常用醫(yī)學(xué)統(tǒng)計(jì)方法演講人：日期:目錄CATALOGUE02假設(shè)檢驗(yàn)方法03相關(guān)性與回歸分析04生存分析方法05診斷試驗(yàn)評(píng)價(jià)06統(tǒng)計(jì)軟件實(shí)現(xiàn)01描述性統(tǒng)計(jì)分析01描述性統(tǒng)計(jì)分析PART數(shù)據(jù)類(lèi)型常見(jiàn)的類(lèi)型包括連續(xù)變量和分類(lèi)變量，分別對(duì)應(yīng)數(shù)值和類(lèi)別。分布檢驗(yàn)用于檢驗(yàn)樣本數(shù)據(jù)的分布情況，如正態(tài)性檢驗(yàn)、偏態(tài)檢驗(yàn)等，以確定合適的統(tǒng)計(jì)方法。數(shù)據(jù)類(lèi)型與分布檢驗(yàn)用于描述數(shù)據(jù)的中心位置，如平均數(shù)、中位數(shù)、眾數(shù)等。集中趨勢(shì)指標(biāo)用于描述數(shù)據(jù)的分散程度，如標(biāo)準(zhǔn)差、極差、四分位數(shù)間距等。離散程度指標(biāo)集中趨勢(shì)與離散程度指標(biāo)頻數(shù)表用于整理和展示分類(lèi)變量的數(shù)據(jù)分布，便于觀(guān)察和分析。統(tǒng)計(jì)圖表如條形圖、折線(xiàn)圖、餅圖、散點(diǎn)圖等，直觀(guān)展示數(shù)據(jù)的特征和趨勢(shì)。頻數(shù)表與統(tǒng)計(jì)圖表應(yīng)用02假設(shè)檢驗(yàn)方法PARTt檢驗(yàn)與方差分析（ANOVA）t檢驗(yàn)用于比較兩組數(shù)據(jù)的均值是否存在顯著差異，其中數(shù)據(jù)要求正態(tài)分布且方差相等。02040301適用范圍t檢驗(yàn)適用于小樣本數(shù)據(jù)，ANOVA適用于大樣本數(shù)據(jù)和復(fù)雜設(shè)計(jì)的數(shù)據(jù)。方差分析（ANOVA）用于比較多組數(shù)據(jù)的均值是否存在顯著差異，同時(shí)可以進(jìn)行兩兩比較和多重比較。結(jié)果解釋t檢驗(yàn)和ANOVA均會(huì)產(chǎn)生P值，P值小于顯著性水平（如0.05）時(shí)，認(rèn)為差異有統(tǒng)計(jì)學(xué)意義?？ǚ綑z驗(yàn)用于比較實(shí)際觀(guān)測(cè)頻數(shù)與期望頻數(shù)之間的差異，常用于分類(lèi)變量數(shù)據(jù)的比較。適用范圍卡方檢驗(yàn)適用于大樣本數(shù)據(jù)，F(xiàn)isher精確檢驗(yàn)適用于小樣本數(shù)據(jù)或特殊數(shù)據(jù)。結(jié)果解釋卡方檢驗(yàn)和Fisher精確檢驗(yàn)均會(huì)產(chǎn)生P值，P值小于顯著性水平（如0.05）時(shí)，認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。Fisher精確檢驗(yàn)當(dāng)樣本量較小或期望頻數(shù)較小時(shí)，卡方檢驗(yàn)可能不準(zhǔn)確，此時(shí)可采用Fisher精確檢驗(yàn)?？ǚ綑z驗(yàn)與Fisher精確檢驗(yàn)01020304非參數(shù)檢驗(yàn)適用場(chǎng)景秩和檢驗(yàn)用于比較兩組非正態(tài)分布數(shù)據(jù)的差異，如等級(jí)資料或偏態(tài)分布數(shù)據(jù)。符號(hào)檢驗(yàn)用于比較兩組配對(duì)數(shù)據(jù)的差異，如實(shí)驗(yàn)前后的數(shù)據(jù)變化。游程檢驗(yàn)用于檢驗(yàn)隨機(jī)序列是否呈現(xiàn)某種趨勢(shì)或規(guī)律。適用范圍非參數(shù)檢驗(yàn)適用于數(shù)據(jù)不滿(mǎn)足參數(shù)檢驗(yàn)條件的情況，如數(shù)據(jù)分布類(lèi)型未知、方差不齊等。結(jié)果解釋非參數(shù)檢驗(yàn)產(chǎn)生的P值同樣用于判斷差異是否具有統(tǒng)計(jì)學(xué)意義，但需注意其適用范圍和條件。010203040503相關(guān)性與回歸分析PART線(xiàn)性回歸模型構(gòu)建最小二乘法通過(guò)最小化殘差平方和來(lái)估計(jì)線(xiàn)性回歸模型的參數(shù)，得到最優(yōu)的擬合直線(xiàn)。變量選擇與共線(xiàn)性診斷選擇合適的自變量，避免自變量之間存在高度共線(xiàn)性，以提高模型的穩(wěn)定性和解釋性。殘差分析通過(guò)對(duì)殘差進(jìn)行正態(tài)性、獨(dú)立性、方差齊性等檢驗(yàn)，評(píng)估模型的擬合效果。置信區(qū)間與預(yù)測(cè)區(qū)間給出回歸系數(shù)的置信區(qū)間和因變量的預(yù)測(cè)區(qū)間，以評(píng)估模型的精度和可靠性。Logistic回歸與OR值解讀Logistic回歸模型適用于因變量為二分類(lèi)或多分類(lèi)的情況，通過(guò)最大似然估計(jì)法來(lái)估計(jì)模型的參數(shù)。02040301模型的擬合優(yōu)度通過(guò)計(jì)算模型的擬合優(yōu)度，評(píng)估模型對(duì)數(shù)據(jù)的擬合程度，以及模型的有效性。OR值及其95%CIOR值表示自變量對(duì)因變量的影響程度，95%CI用于評(píng)估OR值的穩(wěn)定性和可信度。ROC曲線(xiàn)與AUC值通過(guò)ROC曲線(xiàn)和AUC值來(lái)評(píng)估Logistic模型的分類(lèi)效果和預(yù)測(cè)能力。向前選擇法從沒(méi)有任何自變量的模型開(kāi)始，逐步添加對(duì)因變量有顯著影響的自變量，直到無(wú)法再提高模型的擬合效果。從包含所有可能自變量的模型開(kāi)始，逐步刪除對(duì)因變量沒(méi)有顯著影響的自變量，直到無(wú)法再降低模型的擬合效果。結(jié)合向前選擇法和向后剔除法，通過(guò)反復(fù)添加和刪除自變量，選擇最優(yōu)的變量組合，以提高模型的穩(wěn)定性和預(yù)測(cè)能力。將數(shù)據(jù)集分為訓(xùn)練集和驗(yàn)證集，先在訓(xùn)練集上進(jìn)行變量篩選和模型構(gòu)建，然后在驗(yàn)證集上評(píng)估模型的預(yù)測(cè)效果，以選擇最優(yōu)的變量組合和模型。向后剔除法逐步回歸法交叉驗(yàn)證法多元回歸的變量篩選策略0102030404生存分析方法PART利用樣本數(shù)據(jù)估計(jì)患者生存時(shí)間和生存率，以時(shí)間為橫軸，生存率為縱軸繪制生存曲線(xiàn)。適用于大樣本數(shù)據(jù)，尤其是截尾數(shù)據(jù)較多的情況。簡(jiǎn)單易懂，能夠直觀(guān)展示患者的生存情況。無(wú)法考慮混雜因素對(duì)生存時(shí)間的影響，不能比較不同治療組之間的差異。Kaplan-Meier生存曲線(xiàn)原理適用范圍優(yōu)點(diǎn)缺點(diǎn)原理通過(guò)回歸分析方法，探討多個(gè)自變量對(duì)生存時(shí)間的影響，以風(fēng)險(xiǎn)比（HR）的形式表示各因素對(duì)生存時(shí)間的相對(duì)影響?？梢酝瑫r(shí)考慮多個(gè)因素對(duì)生存時(shí)間的影響，能夠控制混雜因素，提高分析的準(zhǔn)確性。適用于大樣本數(shù)據(jù)，要求樣本具有代表性，并且自變量與生存時(shí)間之間存在線(xiàn)性關(guān)系。模型較為復(fù)雜，需要一定的統(tǒng)計(jì)學(xué)基礎(chǔ)，且對(duì)數(shù)據(jù)的處理要求較高。Cox比例風(fēng)險(xiǎn)回歸模型適用范圍優(yōu)點(diǎn)缺點(diǎn)中位生存時(shí)間指累積生存率為50%時(shí)所對(duì)應(yīng)的生存時(shí)間，即一半患者在此時(shí)間內(nèi)死亡，另一半患者存活。風(fēng)險(xiǎn)比（HR）表示兩組患者之間生存風(fēng)險(xiǎn)的比較，HR>1表示試驗(yàn)組患者的風(fēng)險(xiǎn)高于對(duì)照組，HR<1表示試驗(yàn)組患者的風(fēng)險(xiǎn)低于對(duì)照組。適用范圍適用于比較兩個(gè)或多個(gè)治療組之間的差異，特別是在隨機(jī)對(duì)照試驗(yàn)中。優(yōu)點(diǎn)可以直接反映治療組之間的生存差異，易于理解和解釋。缺點(diǎn)無(wú)法提供具體的生存時(shí)間預(yù)測(cè)，且當(dāng)數(shù)據(jù)存在嚴(yán)重偏倚或異質(zhì)性時(shí)，結(jié)果可能不準(zhǔn)確。中位生存時(shí)間與風(fēng)險(xiǎn)比計(jì)算010203040505診斷試驗(yàn)評(píng)價(jià)PART靈敏度與特異度分析靈敏度反映金標(biāo)準(zhǔn)確診病例中，待評(píng)價(jià)試驗(yàn)也判斷為陽(yáng)性者所占的百分比，又稱(chēng)真陽(yáng)性率。特異度靈敏度與特異度的權(quán)衡反映金標(biāo)準(zhǔn)非病例中，待評(píng)價(jià)試驗(yàn)判斷為陰性者所占的百分比，又稱(chēng)真陰性率。提高靈敏度會(huì)增加假陽(yáng)性率，提高特異度會(huì)增加假陰性率，需根據(jù)臨床實(shí)際情況權(quán)衡。123ROC曲線(xiàn)與AUC值應(yīng)用受試者工作特征曲線(xiàn)，以真陽(yáng)性率（靈敏度）為縱坐標(biāo)，假陽(yáng)性率（1-特異度）為橫坐標(biāo)，反映診斷試驗(yàn)的準(zhǔn)確性。ROC曲線(xiàn)ROC曲線(xiàn)下面積，AUC值越大，診斷試驗(yàn)準(zhǔn)確性越高，通常AUC>0.9時(shí)認(rèn)為診斷價(jià)值較高。AUC值通過(guò)比較不同診斷試驗(yàn)的ROC曲線(xiàn)和AUC值，選擇最佳診斷方法和診斷界點(diǎn)。ROC曲線(xiàn)與AUC值的應(yīng)用陽(yáng)性/陰性預(yù)測(cè)值計(jì)算陽(yáng)性預(yù)測(cè)值待評(píng)價(jià)試驗(yàn)陽(yáng)性者中，真正患病者所占的比例。陰性預(yù)測(cè)值待評(píng)價(jià)試驗(yàn)陰性者中，真正非患病者所占的比例。陽(yáng)性/陰性預(yù)測(cè)值的計(jì)算陽(yáng)性預(yù)測(cè)值=靈敏度×患病率/（靈敏度×患病率+特異度×（1-患病率）），陰性預(yù)測(cè)值=特異度×（1-患病率）/（靈敏度×患病率+特異度×（1-患病率））。陽(yáng)性/陰性預(yù)測(cè)值的應(yīng)用結(jié)合臨床實(shí)際情況，綜合判斷待評(píng)價(jià)試驗(yàn)的陽(yáng)性或陰性結(jié)果對(duì)疾病診斷的參考價(jià)值。06統(tǒng)計(jì)軟件實(shí)現(xiàn)PARTSPSS基礎(chǔ)操作流程通過(guò)SPSS界面進(jìn)行數(shù)據(jù)錄入，包括變量名、數(shù)據(jù)類(lèi)型、數(shù)據(jù)值等。數(shù)據(jù)錄入處理缺失數(shù)據(jù)、異常值、重復(fù)數(shù)據(jù)等問(wèn)題，確保數(shù)據(jù)質(zhì)量。根據(jù)統(tǒng)計(jì)方法，對(duì)數(shù)據(jù)進(jìn)行處理，并輸出結(jié)果，如t檢驗(yàn)、方差分析、回歸分析等。數(shù)據(jù)清洗通過(guò)描述性統(tǒng)計(jì)方法，對(duì)數(shù)據(jù)的基本特征進(jìn)行描述，如均值、標(biāo)準(zhǔn)差、最大值、最小值等。數(shù)據(jù)描述01020403數(shù)據(jù)分析與結(jié)果輸出R語(yǔ)言擁有強(qiáng)大的數(shù)據(jù)處理能力，包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)合并等操作。R語(yǔ)言提供了豐富的統(tǒng)計(jì)方法和建模工具，如回歸分析、分類(lèi)分析、聚類(lèi)分析等。R語(yǔ)言具有強(qiáng)大的繪圖功能，可以繪制各種統(tǒng)計(jì)圖表，如散點(diǎn)圖、直方圖、折線(xiàn)圖等。R語(yǔ)言擁有豐富的擴(kuò)展包，可以擴(kuò)展其功能和應(yīng)用范圍，如ggplot2、dplyr等。R語(yǔ)言統(tǒng)計(jì)包應(yīng)用數(shù)據(jù)處理統(tǒng)計(jì)分析與建模數(shù)據(jù)可視化擴(kuò)展包支持GraphPad數(shù)據(jù)可視化技巧圖表類(lèi)型選擇根據(jù)數(shù)據(jù)類(lèi)