2025年大学《应用统计学》专业题库- 医学统计学应用在临床医疗中的研究

2025年大学《应用统计学》专业题库——医学统计学应用在临床医疗中的研究考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分）1.在一项比较两种药物治疗某种疾病有效性的临床试验中，将患者随机分为两组，一组接受药物A治疗，另一组接受安慰剂治疗。这种研究设计属于？A.单组前后对比设计B.配对设计C.随机对照试验（RCT）D.病例对照研究2.已知某地成年男性平均身高为170厘米，标准差为10厘米。现随机抽取该地100名成年男性，其身高的样本均数抽样分布的期望值和标准误分别是？A.170厘米，10厘米B.170厘米，1厘米C.170厘米，0.1厘米D.100厘米，10厘米3.在一项观察性研究中，欲比较吸烟与不吸烟人群患肺癌的风险，研究者收集了两组人群的肺癌患病率数据。最适合分析这种定类变量间关联强度的统计量是？A.标准差B.相关系数C.回归系数D.疾病率/死亡率比（OddsRatio）4.当比较三个及以上独立组别某连续变量的均值差异时，最常用的推断性统计方法是？A.t检验B.单因素方差分析（ANOVA）C.配对样本t检验D.Kruskal-WallisH检验5.在一项队列研究中，研究者追踪观察了吸烟者和非吸烟者多年，比较两组人群的肺癌累积发生率。这种研究属于？A.横断面研究B.病例对照研究C.队列研究D.实验研究6.已知一组服从正态分布的样本数据，其均值为50，标准差为5。根据中心极限定理，该样本均值的抽样分布近似服从正态分布，其均值和标准误分别为？A.50，5B.50，0.5C.50，1D.0，57.某医生想评估一种新的诊断测试检测某种疾病的灵敏度（真阳性率）。他选取了已知患病和未患病的个体进行检测。计算灵敏度时，分子是真阳性人数，分母应该是？A.真阳性人数+假阴性人数B.真阳性人数+假阳性人数C.真阴性人数+假阳性人数D.真阴性人数+假阴性人数8.在解释线性回归分析结果时，R平方（决定系数）的含义是？A.自变量个数B.因变量总变异中能被自变量解释的百分比C.回归系数的标准误D.残差平方和9.对于两组独立样本的连续变量均值比较，当总体方差未知且相等时，应选择的检验方法是？A.Z检验B.t检验（独立样本，等方差）C.t检验（独立样本，不等方差）D.卡方检验10.一项研究报告了某种诊断测试的ROC曲线下面积（AUC）为0.92。这通常意味着？A.该测试能将90%的病人正确分类B.该测试的灵敏度与特异度之和为0.92C.该测试具有良好的区分患病与未患病的能力D.该测试的假阳性率为0.08二、填空题（每空2分，共20分）1.假设检验中，第一类错误（α）是指当______时，错误地拒绝了原假设。2.在一个随机对照试验中，为了减少选择偏倚，确保两组基线特征可比，研究者采用了______的方法。3.用于描述一组数据离散程度的指标中，方差是______的平方的平均数。4.在一项病例对照研究中，通常以______作为暴露因素，以______作为结局变量。5.配对样本t检验适用于比较______的两个相关样本的均值差异。6.当研究变量是定类变量时，描述单个变量频数分布常用______；比较两个定类变量关联性常用______。7.在回归分析中，自变量对因变量的线性影响程度由______衡量。8.对于服从正态分布的总体，在总体标准差未知时，对总体均值μ进行区间估计常使用______分布。9.生存分析是处理______数据的一种统计方法，常用于研究事件发生时间。10.医学研究中，统计分析前需要对数据进行正态性检验和方差齐性检验，这主要是为了______。三、简答题（每题5分，共15分）1.简述随机对照试验（RCT）在临床医学研究中的优势和意义。2.解释什么是假设检验中的P值，并说明P值小于0.05通常意味着什么？3.在一项临床研究中，研究者欲比较两种不同剂量的药物治疗高血压的效果。简述应采用何种研究设计，并说明理由。四、论述题（每题10分，共20分）1.假设一项研究旨在比较服用阿司匹林和安慰剂对预防老年人心血管事件（如心肌梗死、中风）的效果。研究者招募了1000名老年高风险患者，随机分为两组，每组500人。服药一年后，阿司匹林组有30人发生了心血管事件，安慰剂组有50人发生了心血管事件。请阐述如何运用适当的统计方法分析这项研究的数据，并对研究结果进行解读。你需要说明：(1)应选择何种统计检验方法？（2）如何计算并解释关键统计量？（3）在解读结果时需要考虑哪些潜在因素或局限性？2.设想一项研究调查了吸烟习惯（从不吸烟、轻度吸烟、重度吸烟）与某项呼吸系统疾病患病率之间的关系。研究收集了500名受试者的数据。请说明：(1)分析这种关联强度最合适的统计指标是什么？为什么？(2)如果要进一步比较不同吸烟程度组间的患病率差异是否有统计学意义，应选择哪些统计方法？(3)在报告研究结果时，除了统计显著性，还应关注哪些方面？---试卷答案一、选择题1.C2.B3.D4.B5.C6.B7.A8.B9.B10.C二、填空题1.真实情况是H0为假2.随机分配3.均值4.病例组，对照组5.同一6.频数分布表/频数图，卡方检验7.回归系数8.t9.生存10.选择合适的统计推断方法三、简答题1.答案：随机对照试验（RCT）是当前衡量干预措施效果的金标准。其优势在于：①通过随机分配，可以有效均衡干预组和对照组基线特征，减少选择偏倚和混杂因素的影响，使两组在可比的基础上接受不同的干预。②设立对照组（通常是安慰剂对照或常规治疗对照），便于区分干预措施本身的效应与自然病情变化或其他外部因素的效应。③研究者可以主动施加和控制干预因素，保证干预的标准化。④通常采用盲法（单盲或双盲），可以进一步减少信息偏倚。⑤研究结局由研究设计者预先规定，减少后续对数据的操纵可能。意义在于：能够提供关于干预措施有效性和安全性的高质量证据，是指导临床实践和卫生政策制定的重要依据。2.答案：P值是在原假设（H0）为真的前提下，观察到当前样本结果或更极端结果的概率。它反映了样本结果与原假设之间不一致的程度。P值小于0.05通常意味着，如果原假设是真的，那么仅仅依靠偶然因素就观察到如此极端（或更极端）的样本结果的概率小于5%。因此，根据常用的α=0.05的显著性水平，这表明有足够的证据拒绝原假设，认为所观察到的效应或关联在统计上是显著的，不太可能是偶然发生的。3.答案：应采用随机对照试验（RCT）设计。理由：①研究目的是比较两种不同剂量的药物（干预措施）对高血压（结局变量）的效果，属于干预效果研究。②RCT通过随机分配患者到不同剂量组（干预组）和对照组（可接受安慰剂或常规治疗），能够有效控制混杂因素，确保两组在研究开始时具有相似的基线特征，从而可以更可靠地比较不同剂量药物的真实效果。③RCT允许研究者主动施加干预（不同剂量的药物），适合评估干预措施的有效性。四、论述题1.答案：(1)应选择卡方检验（Chi-squaretest）或t检验（t-test）。①如果将心血管事件发生与否视为定类变量（发生/未发生），且两组样本量较大（通常要求所有频数>1，且至少1/5的频数<5），可以使用卡方检验比较两组事件发生率（患病率）的总体比例是否有差异。②如果心血管事件发生人数服从二项分布，且样本量足够大，或者将事件发生视为定量化结果（如事件数量），同时关心两组事件发生率的均值差异，且满足t检验的前提（如数据近似正态分布，或为大样本），可以使用t检验比较两组心血管事件发生率的均值（或人数）差异。考虑到是直接比较发生率，卡方检验更常用且直接。(2)若使用卡方检验：需构建2x2列联表，计算卡方统计量χ²=Σ[(O-E)²/E]，其中O为观察频数，E为期望频数（基于行和列合计计算的理论频数）。比较χ²值与自由度（df=(行数-1)×(列数-1)=1）对应的临界值，或计算P值。若P<0.05，则拒绝H0，认为两组心血管事件发生率有显著差异。解释时需说明阿司匹林组的发生率显著高于（或低于）安慰剂组。若使用t检验：需计算两组样本的心血管事件发生率（或人数）的均值（Mean）和标准差（SD），然后计算t值。比较t值与自由度（df=n1+n2-2=998）对应的临界值，或计算P值。若P<0.05，则拒绝H0，认为两组心血管事件发生率（或人数）的均值有显著差异。解释时需说明阿司匹林组的平均发生率显著高于（或低于）安慰剂组。(3)解读结果时需考虑：①研究设计：RCT是强设计，但仍需关注随机分配是否完美，盲法实施情况。②样本代表性：1000名患者是否能代表目标老年高风险人群？③依从性：两组患者服药依从性如何？有无脱落？④基线差异：虽然随机分配力求均衡，但仍需检查两组基线特征（如血压、其他危险因素）是否有统计学差异。⑤测量精度：心血管事件诊断的标准是否统一？⑥潜在混杂因素：是否控制了其他重要混杂因素（如同时使用其他降压药）？⑦安全性：除了疗效，还需关注两组不良事件的发生情况。⑧统计假设前提：检查数据是否满足卡方检验或t检验的前提条件。2.答案：(1)分析这种关联强度最合适的统计指标是优势比（OddsRatio,OR）。理由：①研究比较了不同吸烟程度（三个等级：从不、轻度、重度）与呼吸系统疾病患病率（定类变量：患病/未患病）之间的关联。②优势比是用于衡量暴露（吸烟程度）与结局（患病）关联强度的指标，特别适用于病例对照研究，也适用于暴露变量是定类多水平的情况。③OR值表示暴露于高剂量（重度吸烟）人群的疾病优势是未暴露（从不吸烟）人群的多少倍，能够清晰地反映不同吸烟级别与疾病风险的关联程度。计算公式为：(a/c)/(b/d)，其中a为重度吸烟且患病人数，b为轻度吸烟且患病人数，c为重度吸烟且未患病人数，d为轻度吸烟且未患病人数（基于2x3列联表）。(2)如果要进一步比较不同吸烟程度组间的患病率差异是否有统计学意义，应选择以下统计方法：①趋势检验（TrendTest）：如果吸烟程度可以被赋予一个有序的数值（例如，从不=0，轻度=1，重度=2），可以计算各组患病率的平均值，并进行单因素方差分析（ANOVA）或线性回归分析，检验随着吸烟程度增加，患病率是否呈统计学上的线性趋势。②多项.logistic回归分析（MultinomialLogisticRegression）：如果将吸烟程度作为自变量（定类变量），呼吸系统疾病患病状态作为因变量（定类变量，二分类），可以使用多项logistic回归模型来同时分析不同吸烟级别与患病状态（相对于“从不吸烟组”）的关联强度和方向，并检验关联是否随着吸烟程度升高而变化。(3)在报告研究结果时，除了统计显著性（P值），还应关注：①效应量（EffectSize）：报告各吸烟组的OR值及其95%置信区间，OR值的大小直接反映了关联的强度。②关联方向：说明吸烟