医学科研数据的提取与管理.ppt

第二讲 医学科研数据的提取与管理,陆军军医大学军队卫生统计学教研室 Department of Health statistics ,AMU,68752313 刘 岭,数据的质量控制 数据管理中的几个常见问题 统计分析结果与表达,主 要 内 容,三、医学统计工作的步骤,（一） 统计设计,（三） 整理资料,（二） 收集资料,(四) 分析资料,完整、准确,核查、清洗,数据的质量控制,（一）数据的来源与数据集,观察性数据,实验性数据,科研数据,观察性数据（观察性研究）：卫生工作报表，病历资料 观察性研究：客观地观察、记录和描述事物规律或现象的认识活动。,实验性数据（实验性研究）：临床病例资料，动物实验记录 实验性研究：人为控制实验条件或对研究对象施加一定干预措施所做的研究。,多中心临床实验或大型调查研究：样本量大，变量数多,某地2002年735例65岁以上老年人健康检查记录,数据矩阵,某地2002年735例65岁以上老年人健康检查记录,某地2002年735例65岁以上老年人健康检查记录,解释变量：指示变量、分组变量、因素、协变量、预测变量等,反应变量：表示试验效应或观测结果的指标。,注意： 变量名：英文、不超过8个字符，分类变量适当数量化处理。,（二）数据录入,数据录入是将研究收集到的各种信息转换为数据形式，输入到计算机进行保存、管理的过程。,数据审核：对收集到的原始资料进行审查与核实的过程。 真实、准确、完整、标准 制定数据编码表：使研究得到的信息数字化和标准化。 封闭性、开放性、缺失数据 建立数据库：运用专业的数据库管理软件。 数据管理、查询、修改功能,原始数据录入格式,数据录入的原则,1、方便录入：将字符变量转换成数值变量； 2、便于核查：一定要有标识变量，以方便数据的核对； 3、易于转换：录入数据时要考虑不同软件的要求； 4、利于分析：同一研究课题的结果最好录成一个数据库文件。,同一资料进行双人重复录入方法，应用程序对两个数据库进行比对，核查错误。,EpiData 特点,简单易学、实用性强 对计算机硬件要求不高 调查表设计便捷 与调查表形式一致的可视数据录入界面 数据核查功能强大且实现简便 EpiData Analysis可用于一般的统计分析与制图 数据转换功能强大,建立调查表文件,创建数据库,建立核查文件,录入数据,数据库管理,输出数据,EpiData的基本流程,数据库的导出（Data in）,SPSS文件,SAS文件,DBF文件,Stata文件,REC文件,二. 数据管理中的几个常见问题,（一）数据的质量控制,1、输入信息的有效性，即幅度检查； 2、输入信息相互之间的一致性，即逻辑检查； 3、查漏：原始数据的编号与数据库的编号核对； 4、运用统计软件观察频数分布是否异常； 5、进行描述性统计，有无离群值和缺失值。,（二）变量的设置,1、连续型变量的输入：直接录入； 2、离散型变量的输入：数值化处理。,变量的设置方式：资料类型、研究目的、变量的分布形式、统计方法的应用条件。,（三）缺失值处理,缺失值主要来自资料收集中的漏报和漏填； 缺失值应控制在数据记录总量的10%以内； 注意将缺失值与“0”区分开来，缺失值一般用“.”表示； 缺失比例很小时，可舍弃；缺失比例较大时，可进行插补（不得已，慎用）。,（四）离群数据的处理,有无离群值？ 频数表、箱式图或直方图可初步判断； 线性回归方法判断。,离群值（outlier）是指超出数据通常变化范围的特大值或特小值的观测值。,出现离群值的处理 在离群值附近多次抽样，了解数据的真实结构； 专业知识与统计方法结合。,（五）统计学方法的应用条件,正态性检验 方差齐性检验 多重共线性判断,统计方法的正确选择,三. 统计分析结果与表达,医学论著的基本结构,摘 要,引 言,1. 材料与方法,2. 结 果,3. 讨 论,Abstract,Introduction,Materials and Methods,Results,Discussion,目的,方法,结果,结论,4,1,2,3,引言,材料与方法,结果,讨论,摘要,正文,统计表,统计图,摘 要,目的,方法,结果,结论,4,1,2,3,与专业有关，用简介的话表达文章的目的。,交代受试对象的选取、样本量、分组方式,给出重要指标的指标值、统计分析结果,结合结果与专业目的，下专业结论,对摘要中的主要统计结果进行概述: 均数（中位数、率），标准差（标准误）, P 值； 两组均数（率）之差或者OR值，95%可信区间（CI）, P 值； 多个观察指标的相关系数及其P 值等。,1、目的表达不清、写法累赘； 2、方法中： 未交待受试对象的选取方式、样本量、分组方式； 实验设计缺陷，无对照组； 样本量太少，抽样误差大，结果不可靠； 3、结果中： 未给出重要指标的指标值和具体的统计分析结果； 4、结论中： 结果、结论混写； 结果不足以说明结论；,摘要表达的常见问题,未交待受试对象的选取方式、样本量； 无重要指标的指标值，以及具体的统计分析结果,无重要指标的指标值，以及具体的统计分析结果,无重要指标的指标值，以及具体的统计分析结果,不像结论，是结果的内容,实验设计缺陷：无对照组； 作者的结果不足以说明此结论。,简要说明研究背景和研究目的。 给出文献分析的综合复习结果： 如组间差别（Difference Among Groups）； P 值(P-value)等。 采用循证医学的方法。,一. 引 言,统计表达,研究设计方案 (Design of Research Methods),统计分析方法及软件 (Analysis Methods and Software),目的：以使读者确认论文中所有统计分析结果的 可靠性、研究结论的合理性和实验过程的重现性。,二. 材料与方法,研究设计方案 (Design of Research Methods),研究对象的来源和选择方法，包括观察对象的基本情况 需要说明诊断标准 病例入选标准、病例排除标准、病例剔除标准、疗效评价标准。 有无失访（失访比例,不可超过20）、有无“知情同意” 评价疗效有无遮蔽（“单盲Single Blind”、“双盲Double Blind”或“多盲Multiple Blind”）等 均衡性分析结果：影响因素（如年龄、性别、病情） 样本量估计的依据(Sample Size),研究对象的来源,病例入选标准、病例排除标准、病例剔除标准、疗效评价标准,均衡性分析结果,样本量估计的依据,常用统计方法简单说明: 如 检验、t 检验、单因素方差分析（ANOVA）等； 特殊的统计方法给出相应的参考文献 一般统计计算软件给出名称 如SPSS、SAS、STATA等,EXCEL不能作为处理软件 特殊的计算软件要给出软件的过程名,统计分析方法及软件 (Analysis Methods and Software),研究设计方案中的问题,“材料与方法”统计表达的常见问题,对随机化分组方法不做任何说明。,观察对比的研究未给出反映均衡性的统计指标,试验的样本量非常小，但不说明任何理由,组间例数相差很大，均衡性差，但不做任何说明,对随机化分组方法不做任何说明。,试验的样本量非常小,试验的样本量非常小，分组说明欠合理,计算相对数的分母太小，计算的相对数不稳定，不能反映客观事实。,实验设计有缺陷：无对照组,组间例数相差过于悬殊,组间例数相差过于悬殊,观察对比的研究未给出反映均衡性的统计指标,没有采用的统计学方法，却在方法中进行了描述,统计分析方法中的问题,太过笼统，未写明采用的具体的统计学方法,没有统计学方法的介绍,无统计推断,太过笼统，未写明数据描述形式以及采用的具体的统计学方法,太过笼统，未写明数据描述形式以及采用的具体的统计学方法,无统计软件名称及版本，且不应该有参考文献,采用了的统计学方法，却没有在资料与方法中进行了描述。,没有采用的统计学方法，却在资料与方法中进行了描述。,无统计推断（通过样本对总体下结论，存在抽样误差）,统计表达,统计图表 (Statistical Graphs & Tables),P 值的表达 (Suitable Expression of P),统计指标 (Statistical Indexes),数据精度 (Numerical Precision),三. 结 果,统计表的应用： 三线表 自明性,统计图表,统计图的应用： 根据资料类型和目的选择正确的统计图,统计表的内容要丰富：制表的目的是为了对统计结果进行对比分析，若指标过少，则不易凑统计表。,1,统计表要重点突出：一般一张统计表只表达一个中心内容，若包含内容过多，可分制成若干张统计表。,2,统计表要有“自明性” ：即主谓分明，层次清楚。为此，标目的处理是决定统计表质量的关键。横标目常为第一主辞，纵标目为第二主辞，切忌位置混乱，互相混杂，使读者难以识别。,3,制表注意事项,统计图的选择,表的内容过少，在文章中描述清楚即可。,表的逻辑性与自明性较差,统计表的自明性,统计图错误：随时间变化应该采用线图,传统表达 P 0.05 记为“NS”， P0.05 记为“*”， P0.01 记为“*”,提倡表达 提倡报告精确 P 值,P 值的表达,P 值大小只能说明统计学意义的“显著”，不说明实际效果的“显著”。对于P值的解释一定要结合专业知识。,P0.05，就不能说“T1期表达率比T2-3期高”,P0.001，不表示差异很大！只表示“有差异”这个结果很可靠。,相关系数保留3位小数； 检验统计量，如Chi-square值、t值保留3位小数即可；,数据精确度,计量资料的统计指标（均数、标准差、标准误、中位数、百分位数等）的保留小数位数，应该与原始数据的保留小数位数相同，小数位数一致；,计数资料的百分比保留1位小数，一般不超过2位小数；病死率、发病率按惯例选择比例基数，如1000，10000/万，10万/10万等，或自行选择合适的比例基数，使率的表达至少有1位整数。,原则：选择最恰当的统计指标准确描述资料的特征。,非正态分布 (Non-normal Distribution),计量资料 (Measurement Data),正态分布 (Normal Distribution),计数资料 (Count Data),率或比 (Rate or Ratio),统计指标,计量资料，用“ ”描述,非参数检验，误用t检验、ANOVA或卡方检验处理,统计分析方法中常见的问题,将重复测量数据处理，误用t检验或ANOVA处理,配对设计处理，误用完全随机设计处理,将多个组比较的ANOVA，误用t检验处理,统计学方法错误！多组均数比较不能两两采用t检验，会导致假阳性错误概率增大，应该采用方差分析，两两比较采用LSD法。,方差分析误用成t检验,方差不齐，应该采用非参数检验,既然用中位数进行描述，统计学方法就应该采用非参数统计，而非t检验,此为等级资料，应该采用非参数检验,将重复测量数据处理，误用t检验或ANOVA处理,将重复测量数据处理，误用t检验或ANOVA处理,完全随机设计,配对设计,配对设计处理，误用完全随机设计处理,配对设计处理，误用完全随机设计处理,分组有误：正常黏膜组织30例与结肠癌组织76例中的30例，属于配对数据，而非独立样本数据。,两两比较，检验水准要调低，为0.05/10=0.005。 luminalB型（HER2-）与HER2过表达型比较 =7.253，P=0.0070.005，差异无统计学意义。,统计解释,P 值的解释 (Interpretation of P),关联的解释 (Interpretation of Association),因果的解释 (Interpretation of Causation),r 值的解释 (Interpretation of r),四. 讨 论,P 值大小只能说明统计学意义的“显著”，不说明实际效果的“显著”。对于P值的解释一定要结合专业知识。 临床疗效“显著”的处理：当观察例数很少时，P值可能很大（统计“不显著”）。 临床疗效“不显著”的处理（如新药比对照药有效率仅提高了0.1%），当观察例数很大时，P值可能很小（统计“显著”）。,P 值的解释,P0.001，不表示差异很大！只表示“有差异”这个结果很可靠。,2019/9/26,99,某部队在进行防化演练时考查新、旧防护服对化学战剂的防护效果。随机抽取15名战士穿上新防护服，其余28名战士仍穿旧防护服，演练后检查两组战士战剂反应的发生率，资料见下表，问两组战士战剂反应的发生率有无差别？,全国调查的调查结果，学龄前儿童营养性贫血患病率为23.5%。某医院为了解当地学龄前儿童营养性贫血情况，对当地1396例学龄前儿童进行了抽样调查 ，查出营养性贫血患儿363例，患病率为26.0%。问该地学龄前儿童营养性贫血患病率是否高于全国平均水平？,r 值的大小表示相关的密切程度； P 值的大小表示r 值的可靠程度；,r 值的解释,1、相关系数没有单位，其值为-1r1。 2、r值为正表示正相关，r值为负表示负相关。 3、r绝对值大小代表相关关系的密切程度。 4、P值表示r值是否有统计学意义。,研究相关，论文中却报告了回归方程。,线性相关与回归分析的常见问题,只关心相关系数的假设检验有无显著性，而不关心相关系数有无实际意义。,不对相关系数作假