2025年大学《统计学》专业题库- 统计学在医药研发中的应用

2025年大学《统计学》专业题库——统计学在医药研发中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项字母填在题干后的括号内）1.在一项比较新药A与安慰剂治疗某疾病的疗效的随机对照试验中，为了减少选择偏倚，研究者采用了双盲设计。这里的“盲”主要指的是（）。A.研究人员不知道分组情况B.受试者不知道自己接受的是哪种处理C.数据分析者不知道分组情况D.监管机构不知道试验目的2.医药研发中，进行样本量估算时，需要考虑的主要因素通常不包括（）。A.预期的效应大小B.统计检验的功效（Power）C.允许的误差范围D.受试者的期望回报率3.某研究旨在比较两种不同剂量药物的有效率。如果有效率的差异很大，则所需的样本量（）。A.越大B.越小C.不受影响D.无法确定4.在一项临床试验中，收集到某指标的数据分布明显偏态，且存在异常值。初步分析时，比较适合使用的统计方法是（）。A.单因素方差分析B.配对样本t检验C.Wilcoxon符号秩检验D.Pearson相关系数5.医疗研究中的“p值”通常用来衡量（）。A.数据的离散程度B.研究结果的效应大小C.假设检验中观察到的数据与原假设相符合的可能性D.样本量的大小6.在一项观察性研究中，研究者发现服用某种补充剂的人群患某种疾病的相对风险（RR）显著高于未服用人群。以下哪项是RR值最可能解释的（）。A.服用该补充剂导致患病的绝对人数增加量B.服用该补充剂的人群中患病率与非服用人群的比值C.患该疾病的人群中服用该补充剂的百分比D.该补充剂的化学成分对人体的具体影响程度7.对于生存分析数据，Kaplan-Meier生存曲线能够有效展示（）。A.不同治疗组之间疗效指标的均值差异B.研究对象在随访期间经历事件（如死亡）的概率随时间的变化C.受试者失访情况的比例随时间的动态变化D.事件发生原因的统计分析结果8.在处理多个“omics”数据集（如基因表达数据、蛋白质表达数据）时，为了减少维度并识别主要的变异模式，常会使用的方法是（）。A.线性回归分析B.线性判别分析（LDA）C.主成分分析（PCA）D.卡方检验9.在解读临床试验结果时，除了关注p值，还应关注（）。A.统计功效B.效应量及其置信区间C.研究设计的合理性D.以上所有10.当一项研究需要同时检验多个假设时，为了控制错误拒绝原假设（I型错误）的总概率，需要采用的方法是（）。A.增加样本量B.提高统计检验的功效C.进行多重检验校正（如Bonferroni校正）D.选择更严格的显著性水平α二、填空题（每空2分，共20分。请将答案填在题干横线上）1.在一项比较两种药物治疗高血压效果的随机对照试验中，将受试者随机分配到不同治疗组是为了控制______偏倚。2.对于服从正态分布且方差已知的两组样本均值进行差异检验，应选用______检验。3.生存分析中，通常用______来衡量事件未发生的时间。4.在进行假设检验时，原假设通常用______表示。5.当研究数据不满足参数检验的假设条件时，可以考虑使用______检验或非参数检验方法。6.在一项病例对照研究中，计算某危险因素与疾病的比值比（OR）来估计其关联强度。7.评估一项筛查试验的准确性时，常用的指标包括灵敏度、特异性和______。8.样本量的估算与预期的______大小密切相关，预期效应越大，所需样本量通常越大。9.在多重比较问题中，使用Bonferroni方法进行校正时，通常会______（填“提高”或“降低”）犯I型错误的概率。10.医药研发中的统计分析不仅需要关注统计结果的显著性，还需要考虑其______和临床意义。三、简答题（每小题5分，共25分）1.简述随机对照试验（RCT）设计在医药研发中的主要优势和意义。2.解释什么是假设检验中的第一类错误（α错误）和第二类错误（β错误），并说明如何平衡两者。3.在医药研发中，为什么需要计算效应量（EffectSize）？它与p值有何不同？4.什么是盲法设计？在临床试验中实施盲法的主要目的是什么？5.简述Meta分析在医药研发领域中的应用价值。四、计算与分析题（每小题10分，共30分）1.某研究比较了两种治疗方法A和B对某种疾病缓解率的影响。随机抽取了200名患者，其中100人接受治疗A，100人接受治疗B。治疗后，治疗A组有65人缓解，治疗B组有80人缓解。请简述如何使用统计方法检验两种治疗方法的缓解率是否存在显著差异，并说明需要考虑哪些因素。2.一项研究随访了100名癌症患者，记录了他们的生存时间（以月为单位），并按是否接受某种新疗法将其分为两组。新疗法组（n=50）的平均生存时间为45个月，标准差为8个月；对照组（n=50）的平均生存时间为35个月，标准差为10个月。请简述可以使用哪些生存分析方法来比较两组患者的生存分布，并说明选择这些方法的原因。3.假设一项研究旨在探讨吸烟（是/否）与某疾病（是/否）的关联。研究者收集了200名受试者的数据，其中吸烟者110名，非吸烟者90名。在吸烟者中，有30人患有该疾病；在非吸烟者中，有10人患有该疾病。请简述如何计算该疾病的吸烟相对风险（RR），并解释RR值的意义。试卷答案一、选择题1.B2.D3.B4.C5.C6.B7.B8.C9.D10.C二、填空题1.分配2.Z检验（或u检验）3.生存时间（或生存函数）4.H₀（或H₀）5.参数6.病例对照研究7.阳性预测值8.效应9.降低10.实际三、简答题1.优势与意义：随机对照试验通过随机分配将受试者分配到不同处理组，能有效控制混杂因素和选择偏倚，使比较组在基线特征上更具可比性。这有助于确保观察到的疗效差异主要是由处理因素引起，而非其他因素，从而提高研究结果的内部有效性和可信度，是评估干预措施效果的金标准。2.第一类错误（α错误）：指研究者拒绝了实际上为真（即处理效果无效）的原假设，即错误地判断处理有效。第二类错误（β错误）：指研究者未能拒绝实际上为假（即处理效果有效）的原假设，即错误地判断处理无效。平衡两者：通常通过调整显著性水平α、增加样本量（主要降低β错误）或改进研究设计来实现。增大α会降低β，但增加I型错误风险；增大样本量能同时降低α和β，但可能成本更高。需根据研究背景和后果权衡。3.需求与区别：效应量衡量处理因素引起的真实效果大小或强度，是结果本身的重要特征，不受样本量影响。p值仅反映观察到的数据在多大程度上与无效假设相矛盾，其大小受样本量影响很大。效应量越大，即使p值不显著，也可能具有实际意义；p值显著时，效应量的大小决定了结果的实际价值。关注效应量有助于更全面地理解研究结果。4.盲法设计：指在临床试验过程中，部分或全部参与者、执行者（研究人员）、甚至数据分析者不知道受试者接受的是哪种处理（如药物或安慰剂）。目的：主要为了防止主观偏倚（如安慰剂效应、检测偏倚），确保评估的客观性，保证结果的可靠性。5.应用价值：Meta分析通过系统性地搜集、筛选、合并多个独立研究（通常是RCT）的结果，可以得到比单个研究更精确、更可靠的效应估计，提高统计功效。有助于综合评价某种干预措施的效果或暴露因素与结局的关联强度，为临床决策提供更强有力的证据，发现单个研究可能存在的局限性或矛盾之处。四、计算与分析题1.检验方法：可以使用卡方检验（χ²检验）或费希尔精确检验来比较两组（治疗A组、治疗B组）的缓解率（构成比）是否存在显著差异。计算步骤包括：构造2x2列联表，计算期望频数，计算卡方统计量（χ²=Σ((O-E)²/E)），根据自由度（df=(行数-1)×(列数-1)=1）查找卡方分布表确定p值，或直接计算精确p值。需要考虑：样本量是否足够大（一般要求所有期望频数≥5），检验结果的假设条件是否满足，以及结果的临床意义。2.可用方法与原因：可以使用Kaplan-Meier生存分析来估计并绘制两组患者的生存函数曲线，直观比较生存分布的差异。如果需要量化比较，可以使用对数秩检验（Log-ranktest）或Wilcoxon生存检验。选择这些方法的原因：生存分析专门处理时间至事件数据（如生存时间），能够考虑删失数据（未观察到事件结局的受试者），Kaplan-Meier方法能提供生存概率随时间变化的详细信息，对数秩检验是一种非参数检验，适用于比较两组生存分布的差异，不依赖于生存时间的具体分布假设。3.计算与解释：相对风险（RR）的计算公式为：RR=(暴露组发病率/非暴露组发病率)=(a/(a+c))/(b/(b+