身高（ cm） ：98 、 99 、 100 、 101 、 102 ；第

5、2 组身高（ cm） ：80 、 90 、 100 、 110 、 120 。在论文中并不是直接给出原始数据， 而是要以方式表示。 利用软件临床医师统计学助手 V3. 0 ， 只要输入原始数据， 就能自动计算出均数及标准差， 即第 1 组平均身高：1001. 58cm ； 第 2 组平均身高：10015. 81cm ， 如下图。二、两样本均数差别 T 检验 【例 2 】 目的 研究 中药板兰根对非典 疗效。方法 将 36 例非典 患者随机分为治疗组 19 例， 采用常规治 疗+板兰根口服， 对照组 17 例， 仅采用常规治疗。结果 治疗组平均退热时间 3. 281. 51d ； 对照组平均退热

6、时 间5. 651. 96d,两组间对照差别有极显著意义（pv 0. 01）结论 中药板兰根对非典 有显效疗效， 实为国之瑰宝。这是最常见的一种统计学数据处理类型， 统计学述语叫做 两样本均数差别 T 检验 ， 说得通俗易懂一些， 就是检验两组方法 所得到的数据到底有没有差异， 或者说， 差异是否有意义。 我们平时的思维习惯是， 数据的大小还用得着检验吗？ 这是小 学生都会的问题。可是别忘记了现在是在搞科研， 科学方法看问题可不一定这么word.最新资料推荐简单。可能还没有说明白这个问题， 下面举一个简单的例子。 我们的目的是得出这样一个结论： 北京出产的西瓜比上海出产的西瓜大 。 最可靠的方

7、法是把所有北京的西瓜和上海的西瓜都测量重量， 得到两个均数， 然后比大小即可， 可是智商正常的人并不会这样去 做， 通常的做法是， 随机选一部分北京的西瓜和一部分上海的西瓜， 先让这两部分西瓜比大小， 然后推断到底那里的西瓜大。这种方法是窥一斑可见全豹 ， 统计学述语叫做由样本推断总 体 ， 事实上， 我们所做的医学科研都是基于这种方法。再回到上面的例子， 假如我们有二种做法：A 、 随机选 2 个北京西瓜， 平均重量是 5. 60. 3kg ； 再 随机选 2 个上海西瓜， 平均重量是 4. 30. 25kg； B 、 随机 选 1000 个北京西瓜， 平均重量是 5. 60. 3kg ；

8、再随机选 1000 个 上海西瓜， 平均重量是 4. 30. 25kg 。凭生活常识， 由 B 推出北京的西瓜比上海西瓜大 这个结 论的把握性就非常的大， 而 A 则基本上推不出这个结论。现在， 终于可以引出我们的主题了， 统计学处理本质是考查由 样本差异推断总体差异的把握性有多大， 这种把握性在统计学上由 P 值表示。如P v0. 05或P v 0. 01,可以理解为由样本差异推断总体差异的把握性达 95%或 99%以上， 两组数据差异有显著意义； 如 Pword.最新资料推荐 0. 05,可以理解为这种把握性在 95%以下，两组数据差异没有显上面所讲的实已为统计学之精髓， 建议多看几遍，

9、如果 天生愚鲁， 还是看不太懂， 也没有关系， 现在进一步傻瓜化 ， 即 所谓统计学处理，只要求得 P 值即可。P V 0. 05或P V 0. 01,表示阳性结果， 两组数据差异有显著 意义； P0. 05 ， 表示阴性结果， 两组数据差异没有显著意义。所以, 统计学处理的中心任务是求 P 值。 下面讲解遇到【例 2 】 这样的问题, 如何求 P 值。【例 2 】 中一共有 6 个数据：第一组均数（X1）、标准差（S1）、例数（N1）与第二组均 数（ X2） 、 标准差（ S2） 、 例数（ N2） , 就是根据这 6 个数 据, 先通过复杂计算, 求出 T 值（如果没有想成为统计学专家,

10、就 不必去理解 T 是什么了, 知道 T 是为了求 P 用的就可以了 ） , 求 出T值后，再查T界值表，就知道P值了。具体解法步骤如下： 通过计算（这里略去计算公式, 可由软件求出） , T=4. 088 计算自由度：自由度二N1+N2-2=19+17-2=3（计算自由度是为了查 T界值表用 的, 自由度即两组例数之和减去 2, 不要问我为什么不减去 3 或 减去 1 这样的问题了。） 查 T 界值表, 对应自由度 34 , T0. 05=2. 032,TO. 0仁2. 728, 今 T=4. 088 TO. 01 , 即 P v 0. 01, 差别有高度 显著意义。T=4. 088是如何求

11、出的呢？ 我们再回到软件临床医师统计学助手 V3. 0 ， 只要把第一组均数（ X1） 、 标 准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、 例数（ N2） 这 6 个数据输入对应的框内， 该软件就会利用预先存 储的公式自动计算 T 值， 并查 T 界值表， 得到 P 值， 如图：三、配对计量资料 T 检验 【例 3 】 目的 研究音乐 胎教对胎儿运动技能培养的效果。方法10例2832周孕妇，分别记录听音乐（水浒传主题曲） 前每小时的胎动次数及听音乐后每小时的胎动次数， 结果 数据如 表 1 所示， 音乐胎教后胎动次数增多， 差别有显著意义（ pv 0. 05 ）结论 音乐

12、胎教可增强胎儿运动技能， 对培养我国运动天才有 现实意义。显然【例 3】 与【例 2】 有所不同， 主要是【例 3】 两组间的数据可以前后配对的。我们经常碰到这种情况， 即同一个体做两次处理， 如治疗前检 测某一指标， 治疗后再检测某一指标， 而后做治疗前后配对比较， 以判断疗效， 正如【例 3 】 。这种情况如何进行统计学处理呢？ 同样也是先计算 T 值， 然 后按自由度（这时自由度 =对子数-1 ， 如本例自由度是 9 。） 查 T 界值表， 求得 P 值。但是配对 T 检验 计算 T 值的方法与两样本均数 T 检验 有所不同， 这里不再作介绍， 由软件 临床医师统计学助手 V4. 0 自

13、动完成即可， 如下图。本例 T=2. 47，自由度=10-1=9，查 T 界值表， 对应自由度 9， TO. 05=2. 26, TO. 0仁3. 25,今 T=2. 47TO. 05, 即 P V 0. 05, 差别有显著意义。可能有人会问 , 【例 3 】 的情况, 也可以把胎教前视 为对照组, 求得平均胎动次数是：21. 85. 31, 胎教后视为治疗组, 求得平均胎动次数是：24.06. 31 , 然后套用【例 2 】 的方法, 用两样本均数 T 检验 行不行？ 这样虽无大错误, 但是将会导致检验效率的下降, 就 是说, 如果数据差异较大时, 两种方法均可, 如果数据差异较小 时, 用

14、配对 T 检验 会显示出差异有意义, 而用两样本均数 T 检 验 时, 可能差异无意义。切记, 非配对资料误用配对 T 检验, 则是错误的。四、计数资料卡方检验【例 4】目的 研究医患关系对重症病人死亡率的影响。方法 根据问卷调查对收住重症监护病房的病人分为医患关系良 好组与医患关系紧张组 , 比较两组间的住院死亡率。结果 医患关系良好组 25 例, 住院间死亡 3 例, 死亡率 13. 6%, 医患关系紧张组 23 例, 住院间死亡 9 例, 死亡率 39. 1%, 两组间差别有显著意义( pV 0. 05 ) 结论 医患关系紧张增加重症 病人的住院死亡率， 可能与医师害怕被病人告而治疗方案

15、趋向保守 有关。【例 4 】 又是一个非常常见的一种统计学数据处理类型。【例 4 】 中所提供的数据是比例 ， 或百分数， 与前面三个例 子不同，前面三个例子所提供的数据则是直接在病人身上测量到的数 据， 如收缩压 12010. 2mmH、g 身高 10015. 81cm 等， 我们把【例 4】中的数据叫做计数资料， 而【例 1、 2、 3】 中的数据叫做计 量资料。计数资料无法用形式表示， 只能用比例表示， 如： 死亡率 13. 6%、 30 例中显效 10 例（ 10/30 ） 等。显然， 对于计数资料， 再用 T 检是不适合了， 必须用 卡方检验。卡方检验的步骤是：先求出X2 （类似于T

16、检验时先求T值）值，然后进行判断： 如果X2 V3. 84, 则P 0. 05; 如果X2 3. 84,则 P V 0. 05;如果 X2 6. 63,则 P V 0. 01。解释一下， 上面的两个数字3. 84与6.63是查X2界 值表 得来的, 只要记住即可。所以, 卡方检验的关键是求出 X2 值。为了求出 X2 值, 必须先介绍四表格 概念。四表格 的形式如下, 关键数据是 a、 b、c、 d 四个数, X2 值就是通过这四个数据计算出来的（这里仍不介绍公式, 由软件计算。现将【例 4 】 中的数据填入四表格 即如下图。当你学会了填四表格 数据之后， 就能利用软件临床 医师统计学助手 V

17、4. 0 非常容易的进行卡方检验了， 本软件提供 与四表格 完全相同的界面， 把数据填写正确之后， 就自动计算 X2 值并判断结果，【例4】X2=4. 702 3. 84 ,故P V 0. 05 ,如下图：在此说明一下， 大家可能已注意到本软件中出现 的理论数（ T） ， 在此不解释理论数（ T） 是什么， 只要记住， 当例数（n） V 40或T V 1时，应采用精确概率法，这个方法太 复杂， 在此不作介绍。现在已经讲完了 4 个实例， 掌握本教程的诀窍是将实际 中碰的的情况， 对照实例， 对号入座 即可， 而具体计算过程， 可 由软件去完成。最新文件 仅供参考 已改成 word 文本 。 方便更改word.