循证医学中常用的统计指标

.循证医学中常用的统计指标，1.概述，数据可分为两类：数值数据(测量)和分类数据(计数和等级)。因此，统计指标分为两类：数字数据和分类数据指标。统计指标可用于描述性统计分析，也是反映数据基本特征的统计分析方法。它能使人们准确、全面地理解数据中包含的信息，从而在此基础上完成对数据的进一步统计分析。置信区间是循证医学中常用的统计指标之一。置信区间主要用于估计总体参数，并从获得的样本数据中估计某个指标的总体值(参数)。例如，比率的置信区间估计总体比率，平均值的置信区间估计总体平均值。此外，置信区间还可用于假设检验，尤其是检验组与对照组之间某一指标差异或比值的置信区间，这在循证医学中更为常用。一般来说，试验组和对照组之间某一指标差异或比率的95%置信区间相当于假设检验的0.05，而99%置信区间相当于假设检验的0.01。常用的置信区间有：利率的置信区间、两个利率差的置信区间、平均数的置信区间、两个平均数差的置信区间、相对风险的置信区间等。常用的循证医学是比率、RR或OR、平均值、两个平均值之间的差异等的置信区间。在循证医学的研究和实践中，除了常用的指标如效率、死亡率、发病率和发病率、相对危险度(RR)、比率(OR)以及由此衍生的其他指标，也是循证医学的特征指标。目前，循证医学中常用的分类数据描述性指标包括EER、CER、OR、RR、RRR、ARR、NNT等。在循证医学的预防和治疗实验中，该比率可细分为EER和CER。1。埃尔和CER。CER是一个事件的发生率(CER)的对照组，如没有采取预防措施的疾病的发生率。Rd(速率差)和置信区间。这两种发病率之间的差异就是比率差异，也称为比率差异，风险差异，rd。例如，试验组的发病率(EER)和对照组的发病率(CER)之间的差异可以反映试验效果的大小。两个比率之差的置信区间由以下公式计算：两个速率之间差值的标准误差：当两个比率之间的差异为0时，两组之间的事件发生率没有差异。因此，两个速率之间的差值的置信区间不包含0(上限和下限都大于0或者上限和下限都小于0)，那么两个速率是不同的；相反，如果两个比率之差的置信区间包含0，则没有统计显著性。阿司匹林对心肌梗死的影响，阿司匹林对心肌梗死的影响EER=15/125=12%，CER=30/120=25%，两者之差的标准误差率：本测试中两个比率之间差值的置信区间为：在这种情况下，两个速率之差的置信区间为-0.23 -0.03，上下限小于0(不包括0)，两个速率是不同的。阿司匹林可以降低心肌梗死的死亡率。相对危险度和置信区间、相对危险度是前瞻性研究中常见的指标。它是试验组事件发生率与对照组(或低暴露)事件发生率的比率。它被用来解释前者与后者相比的次数。它经常被用来表明测试因素和疾病之间的联系的强度及其在病因学中的意义。当RR=1时，可以认为测试因子与疾病无关。当RR1时，可以认为测试因子与疾病有关。当RR 1时，试验组的发病率高于对照组。当RR 1时，可以认为试验组的发病率低于对照组阿司匹林治疗组死亡率对照组的相对危险度和置信区间用、RR、RR和置信区间计算得出的四个表为：(RR)=in (0.48)=-0.734，相对危险度的95%置信区间为：=exp (-0.7341.960.289)=(0.272，0.846)在这种情况下相对危险度的95%置信区间为0.272 0.846，用阿司匹林治疗的患者死亡率低于对照组，因此，4。或和置信区间，odds1是病例组暴露率p1与非暴露率1-p1的比值，即odds1=p1/(1-p1)=odds0是对照组暴露率p0与非暴露率1-p0的比值，即odds0=p0/(1-p0)=，上述两个比值的比值是比值(oddsratio，OR)，也称为机会比、优势比等。公式是：或=，当所研究疾病的发病率较低时，也就是说，A和C都很小，OR与RR相似，因此OR可用于在回顾性研究中估计RR。在前瞻性研究中，或的置信区间非常接近于RR的置信区间，或的计算更简单。因此，“或”置信区间的计算经常被用来代替“或”置信区间的计算。“或”值的解释与“RR”相同。或的置信区间也需要用自然对数来计算，而In(OR)的标准误差SE(InOR)用以下公式来计算：In(OR)的置信区间为：例如，阿司匹林对心肌梗死影响的95%置信区间或估计置信区间。In (or)=in (0.409)=-0.894，OR的95%置信区间为：=exp (-0.8941.960.347)=(0.207，0.807)这种情况下OR的95%置信区间为0.207 0.807。阿司匹林可以被认为是治疗心肌梗塞的有效药物。5。RRR和置信区间，RRR是相对还原率，其计算公式为：RRR= CER-EER /CER=1-RRR置信区间可由1-RR计算。如前例中RR=0.48，其95%置信区间为0.272-0.846，其RRR=1-0.48=0.52，其95%置信区间为0.154-0.728。RRR反映了某一测试因素引起的某一结果发生率的相对增减量。然而，这一指数不能衡量发生率增加或减少的绝对数量。例如，试验组的疾病发病率为39%，而对照组的疾病发病率为50%，RRR=(CER-EER)/CER=(50%-39%)/50%=22%。然而，在另一项研究中，如果试验组中疾病的发病率为0.39/100，000，而对照组中疾病的发病率为0.50/100，000，其RRR仍为22%。6.RRI，相对风险增加率(RRI)，试验组中不良结果的发生率为EERb，而对照组中不良结果的发生率为CERb，RRI可根据以下公式计算：该指数可反映用试验因子治疗后患者不良结果的百分比增加。试验组中有益结果的发生率为EERg，而对照组中有益结果的发生率为CERG。RBI可根据以下公式计算：该指数可反映用测试因子治疗后患者有益结果的增加百分比。绝对风险降低率及其置信区间的计算公式如下：绝对风险降低率=CER-能效比绝对风险降低率的置信区间：ARR的标准误差：ARR的置信区间：例如，试验组中疾病的发病率为15/125=12%。对照组发病率为30/120=25%，ARR=25%-12%=13%，标准误差为，其95%的置信区间为：=(0.13-1.960.049，0.13-1.960.049)=(3.4%，22.6%)，治愈率的95%置信区间为3.4%-22.6%，9。急性呼吸道感染绝对风险增加率(ARI)，即试验组EERb与对照组CERb之间的差异。不良后果，如死亡、复发、残疾等。由下式计算：这个指标可以反映病人在接受测试因素治疗后，不良后果增加的绝对值。ABI绝对效益增长率(ABI)，即试验组中有益结果EERg的发生率与对照组中有益结果eERG的发生率之差，以及良好结果，如治愈、效果、有效性等。由下式计算：该指数可反映患者在接受测试因子治疗后的有益结果增加的绝对值。NNT、NNH和NNT置信区间的临床意义是：需要预防和治疗以通过用一些预防和治疗措施治疗患者来获得有利结果的病例数(然后是NNT的当患者发生糖尿病时的患者数)。计算公式为：NNT=1/CER-能效比=1/ARR。从公式中可以看出，NNT值越小，防治效果越好，其临床意义越大。因为不能计算NNT的标准误差，但是NNT=1/ARR，所以可以使用ARR的95%置信区间来计算NNT的95%置信区间。NNT 95%置信区间的下限：1/ARR的上限；NNT 95%置信区间的上限：1/ARR的下限，例如，一次测试的95%置信区间为3.4% 22.6%，NNT的95%置信区间的下限为1/22.6%=4.4；上限为：1/3.4%=29.4，即4.4 29.4。nnhnnh的临床含义是：在对患者采取一些预防措施后，需要治疗一种副作用的病例数(nnh)。计算公式为：NNH=1/ARI。从公式来看，NNH值越小，某项治疗措施引起的副作用越大。13.预防措施的利益和危险的似然比。伤害，LHH)，计算公式是：LHH=NNH/NNT这个指标反映了预防措施给受试者带来的利益和危害的比例，LHH1，利大于弊，相反，LHH1，弊大于利。加权平均差值(WMD，加权平均差值)两个平均值差值d(也用S2表示)的方差Var(d)可以计算如下：从公式中可以看出，加权平均差值(WMD，加权平均差值)是两个平均值的差值。该指标反映了测试的原始测量单位，真实反映了测试效果，消除了绝对值对结果的影响。在实际应用中，该索引易于理解和解释。标准化平均差值(SMD)研究的标准化平均差值可计算如下：归一化平均差D(也可以用S2表示)的方差Var(d)可以计算如下：SMD可以简单地理解为两个平均值的差除以组合标准偏差的商，这不仅消除了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，该指数特别适用于分析不同单位或平均值差异较大的数值数据。然而，归一化平均差值(SMD)是一个