2025年医药统计学题库及答案

2025年医药统计学题库及答案一、单项选择题1.在某抗抑郁药物Ⅲ期临床试验中，研究者将120例患者按1:1随机分配至试验组（新药）和对照组（安慰剂），主要终点为治疗8周后汉密尔顿抑郁量表（HAMD）评分的变化值。若两组基线HAMD评分的均数分别为25.3（SD=3.1）和24.8（SD=2.9），则基线数据的可比性应通过以下哪种方法验证？A.独立样本t检验B.配对t检验C.单样本t检验D.卡方检验答案：A（解析：两组独立样本的均数比较，基线为连续变量，应使用独立样本t检验验证可比性）2.某肿瘤药物真实世界研究中，收集了500例患者的生存时间（月），其中120例在研究结束时仍存活（截尾）。计算中位生存时间时，最适宜的方法是？A.直接计算未截尾数据的中位数B.Kaplan-Meier法C.Cox比例风险模型D.寿命表法答案：B（解析：存在截尾数据时，Kaplan-Meier法通过逐步计算各时间点的生存概率，可准确估计中位生存时间）3.为分析某降压药剂量（2.5mg、5mg、10mg）与收缩压下降值（mmHg）的关系，研究者收集了3组患者的血压数据（每组n=30）。若数据满足正态性和方差齐性，应采用的统计方法是？A.单因素方差分析B.完全随机设计t检验C.重复测量方差分析D.秩和检验答案：A（解析：多组（3组）独立样本均数比较，满足正态性和方差齐性时，单因素方差分析为首选）4.在Logistic回归分析中，若某自变量（X）的OR值为1.8（95%CI:1.2-2.7），P=0.003，说明？A.X每增加1单位，发生事件的概率增加1.8倍B.X每增加1单位，发生事件的风险比（优势比）为1.8C.X与事件发生无统计学关联D.X是事件发生的保护因素答案：B（解析：Logistic回归的OR值表示自变量每增加1单位时，事件发生与不发生的优势比的倍数变化，OR>1为危险因素）5.某疫苗Ⅰ期临床试验中，研究者记录了30名受试者接种后的体温（℃），数据为：36.2、36.5、36.8、37.1、37.3（n=30，其中2例为37.8℃）。描述该数据集中趋势的最佳指标是？A.均数B.中位数C.众数D.几何均数答案：B（解析：存在2例较高体温（可能为异常值），中位数对极端值不敏感，更适合描述集中趋势）二、简答题1.简述t检验与方差分析的联系与区别。答案：联系：均用于定量资料的组间差异比较，基于正态分布和方差齐性假设，t检验可视为方差分析在两组比较时的特例（当方差分析F检验P<0.05且组数为2时，F=t²）。区别：t检验仅适用于两组独立样本或配对样本的均数比较；方差分析可用于两组及以上独立样本的均数比较，通过分解总变异为组间变异和组内变异，判断至少有一组与其他组不同，后续需通过多重比较（如LSD-t检验）确定具体差异组。2.简述生存分析中“截尾”的常见类型及处理方法。答案：常见截尾类型：①右截尾（最常见）：研究结束时事件未发生（如患者失访、存活至研究结束）；②左截尾：事件发生时间早于观察开始时间（如入组前已发病）；③区间截尾：事件发生时间介于两个观察时间点之间。处理方法：右截尾通常采用Kaplan-Meier法或Cox模型，通过保留截尾信息计算生存概率；左截尾需调整生存时间定义或使用特定模型（如左截尾生存模型）；区间截尾可通过极大似然估计或贝叶斯方法处理。3.解释“意向性分析（ITT）”与“符合方案分析（PP）”的核心区别及在临床试验中的应用原则。答案：核心区别：ITT分析包括所有随机分配的受试者，无论其是否完成治疗或依从方案，保留随机化分组信息；PP分析仅纳入完全依从方案、无重大方案偏离的受试者。应用原则：ITT是主要分析方法，用于保证结果的内部效度（维持随机化平衡），避免因脱落导致的偏倚；PP作为支持性分析，用于评估干预措施的真实效果（排除不依从影响），但需在统计分析计划中预先说明，且结果需与ITT对比，若两者结论一致则更可信。4.简述线性回归分析中“残差分析”的目的及主要内容。答案：目的：验证线性回归模型的假设（线性关系、独立性、正态性、方差齐性）是否成立，评估模型拟合效果。主要内容：①绘制残差散点图（残差vs预测值），观察是否随机分布（无明显趋势或异方差）；②进行正态性检验（如Shapiro-Wilk检验）或绘制QQ图，验证残差是否服从正态分布；③检查异常值（如标准化残差绝对值>3）或高杠杆点（如帽子矩阵值>2p/n），判断是否影响模型稳定性。三、计算题1.某医院收集了10名2型糖尿病患者治疗前（X）与治疗后（Y）的空腹血糖（mmol/L）数据如下：治疗前（X）：7.8,8.2,9.1,6.5,7.3,8.5,9.4,7.0,8.8,7.6治疗后（Y）：6.2,6.8,7.5,5.1,5.9,7.1,8.0,5.7,7.3,6.1（1）计算治疗前后空腹血糖的差值（d=X-Y），并描述其集中趋势与离散趋势；（2）判断治疗前后血糖是否有统计学差异（α=0.05）。答案：（1）差值d分别为：1.6,1.4,1.6,1.4,1.4,1.4,1.4,1.3,1.5,1.5。集中趋势：均数d̄=(1.6+1.4+…+1.5)/10=1.47；中位数：将d排序为1.3,1.4,1.4,1.4,1.4,1.4,1.5,1.5,1.6,1.6，第5、6位均为1.4，中位数=1.4。离散趋势：标准差s=√[Σ(di-d̄)²/(n-1)]=√[(0.03²×2+0.07²×5+0.03²×2+0.13²×1)/9]≈0.087。（2）配对t检验：H0：μd=0（治疗前后无差异）；H1：μd≠0（有差异）。t=(d̄-0)/(s/√n)=1.47/(0.087/√10)≈1.47/0.0275≈53.45。自由度df=10-1=9，查t界值表，t0.05/2,9=2.262，t=53.45>2.262，P<0.05，拒绝H0，认为治疗前后血糖有统计学差异。2.某中药治疗慢性支气管炎的随机对照试验中，试验组（n=80）有效65例，对照组（n=75）有效42例。（1）计算两组有效率并构建95%置信区间；（2）比较两组有效率是否有统计学差异（α=0.05）。答案：（1）试验组有效率p1=65/80=0.8125，95%CI=p1±1.96√[p1(1-p1)/n1]=0.8125±1.96×√(0.8125×0.1875/80)=0.8125±0.085，即(0.7275,0.8975)。对照组有效率p2=42/75=0.56，95%CI=0.56±1.96×√(0.56×0.44/75)=0.56±0.112，即(0.448,0.672)。（2）卡方检验：四格表：有效无效合计试验组651580对照组423375合计10748155理论频数Trc=(Rr×Cc)/n，如T11=(80×107)/155≈55.16，T12=80-55.16=24.84，T21=107-55.16=51.84，T22=75-51.84=23.16。卡方值χ²=Σ[(Orc-Trc)²/Trc]=(65-55.16)²/55.16+(15-24.84)²/24.84+(42-51.84)²/51.84+(33-23.16)²/23.16≈(96.82/55.16)+(96.82/24.84)+(96.82/51.84)+(96.82/23.16)≈1.755+3.898+1.868+4.189≈11.71。自由度df=(2-1)(2-1)=1，查χ²界值表，χ²0.05,1=3.84，χ²=11.71>3.84，P<0.05，拒绝H0，认为两组有效率有统计学差异。四、案例分析题某生物制药公司开展一项评估新型抗血小板药物（A药）与标准药物（B药）疗效的Ⅲ期临床试验，目标入组600例急性冠脉综合征患者，按1:1随机分配至A组（n=300）和B组（n=300），主要终点为12个月内心血管事件（包括心梗、卒中和心血管死亡）的发生率。试验过程中，A组有25例因失访未完成随访，B组有30例因严重不良反应提前退出。问题：1.该试验应采用何种随机化方法保证组间均衡？常见的随机化隐藏措施有哪些？2.主要终点分析时，对失访和提前退出病例应如何处理？说明理由。3.若A组心血管事件发生率为8.5%（24/285），B组为12.0%（33/270），请计算两组事件率的风险比（RR）及其95%置信区间，并判断是否有统计学差异（Z检验，α=0.05）。答案：1.随机化方法：应采用分层随机化（如按年龄、疾病严重程度分层）结合区组随机化，以保证重要基线特征的组间均衡。随机化隐藏措施：使用中心随机系统（如基于网络的随机化平台）、密封不透光的随机分配信封、独立第三方负责分配等，防止研究者提前知晓分组影响入组。2.处理方法：主要终点分析应采用意向性分析（ITT），即A组使用全部300例（包括25例失访），B组使用全部300例（包括30例退出），将失访/退出病例的事件结局视为“发生事件”（最坏情况假设）或“未发生事件”（最好情况假设），或采用末次观察结转（LOCF）等方法填补缺失值。理由：ITT分析保留随机化分组的原始结构，避免因脱落导致的偏倚（如失访者可能具有更高的事件风险，若仅分析完成病例可能低估A药效果）。3.风险比RR=(24/300)/(33/300)=24/33≈0.727。RR的自然对数ln(RR)=ln(0.727)≈-0.319。标准误SE=√[(1/24)+(1/33)-(1/300)-(