2025年大学《生物统计学》专业题库- 生物统计学在风险评估和管理中的应用

2025年大学《生物统计学》专业题库——生物统计学在风险评估和管理中的应用考试时间：______分钟总分：______分姓名：______一、简述概率论中条件概率和贝叶斯定理在健康风险评估模型构建中的应用价值。二、在一项评估某化学物质是否增加特定癌症风险的队列研究中，研究人员随访了10年，观察了暴露组和非暴露组的癌症发病率。请简述应选用哪些主要的统计方法来分析该数据，并说明各自的适用条件和目的。三、解释生存分析中“删失数据”的概念，并列举两种处理删失数据的主要统计方法，简述其基本原理。四、假设一项研究旨在比较两种不同治疗方案（A和B）对某种慢性病的缓解效果，研究采用了随机对照试验设计。请说明在统计分析中，如何运用假设检验来评估两种治疗方案效果的显著性差异？需要检验哪些基本假设？并简述第一类错误和第二类错误的含义及其在该研究情境下的潜在后果。五、现有研究显示，某种基因型（基因型X）与高血压风险增加有关。请设计一个基于案例对照研究方法的初步统计分析方案，用以评估该基因型与高血压发病风险之间的关联程度。你需要明确说明需要收集哪些关键数据、选择哪种统计指标（如比值比OR）以及简要说明计算和解释该指标的基本步骤。六、在一项环境流行病学研究中，研究人员测量了居住在工业区附近（暴露组）和远离工业区（非暴露组）的居民体内某种重金属的浓度，并记录了他们患呼吸系统疾病的发病率。初步分析发现两组居民的年龄结构存在显著差异。请说明这种差异可能对研究结果产生什么影响？可以采用哪些统计方法来调整这种混杂因素的影响，并简述这些方法的基本原理。七、描述在构建一个预测个体发生心血管疾病风险的统计模型（如多元线性回归或逻辑回归）时，如何判断模型的整体拟合优度？请列举至少三种常用的模型拟合优度指标，并简述其含义和应用场景。八、解释什么是统计推断中的“偏倚”和“方差”，并说明在生物风险评估研究中，如何通过严谨的研究设计和恰当的统计方法来控制或减少偏倚和方差的影响。九、假设一项研究旨在分析某传染病在不同年龄组人群中的发病率，研究者收集了年龄（分组）、性别和发病率数据。除了描述性统计外，研究者还想探讨年龄和性别是否与发病率之间存在关联。请说明可以选用哪些统计方法来分析这些变量间的关系，并简述选择这些方法的理论依据。十、结合你所学的生物统计学知识，论述在制定一项新的传染病疫情防控策略时，统计方法可以在哪些方面发挥作用，并举例说明如何运用统计思维来评估策略的有效性和潜在风险。试卷答案一、概率论中的条件概率允许我们在给定某个相关事件已发生的条件下，评估某个特定事件发生的可能性。在健康风险评估中，这有助于计算在已知个体具有某个危险因素（如基因突变、不良生活习惯）的情况下，发生特定疾病的风险。贝叶斯定理则提供了一种在已有先验信息（如基于人群的发病率、家族史）的基础上，结合新的观测数据（如个体检测结果、暴露水平）来更新和调整后验风险概率的有效框架。这使得健康风险评估能够动态地、个体化地更新风险估计，从而实现更精准的风险预测和早期干预。二、分析该队列研究数据，主要统计方法包括：1.生存分析：若关注癌症发病时间，可使用Kaplan-Meier生存分析绘制生存曲线，比较两组的生存分布，并使用Log-rank检验进行组间差异的假设检验。2.比较两组比例的统计检验：若只关注最终是否发病（二元结果），可使用卡方检验（Chi-squaretest）或Fisher精确检验（Fisher'sexacttest）来比较两组癌症发病率（患病率）的差异性。此外，可以使用二元Logistic回归模型来评估暴露组相对于非暴露组的相对风险（OR值），并控制可能的混杂因素。适用条件：Kaplan-Meier适用于时间至事件数据，Log-rank检验假设生存分布差异；卡方/Fisher检验适用于分类数据，要求样本量足够大；Logistic回归适用于因变量为二元分类，自变量可分类或连续，且满足线性假设、无多重共线性等。目的：检验暴露与结局（癌症发病）之间是否存在关联，量化暴露的相对风险，并控制混杂因素。三、生存分析中“删失数据”（CensoredData）指的是研究对象的随访时间未达到预设终点（如研究结束、失访、研究对象退出研究）而终止观察，但我们知道他们在某个时间点之前是未发生研究结局的。处理删失数据的主要方法有：1.Kaplan-Meier生存估计法：该方法通过逐个排除发生结局或删失的个体，并计算到每个时间点的生存概率来估计生存函数，它天然地考虑了删失数据的影响。2.Cox比例风险回归模型（CoxProportionalHazardsRegression）：这是最常用的处理删失数据的半参数回归模型。它不依赖于生存时间的具体分布，而是估计风险比（HazardRatio），即暴露组相对于非暴露组在任意时刻发生事件的风险大小。该模型通过最大似然估计来处理删失数据，计算效率高，适用性广。基本原理：Kaplan-Meier通过加权平均生存概率来构建生存曲线；Cox模型通过构建一个包含协变量（如暴露因素）的似然函数，在迭代过程中同时考虑所有观察到的结局和删失信息，估计风险比。四、运用假设检验评估两种治疗方案（A和B）效果的显著性差异，通常采用以下步骤：1.提出零假设（H0）和备择假设（H1）：H0：两种治疗方案的效果无显著差异（例如，平均缓解效果相等）；H1：两种治疗方案的效果有显著差异。2.选择合适的统计检验方法：根据数据类型（连续或分类）和样本设计，选择如t检验（比较两组连续型结局均值）、Mann-WhitneyU检验（比较两组非正态分布连续型结局均值）、卡方检验（比较两组分类结局比例）或Wilcoxon秩和检验等。3.计算检验统计量：根据所选方法，利用样本数据计算检验统计量的值。4.确定P值：根据统计量及其分布（或使用软件计算），确定在H0成立时，观察到当前或更极端结果的概率（P值）。5.做出统计决策：将P值与预设的显著性水平（α，常取0.05）比较，若P≤α，则拒绝H0，认为两组效果有显著差异；若P>α，则不拒绝H0，认为尚无足够证据表明两组效果有显著差异。需要检验的基本假设包括：数据的独立性、正态性（对某些检验）、方差齐性（对某些检验）。第一类错误（α错误）：在H0实际上为真时，错误地拒绝了H0，即判断治疗方案有差异，但实际并无差异。后果可能是不必要的治疗选择或资源浪费。第二类错误（β错误）：在H0实际上为假时，错误地未拒绝H0，即未能发现治疗方案的显著差异。后果可能是错过了有效的治疗方案。五、基于案例对照研究方法的统计分析方案设计如下：1.数据收集：收集足够数量的病例组（已患高血压者）和对照组（未患高血压者）。对于每位研究对象的记录，需收集关键信息：是否患高血压（结局变量，二分类：病例=1，对照=0）、基因型（暴露变量，如基因型X=1，非基因型X=0或其他基因型编码）、以及可能的混杂因素（如年龄、性别、血压水平、吸烟史、家族史等）。2.统计指标选择：选择比值比（OddsRatio,OR）来评估基因型X与高血压发病风险之间的关联程度。OR表示在给定基因型X（如基因型X）的个体中患高血压的比值（病患/非病患）相对于在基因型非X的个体中患高血压的比值的比例。3.计算步骤：*构建一个2x2列联表，行表示基因型（基因型Xvs非基因型X），列表示高血压状态（病例vs对照）。*计算每个单元格的期望频数。*使用公式计算OR值：OR=(a*d)/(b*c)，其中a=基因型X且患高血压的病例数，b=基因型非X且患高血压的病例数，c=基因型X且未患高血压的对照数，d=基因型非X且未患高血压的对照数。*对OR值进行假设检验（如使用Mantel-Haenszel法校正混杂因素后计算OR及其95%置信区间）或计算其95%置信区间来判断关联的显著性。4.解释步骤：*如果OR>1，且其95%置信区间不包含1，则认为基因型X与高血压发病风险呈正关联（即基因型X增加患高血压的风险）。*如果OR<1，且其95%置信区间不包含1，则认为基因型X与高血压发病风险呈负关联（即基因型X可能降低患高血压的风险）。*OR值的大小表示关联的强度，OR值越大（越远离1），关联强度越大。六、两组居民年龄结构存在显著差异可能对研究结果产生以下影响：1.选择偏倚：如果年龄是高血压发病的重要影响因素，且暴露组和非暴露组的年龄分布差异过大，可能导致两组间在高血压发病风险上的差异，并非完全由“工业区暴露”引起，而是部分由年龄这个混杂因素引起，从而得出错误的风险评估结论。2.混杂偏倚：年龄可能同时与暴露（如居住在工业区附近可能与某些社会经济特征相关，而这些特征又与年龄分布有关）和结局（高血压）相关，导致暴露与结局之间的真实关联被年龄所掩盖或扭曲。可以采用以下统计方法来调整这种混杂因素的影响：1.分层分析（StratifiedAnalysis）：将研究人群按年龄分层（如按年龄范围或年龄组），然后在每个年龄层内分别计算暴露组和非暴露组的发病率，并比较层内差异。如果各层内的关联一致，则说明年龄不是混杂因素或混杂影响很小；如果层间关联不一致，则提示年龄是重要的混杂因素。2.多变量统计模型（MultivariableStatisticalModels）：使用能同时控制多个混杂因素的统计模型，如多元Logistic回归模型。将年龄作为一个（或一组）协变量纳入模型，模型会估计在控制了年龄等混杂因素后，暴露与高血压发病之间的独立关联（调整后的OR值）。这种方法能更全面、精确地控制混杂偏倚。七、判断构建的预测心血管疾病风险统计模型（如多元线性回归或逻辑回归）的整体拟合优度，常用的指标有：1.R-squared（决定系数，主要用于回归模型）：对于回归模型，R-squared表示模型中自变量解释的因变量变异的比例。值越接近1，表示模型对数据的拟合越好，自变量对因变量的解释力越强。但需要注意，增加自变量会趋势性地提高R-squared，需考虑调整后的R-squared。2.调整R-squared（AdjustedR-squared）：在多元回归中，调整R-squared在增加新的自变量时，只会当该变量对模型的贡献显著时才增加，从而在一定程度上克服了R-squared易随变量增多而增大的问题，更能反映模型的真实拟合优度。3.Akaike信息准则（AIC）和贝叶斯信息准则（BIC）：这类信息准则在模型选择时使用，它们不仅考虑模型的拟合优度（似然值），还考虑模型复杂度（参数个数）。AIC和BIC值越小，表示模型在拟合数据和保持简洁性之间的平衡越好，模型的整体表现越好。适用于比较不同模型。4.Hosmer-Lemeshow检验（主要用于逻辑回归）：这是一种拟合优度检验，通过比较模型预测的风险值与实际观察到的结局，将数据按预测风险值排序分组，检验各组的实际病例数与期望病例数是否吻合。检验结果不显著（P值较大）通常表示模型拟合较好。5.预测准确性指标（如ROC曲线下面积AUC）：对于分类模型（如逻辑回归），可以通过绘制受试者工作特征（ROC）曲线，并计算曲线下面积（AUC）来评估模型的预测能力。AUC值越接近1，表示模型的区分能力越强，预测准确性越高。八、统计推断中的“偏倚”（Bias）是指在研究设计、数据收集、数据分析或解释结果的过程中，系统性地偏离了真实值或客观情况，导致研究结果偏离真相的错误倾向。常见的偏倚包括选择偏倚、信息偏倚（测量偏倚、回忆偏倚）、混杂偏倚等。偏倚通常是系统性的，可能导致结果始终偏向某一方向。“方差”（Variance）是描述数据离散程度或随机性的统计量，在统计推断中，它反映了抽样误差的大小。较大的方差意味着样本数据围绕其均值的波动较大，用样本统计量估计总体参数时估计值的不确定性较大，所需的样本量通常也更大。在生物风险评估研究中，可以通过以下方法控制或减少偏倚和方差的影响：1.控制偏倚：*选择偏倚：采用随机抽样方法选取研究对象，确保样本能代表目标人群；在研究设计上明确入选和排除标准，规范数据收集流程。*信息偏倚：采用标准化的、客观的测量工具和方法；培训调查员；匿名化处理数据；采用盲法（如盲法评估结局）；鼓励使用客观生物标志物。*混杂偏倚：在研究设计阶段，通过匹配（MatchedDesign）或分层（StratifiedDesign）的方法控制混杂；在数据分析阶段，使用统计方法（如分层分析、多变量回归分析，将混杂因素作为协变量纳入模型）来调整混杂因素的影响。2.减少方差：*增大样本量：增加样本量是减少抽样误差、降低方差最直接有效的方法，可以提高统计检验的效能（Power）。*提高测量精度：使用更精确、可靠的测量仪器和评估方法，减少测量误差。*减少测量过程中的变异：标准化实验流程，控制实验条件，减少非系统性的变异。*选择合适的统计模型：使用能更好地捕捉数据结构和变异来源的统计模型。九、可以选用以下统计方法来分析年龄、性别与传染病发病率之间的关系：1.描述性统计：首先使用频率分布、百分比、均值、标准差等描述年龄在各组（如按年龄段分组）和性别（男/女）中的分布特征，以及不同组别传染病发病率的分布情况。可以绘制条形图、饼图等可视化发病率在不同年龄和性别中的差异。2.比较两组（或几组）比例的统计检验：若分析年龄或性别与发病率（二分类结局）的关系，可以使用卡方检验（Chi-squaretest）或Fisher精确检验来比较不同年龄组（如老年组vs青年组）或不同性别（男vs女）之间传染病发病率的差异是否具有统计学意义。3.趋势检验：如果年龄是连续或有序变量，可以使用趋势检验（如线性趋势卡方检验）来检验传染病发病率随年龄增长的变化趋势是否具有统计学意义。4.相关性分析：如果发病率是连续变量（如感染率），可以使用相关分析方法（如Pearson相关系数或Spearman秩相关系数）来探讨年龄与发病率之间的线性或非线性关系强度和方向。5.回归分析：如果想同时考察年龄和性别对发病率的影响，并评估它们之间是否存在交互作用，可以使用多元Logistic回归模型（若发病率是分类变量）或多元线性回归模型（若发病率是连续变量）。模型可以估计年龄、性别（作为分类变量或虚拟变量）及其交互项对发病率（或对发生概率/感