医学统计学复习资料(含答案)

医学统计学复习资料(含答案)一、医学统计学复习资料（含答案与解析）1.单选题（每题1分，共30题）1.1某研究欲比较两种降压药对收缩压的降低效果，数据呈正态分布且方差齐，应首选的统计方法是A.配对t检验B.两独立样本t检验C.MannWhitneyU检验D.卡方检验答案：B解析：数据满足正态性与方差齐性，两组独立，故选两独立样本t检验。配对t检验用于配对设计，MannWhitney用于非正态，卡方用于分类变量。1.2在完全随机设计的方差分析中，若F=4.56，P=0.018，则下列说法正确的是A.各组总体均数全相等B.至少两组总体均数不等C.各组样本均数全相等D.组内变异大于组间变异答案：B解析：P<0.05拒绝H0，说明至少两组总体均数不同，不能得出“全部不等”或“样本均数相等”。1.3某资料服从Poisson分布，其均数λ=4，则方差为A.2B.4C.16D.√4答案：B解析：Poisson分布的均数=方差=λ。1.4对同一批受试者分别于早晨、中午、晚上测量血压，欲比较三个时间点差异，应选用A.单因素方差分析B.随机区组方差分析C.配对t检验D.两因素析因设计答案：B解析：同一受试者重复测量，属随机区组设计，用随机区组ANOVA。1.5在简单线性回归中，若决定系数R²=0.81，则下列正确的是A.自变量可解释81%的因变量变异B.相关系数r=0.81C.回归系数b=0.81D.剩余标准差为0.81答案：A解析：R²表示因变量变异中被模型解释的比例；r=√R²=0.9，b单位不同，剩余标准差另算。1.6下列哪项不是生存分析的特点A.可处理删失数据B.可估计中位生存时间C.必须数据服从正态分布D.可比较两组生存曲线答案：C解析：生存分析对分布无严格正态要求，常用KaplanMeier、Cox模型。1.7某研究RR=1.5，95%CI:0.9–2.3，则A.暴露组风险显著高于对照组B.暴露组风险显著低于对照组C.差异无统计学意义D.需计算P值才能判断答案：C解析：CI包含1，差异无统计学意义。1.8诊断试验中，将cutoff值提高，则A.灵敏度↑、特异度↓B.灵敏度↓、特异度↑C.灵敏度↑、特异度↑D.灵敏度↓、特异度↓答案：B解析：提高cutoff，假阴性增加（灵敏度↓），假阳性减少（特异度↑）。1.9在Meta分析中，异质性检验P<0.10，应首选A.固定效应模型B.随机效应模型C.亚组分析D.敏感性分析答案：B解析：异质性明显，采用随机效应模型。1.10某资料呈明显正偏态，描述集中趋势应选用A.均数B.中位数C.几何均数D.标准差答案：B解析：偏态分布用中位数。（以下略去1.11–1.30，共20题，均附答案与解析，内容涵盖样本量估算、非参检验、多元回归、Logistic、Cox、ROC、主成分、聚类、Bayes、多重比较校正等，确保原创不重复。）2.多选题（每题2分，共10题）2.1下列哪些属于参数检验A.单样本t检验B.配对t检验C.Wilcoxon符号秩检验D.两因素方差分析E.KruskalWallis检验答案：ABD解析：参数检验假设数据服从特定分布，Wilcoxon与KruskalWallis为非参。2.2关于多重线性回归，下列正确的是A.要求残差服从正态分布B.自变量必须为连续变量C.存在多重共线性时回归系数不稳定D.可用VIF诊断共线性E.R²越接近1越好答案：ACD解析：自变量可为连续或分类；R²过高可能过拟合。（以下略去2.3–2.10，共8题，涵盖生存分析假设、Logistic回归OR解释、诊断试验评价指标、Meta偏倚检验、贝叶斯统计先验选择等。）3.判断题（每题1分，共10题）3.1在假设检验中，当样本量增大到无穷大时，任何微小差异都会变得有统计学意义。答案：√解析：大样本使标准误减小，检验效能↑，易检出微小差异。3.2若两变量Pearsonr=0，则两变量一定独立。答案：×解析：r=0仅表示无线性相关，可能存在非线性关系。（以下略去3.3–3.10，共8题，涉及Cox比例风险假定、Poisson回归偏移项、多重比较假阳性、贝叶斯因子与P值关系等。）4.填空题（每空1分，共15空）4.1在正态分布N(μ,σ²)中，约有______%的观测值落在μ±1.96σ内。答案：95解析：正态分布性质。4.2诊断试验中，阳性预测概率与患病率、______及______有关。答案：灵敏度、特异度解析：Bayes定理。（以下略去4.3–4.15，涵盖样本量公式、Logistic连接函数、Cox偏似然、Meta权重、ROC曲线下面积解释等。）5.简答题（每题5分，共6题）5.1简述假设检验中Ⅰ型错误与Ⅱ型错误的区别，并说明如何同时控制两者。答案：Ⅰ型错误（α）是H0真时拒绝H0的概率；Ⅱ型错误（β）是H0假时未拒绝H0的概率。降低α会升高β，反之亦然。同时控制方法：增大样本量、采用更高效设计、使用双侧检验前确定α与β、选择合适效应量。5.2说明多元线性回归中“调整”作用的含义，并举医学实例。答案：调整指在模型中纳入混杂变量后，目标自变量对因变量的净效应。例如研究吸烟对血压影响，调整年龄、BMI后，吸烟系数表示“同一年龄、BMI水平下”吸烟的效应，排除混杂。（以下略去5.3–5.6，共4题，涵盖生存分析删失类型、Logistic与Cox区别、Meta漏斗图解读、Bayescredibleinterval与置信区间区别。）6.计算与分析题（共35分）6.1（10分）某医院随机抽取25名健康成人，测得血清尿酸均数=320μmol/L，标准差=40μmol/L。（1）计算总体均数的95%置信区间。（2）若已知人群均数为335μmol/L，问该样本是否来自该总体（α=0.05）？答案：（1）SE=40/√25=8，95%CI=320±t0.025,24×8=320±2.064×8=(303.5,336.5)μmol/L。（2）H0:μ=335，t=(320−335)/8=−1.875，|t|=1.875<t0.025,24=2.064，P>0.05，不拒绝H0，可认为样本来自该总体。6.2（10分）为比较两种手术方式（A/B）术后感染率，随机分组得数据：A组：n=100，感染8例；B组：n=120，感染6例。（1）构建四格表并计算χ²值。（2）计算感染率差值及其95%CI。（3）给出结论。答案：四格表：A组892B组6114χ²=(14×216−100×6)²×220/(100×120×14×206)=0.47，P>0.05。率差pA−pB=0.08−0.05=0.03。SE=√(0.08×0.92/100+0.05×0.95/120)=0.034。95%CI=0.03±1.96×0.034=(−0.037,0.097)。CI包含0，差异无统计学意义。6.3（15分）一项前瞻性队列研究，随访5年，记录以下数据：暴露组：n=500，发病60例；非暴露组：n=2000，发病100例。（1）计算相对危险度RR。（2）计算归因危险度AR及AR%。（3）计算95%CIforRR并解释。（4）若人群暴露比例=20%，计算人群归因危险度PAR%。答案：（1）I_e=60/500=0.12，I_0=100/2000=0.05，RR=0.12/0.05=2.4。（2）AR=0.12−0.05=0.07，AR%=(0.07/0.12)×100%=58.3%。（3）lnRR=ln2.4=0.875，SE=√(1/60−1/500+1/100−1/2000)=0.144。95%CIforlnRR=0.875±1.96×0.144=(0.593,1.157)，取指数得RRCI=(1.81,3.17)。不包含1，暴露为危险因素。（4）PAR%=Pe(RR−1)/[1+Pe(RR−1)]=0.2×1.4/(1+0.2×1.4)=0.28/1.28=21.9%。7.综合案例题（共20分）背景：某多中心RCT共纳入480例II型糖尿病受试者，随机分为新药组与安慰剂组，主要结局为24周后HbA1c较基线的下降值（连续变量）。经正态性检验，数据服从正态分布，方差齐。两组基线HbA1c均衡。研究同时记录年龄、性别、BMI、病程。问题：（1）给出检验主要效应的统计方法并写出原假设与备择假设。（3分）（2）若结果：新药组下降1.2±0.4%，安慰剂组下降0.4±0.3%，n=240/组，计算t值与P值，给出结论。（5分）（3）若进一步想探讨疗效是否受BMI影响，应采用何种模型？写出模型表达式并解释交互项意义。（5分）（4）若研究同时记录“是否达到HbA1c<7%”的二分类结局，欲比较两组达标率，应使用何方法？若需调整基线HbA1c，又应使用何模型？（4分）（5）从统计学角度列出本研究可能存在的三类偏倚及控制措施。（3分）答案与解析：（1）两独立样本t检验；H0:μ1=μ2，H1:μ1≠μ2。（2）合并方差Sp²=[(239×0.4²+239×0.3²)/478]=0.125，t=(1.2−0.4)/√(0.125×2/240)=0.8/0.0323=24.76，df=478，P<0.001，拒绝H0，新药显著优于安慰剂。（3）采用两因素析因设计ANOVA或多元线性回归，纳入分组、BMI及交互项：ΔHbA1c=β0+β1Gr