《循证医学中常用的统计指标参考PPT.ppt》由会员分享，可在线阅读，更多相关《循证医学中常用的统计指标参考PPT.ppt（63页珍藏版）》请在三一文库上搜索。
1、1,循证医学中常用的统计指标,2,一、概述,3,数据资料可分为数值资料（计量）和分类资料（计数和等级）两大类。统计指标因而也分为数值资料与分类资料指标两类。,4,统计指标可用于描述性的统计分析，也是反映数据基本特征的统计分析方法。并可使人们准确、全面地了解数据资料所包涵的信息，以便于在此基础上完成资料的进一步统计分析 。,5,可信区间（Confidence interval, CI）是循证医学中常用的统计指标之一。,6,可信区间主要用于估计总体参数，从获取的样本数据资料估计某个指标的总体值（参数）。如，率的可信区间估计总体率，均数的可信区间估计总体均数。,7,此外，可信区间还可用于假设检验，尤
2、其是试验组与对照组某指标差值或比值的可信区间，在循证医学中更为常用。,8,通常，试验组与对照组某指标差值或比值的95可信区间与为0.05的假设检验等价，99的CI与为0.01的假设检验等价。,9,常用的可信区间有：率的可信区间、两率差值的可信区间、均数的可信区间、两均数差值的可信区间、相对危险度可信区间等。,10,循证医学中常用的是率的可信区间、RR或OR的可信区间、均数的可信区间、两均数差值的可信区间等。,11,二、分类资料的指标,12,在循证医学的研究与实践中，除了有效率、死亡率、患病率、发病率等常用的指标外，相对危险度（RR）、比值比（OR）及由此导出的其他指标也是循证医学中富有特色的指
3、标。,13,目前，在循证医学中分类资料常用的描述性指标主要有EER、CER、OR、RR、RRR、ARR、NNT等。,14,循证医学中预防和治疗性试验中，率可细分为EER和CER两类。,1. EER与CER,15,EER即试验组中某事件的发生率（experimental event rate, EER）,如对某病采用某些防治措施后该疾病的发生率。 CER即对照组中某事件的发生率（control event rate, CER）,如对某病不采取防治措施的发生率。,16,2. RD（率差）及可信区间,两个发生率的差即为率差，也称危险差（rate difference, risk difference
4、, RD）,如试验组发生率（EER）与对照组发生率（CER）的差，其大小可反映试验效应的大小。,17,两率差的可信区间由下式计算：,18,两率差的标准误：,19,两率差为0时，两组的某事件发生率没有差别。因而两率差的可信区间不包含0（上下限均大于0或上下限均小于0），则两个率有差别；反之，两率差的可信区间包含0，则无统计学意义。,20,阿司匹林治疗心肌梗死的效果,21,阿斯匹林治疗心肌梗死的效果EER15/12512,CER=30/120=25%,两率差的标准误：,22,该试验两率差（RD）的可信区间为：,23,该例两率差的可信区间为-0.23-0.03，上下限均小于0（不包含0），两率有差别
5、。可认为阿斯匹林可降低心肌梗死的病死率。,24,3. RR及可信区间,相对危险度RR（relative risk,RR）是前瞻性研究中较常见的指标，它是试验组某事件发生率与对照组（或低暴露）的发生率之比，用于说明前者是后者的多少倍，常用来表示试验因素与疾病联系的强度及其在病因学上的意义大小。,25,其计算方法为：,当RR1时，可认为试验因素与疾病无关； 当RR1时，可认为试验因素与疾病有关； 当RR1时，可认为试验组发生率大于对 照组； 当RR1时，可认为试验组发生率小于对 照组。,26,RR的可信区间，应采用自然对数进行计算，即应求RR的自然对数值In(RR)和In(RR)标准误SE（InR
6、R）,其计算公式如下：,27,In(RR)的可信区间为：,RR的可信区间为：,由于RR=1时为试验因素与疾病无关，故其可信区间不包含1时为有统计学意义；反之，其可信区间包含1时为无统计学意义。,28,RR计算的四格表,29,阿斯匹林治疗组的病死率对照组的病死率其RR和可信区间为：,In(RR)=In(0.48)=-0.734,30,RR的95可信区间为：,=exp(-0.7341.960.289) =(0.272,0.846) 该例RR的95可信区间为0.2720.846，使用阿斯匹林治疗的病人，其病死率小于对照组，可认为阿斯匹林可降低心肌梗死有效。,31,4.OR及可信区间,32,odds1
7、是病例组暴露率p1和非暴露率1-p1的比值，即 odds1=p1/(1-p1)= odds0是对照组暴露率p0和非暴露率1-p0的比值，即 odds0=p0/(1-p0)=,33,以上两个比值之比即为比值比（odds ratio, OR）,又称机会比、优势比等，公式为： OR=,34,当所研究疾病的发病率较低时，即a和c均较小时，OR近似于RR,故在回顾性研究中可用OR估计RR; 由于前瞻性研究中，OR的可信区间与RR的可信区间很相近，且OR的计算更为简便，因此，常用OR可信区间的计算来代替RR的可信区间的计算。 OR值的解释与RR相同。,35,OR的可信区间同样需要采用自然对数计算，其In
8、(OR)的标准误SE (InOR)按下式计算：,36,In(OR)的可信区间为：,OR的可信区间为：,37,例如：前述阿斯匹林治疗心肌梗死的效果估计其OR的95可信区间。,In(OR)=In(0.409)=-0.894,38,OR的95可信区间为：,=exp(-0.8941.960.347) =(0.207,0.807) 该例OR的95可信区间为0.2070.807,可认为阿斯匹林治疗心肌梗死有效。,39,5.RRR及可信区间,RRR为相对危险度减少率（relative risk reduction）,其计算公式为： RRR=CER-EER/CER=1-RR RRR的可信区间可由1-RR计算得
9、到。 如前例RR=0.48,其95的可信区间为0.2720.846,其RRR1-0.480.52，RRR的95可信区间为0.1540.728。,40,RRR反映了某试验因素使某结果的发生率增加或减少的相对量，但是，该指标无法衡量发生率增减的绝对量。 如：试验人群中某病的发生率EER=39%,而对照组人群的发生率CER=50%, RRR=(CER-EER)/CER=(50%-39%)/50%=22% 但是，若在另一研究中，试验组的疾病发生率为0.39/10万，对照组的疾病发生率为0.50/10万，其RRR仍为22。,41,6.RRI RRI,相对危险度增加率（relative risk incr
10、ease, RRI）,试验组中某不利结果的发生率为EERb,对照组某不利结果的发生率为CERb, RRI可按下式计算：,该指标可反映采用试验因素处理后，患者的不利结果增加的百分比。,42,7.RBI RBI,相对获益增加率（relative benefit increase,RBI）,试验组中某有益结果的发生率为EERg，对照组某有益结果的发生率为CERg,RBI可按下式计算：,该指标可反映采用试验因素处理后，患者的有益结果增加的百分比。,43,8 .ARR及可信区间 绝对危险度减少率（absolute risk reduction, ARR）,其计算公式为： ARR=CER-EER ARR的
11、可信区间为：,44,ARR的标准误：,ARR的可信区间：,45,例如：试验组某病发生率为15/12512， 而对照组人群发生率为30/120=25%,其ARR=25%-12%=13%,标准误为：,46,其95可信区间为：,=(0.13-1.960.049,0.13+1.960.049) =(3.4%,22.6%) 该治愈率的95可信区间为3.4%22.6,47,9. ARI 绝对危险度增加率（absolute risk increase, ARI）,即试验组中某不利结果发生率EERb与对照组某不利结果发生率CERb的差值，不利结果（bad outcomes）如：死亡、复发、无效等，其计算公式为
12、：,该指标可反映采用试验因素处理后，患者的不利结果增加的绝对值。,48,10 .ABI 绝对受益增加率（absolute benefit increase, ABI）,即试验组中某有益结果发生率EERg与对照组某有益结果发生率CERg的差值，有益结果（good outcomes）如：治愈、显效、有效等，其计算公式为：,该指标可反映采用试验因素处理后，患者的有益结果增加的绝对值。,49,11. NNT、NNH及可信区间 NNT (The number needed to treat)的临床含义为：对病人采用某种防治措施处理，得到一例有利结果需要防治的病例数（the number of patie
13、nts who needed to be treated to achieve one additional favorable outcome, NNT）。 其计算公式为：NNT=1/CER-EER=1/ARR 从公式可见，NNT的值越小，该防治效果就越好，其临床意义也就越大。,50,NNT的95可信区间，由于无法计算NNT的标准误，但NNT=1/ARR,故NNT的95可信区间的计算可利用ARR的95的可信区间来计算。 NNT95可信区间的下限：1/ARR的上限值 NNT95可信区间的上限：1/ARR的下限值 例如某试验的ARR的95CI为3.422.6，其NNT的95CI下限为：1/22.
14、6%=4.4; 上限为：1/3.4%=29.4，即4.429.4。,51,12. NNH NNH的临床含义为：对病人采用某种防治措施处理，出现一例副作用需要处理的病例数（the number needed to harm one more patients from the therapy, NNH）。其计算公式为： NNH=1/ARI 从公式可见，NNH的值越小，某治疗措施引起的副作用就越大。,52,13 .LHH LHH,防治性措施受益与危害的似然比（likehood of being helped vs. harmed, LHH）,其计算公式为： LHH=NNH/NNT 该指标反映了防治
15、措施给受试者带来的受益与危害的比例，LHH1,利大于弊，反之，LHH1时，弊大于利。,53,三、数值资料的指标,54,1.WMD 加权均数差 （WMD, Weighted Mean Difference） 某个研究的两均数差d可按下式计算：,55,两均数差d的方差Var(d)(也可用S2表示)，可按下式计算：,56,从公式可见，加权均数差（WMD, Weighted Mean Difference）即为两均数的差值。 该指标反映一试验原有的测量单位，真实地反映了试验效应，消除了绝对值大小对结果的影响，在实际应用时，该指标容易被理解和解释。,57,2.SMD 标准化均数差（Standardize
16、d Mean Difference, SMD） 某个研究的标准化均数差d,可按下式计算：,58,标准化均数差d的方差Var (d)(也可用S2表示)，可按下式计算：,59,SMD可简单地理解为两均数的差值再除以合并标准差的商，它不仅消除了某研究的绝对值大小的影响，还消除了测量单位对结果的影响。因此，该指标尤其适用于单位不同或均数相差较大的数值资料分析。 但是，标准化均数差（SMD）是一个没有单位的值，因而，对SMD分析的结果解释要慎重。,60,四、主要参考文献,61,1.David L. Sackett, W. Scott Richardson, William Rosenberg, et a
17、l.2000.Evidenced-based MedicineHow to practice and teach EBM.2nd ed. Churchill Livingstone Publish House:Toronto.105-138 2.Marthias Egger, George Davey Smith, Douglas G Altman.2001. Systematic Reviews in Health Care Meta-analysis in Context. Second edition. London. BMJ Publishing Group.285-335,62,3.李幼平主编.医学，第五章.高等教育出版社，2003 4.王家良主编.循证医学.人民卫生出版社，2001,63,