医学统计学试题及答案完整版

医学统计学试题及答案完整版1.（单选）某研究欲比较两种降压药的疗效，将180例高血压患者随机分为A、B两组，各90例。治疗8周后，A组平均收缩压下降14.5mmHg，标准差6.8mmHg；B组平均下降11.2mmHg，标准差7.1mmHg。若资料近似正态且方差齐性，检验两药疗效差异应首选A.配对t检验 B.两独立样本t检验 C.单因素方差分析 D.非参数秩和检验答案：B解析：两组完全随机设计、结局为连续变量、满足正态及方差齐性，独立样本t检验效能最高；配对t检验用于自身前后对照；单因素方差分析用于三组及以上；非参数检验仅在参数条件不满足时采用。2.（单选）上述题中，若经Levene检验F=0.18、P=0.67，则下一步应报告A.t值与未校正自由度 B.t值与Satterthwaite校正自由度 C.方差分析表 D.Mann-WhitneyU答案：A解析：Levene检验P>0.10，提示方差齐性，无需校正自由度，直接采用合并方差t检验。3.（单选）若将降压幅度划分为“有效”（≥10mmHg）与“无效”（<10mmHg），则资料类型转为A.连续型 B.有序分类 C.二分类 D.计数资料答案：C解析：人为二分类，结局为“是/否”有效，属二分类变量。4.（单选）对题3的二分类结局，比较两组有效率，应首选A.卡方检验 B.Fisher精确概率法 C.两样本t检验 D.配对卡方答案：A解析：两组独立、二分类，总例数180>40，期望频数均>5，Pearson卡方检验即可；Fisher法用于期望频数<5；t检验用于连续变量；配对卡方用于配对设计。5.（单选）若A组有效人数为63例，B组为48例，则卡方检验的χ²值约为A.4.55 B.5.23 C.6.10 D.7.04答案：A解析：列四格表：A组有效63、无效27；B组有效48、无效42。χ²=(180×|63×42−27×48|²)/(90×90×111×69)=4.55。6.（单选）接上题，χ²=4.55对应的P值范围A.0.010<P<0.025 B.0.025<P<0.050 C.0.050<P<0.100 D.P>0.100答案：B解析：df=1，χ²=4.55介于3.84与5.02之间，故0.025<P<0.050。7.（单选）若研究者欲观察降压幅度是否随年龄增加而线性变化，应采用的统计图是A.箱式图 B.直方图 C.散点图 D.误差条形图答案：C解析：两连续变量线性趋势，散点图最直观；箱式图展示分布；直方图展示单变量频率；误差条形图用于均数±标准误。8.（单选）为描述某指标95%的参考值范围，应计算A.均数±1.96标准误 B.均数±1.96标准差 C.均数±t0.05,ν标准误 D.中位数±2.5百分位数答案：B解析：参考值范围针对个体值，用标准差；标准误用于均数置信区间。9.（单选）某实验室建立新检测方法，对同一份标本重复测定10次，结果（单位mg/L）为：5.1,4.9,5.0,5.2,5.1,4.8,5.0,5.3,5.1,4.9。其变异系数约为A.2.1% B.2.7% C.3.0% D.3.4%答案：B解析：均数=5.04，标准差=0.136，CV=0.136/5.04×100%=2.7%。10.（单选）若该实验室欲评价新方法与金标准的一致性，应首选A.Pearson相关 B.配对t检验 C.Bland-Altman图 D.线性回归答案：C解析：Pearson相关仅测线性关系，不反映一致；配对t检验仅测系统误差；Bland-Altman可综合评估系统误差与随机误差，为一致性金标准。11.（单选）某肿瘤标志物呈偏态分布，欲比较两组中位数，应首选A.两样本t检验 B.Mann-WhitneyU检验 C.卡方检验 D.方差分析答案：B解析：偏态+两组独立，非参数Mann-WhitneyU检验。12.（单选）若样本量n=16，总体标准差未知，估计均数95%置信区间应查A.z界值 B.t界值，df=15 C.t界值，df=16 D.χ²界值答案：B解析：σ未知且n<30，用t分布，df=n−1=15。13.（单选）在多重线性回归中，若某自变量方差膨胀因子VIF=8.5，则提示A.无多重共线性 B.轻度共线性 C.中度共线性 D.严重共线性答案：C解析：VIF>10为严重，5–10为中度，<5可接受。14.（单选）Logistic回归中，OR的95%CI为1.03–2.15，则可认为A.肯定存在关联 B.可能有关联 C.无关联 D.需看P值答案：B解析：CI不包含1，P<0.05，可认为可能有关联；但“肯定”过于绝对。15.（单选）Cox回归比例风险假设不满足时，可采取A.直接解释HR B.引入时间依赖协变量 C.改用Logistic回归 D.改用t检验答案：B解析：比例风险不满足，可构造时间与协变量交互项，即时间依赖协变量。16.（单选）Meta分析中，I²=62%，提示A.无异质性 B.轻度异质性 C.中度异质性 D.高度异质性答案：C解析：I²>50%为中度，>75%为高度。17.（单选）若随机效应模型与固定效应模型合并效应相差较大，首要考虑A.发表偏倚 B.异质性来源 C.计算错误 D.样本量小答案：B解析：两模型结果差异大，提示研究间异质性明显，应探索异质性来源。18.（单选）对诊断试验评价，若金标准不完美，可采取A.灵敏度单独报告 B.特异度单独报告 C.latentclass模型 D.直接放弃答案：C解析：无完美金标准，可用潜类别模型估计真实灵敏度与特异度。19.（单选）ROC曲线下面积AUC=0.72，提示诊断价值A.较低 B.中等 C.较高 D.完美答案：B解析：AUC0.7–0.8为中等，0.8–0.9良好，>0.9优秀。20.（单选）若样本量固定，降低Ⅱ型错误概率的最佳途径是A.提高α B.降低α C.增加效应量 D.减少测量误差答案：A解析：提高α可直接降低β，但增加Ⅰ型错误；增加效应量不现实；减少测量误差可提高效能，但不如提高α直接。21.（单选）在交叉设计中，处理效应检验的前提为A.无顺序效应 B.无阶段效应 C.无交互效应 D.以上均是答案：D解析：交叉设计需满足无阶段效应、顺序效应及处理×阶段交互，否则结果偏倚。22.（单选）对计数资料进行趋势卡方检验，需满足A.有序分类 B.二分类 C.正态分布 D.方差齐性答案：A解析：趋势检验用于有序分类自变量与二分类结局。23.（单选）若两变量Pearsonr=0.85，P<0.001，则可认为A.因果关系密切 B.存在线性相关 C.一定存在混杂 D.可替代答案：B解析：相关仅提示线性关系，不暗示因果。24.（单选）在临床试验中，采用区组随机化的主要目的是A.增加样本量 B.减少选择偏倚 C.提高依从性 D.降低失访答案：B解析：区组随机化保证组间人数平衡，减少研究者预测，降低选择偏倚。25.（单选）对生存数据，若出现大量删失，且删失非随机，则A.可忽略 B.采用Kaplan-Meier即可 C.需敏感性分析 D.改用t检验答案：C解析：非随机删失导致偏倚，需多重插补或逆概率加权等敏感性分析。26.（单选）在统计推断中，P值表示A.H0成立概率 B.数据或更极端出现的概率，假定H0真 C.Ⅰ型错误概率 D.效应大小答案：B解析：P值为在H0真时，获得当前或更极端数据的概率。27.（单选）若置信区间不含零，但P=0.06，则A.结果矛盾 B.可能α取0.05 C.计算错误 D.样本量小答案：B解析：P>0.05，但区间可能刚好跨越0，需看有效数字；此处P=0.06与区间一致，α=0.05时无统计学意义。28.（单选）对重复测量资料，若球性检验P<0.05，应A.直接用重复测量方差分析 B.校正自由度 C.改用t检验 D.放弃答案：B解析：球性不满足，采用Greenhouse-Geisser或Huynh-Feldt校正。29.（单选）在Poisson回归中，过度离散表现为A.残差偏差/自由度≈1 B.远大于1 C.远小于1 D.等于0答案：B解析：过度离散时离散参数>1，需负二项回归。30.（单选）对匹配病例对照研究，分析时应采用A.普通Logistic回归 B.条件Logistic回归 C.线性回归 D.卡方答案：B解析：匹配设计需控制匹配因素，采用条件Logistic回归。31.（多选）下列哪些属于生存数据特点A.含结局事件 B.含时间信息 C.可存在删失 D.必为正态答案：A,B,C解析：生存数据需时间+事件，允许删失，分布常偏态。32.（多选）关于样本量估算，正确的有A.与效应量成反比 B.与α成正比 C.与功效成正比 D.与标准差成正比答案：A,C,D解析：效应量越大，所需n越小；α越大，n越小；功效越高，n越大；变异越大，n越大。33.（多选）多重比较校正方法包括A.Bonferroni B.Holm C.Tukey D.SNK答案：A,B,C,D解析：均为常用校正或多重比较方法。34.（多选）下列属于非参数检验的有A.Kruskal-Wallis B.Wilcoxon符号秩 C.Friedman D.卡方答案：A,B,C解析：卡方用于分类资料，非连续变量非参数。35.（多选）在诊断试验中，影响阳性预测值的因素有A.灵敏度 B.特异度 C.患病率 D.样本量答案：A,B,C解析：PPV与Se、Sp、患病率均相关，与样本量无直接关系。36.（计算题）某研究测得12名糖尿病患者空腹血糖（mmol/L）：7.8,8.1,7.5,8.4,7.9,8.0,8.2,7.7,8.5,8.3,7.6,8.1。已知一般人群均值为6.1mmol/L，问糖尿病患者血糖是否升高？（α=0.05）答案：H0：μ=6.1，H1：μ>6.1均数=8.01，标准差=0.307，标准误=0.307/√12=0.0886t=(8.01−6.1)/0.0886=21.56，df=11查t界值表单侧t0.05,11=1.796，21.56>1.796，P<0.0005结论：拒绝H0，糖尿病患者空腹血糖显著高于一般人群。37.（计算题）为评价某试剂盒，对150例疑似样本检测，结果如下：金标准+ 金标准−试剂盒+  92   15试剂盒−   8   35求灵敏度、特异度、阳性预测值、阴性预测值、Youden指数。答案：灵敏度=92/(92+8)=92.0%特异度=35/(15+35)=70.0%PPV=92/(92+15)=86.0%NPV=35/(8+35)=81.4%Youden指数=0.92+0.70−1=0.6238.（计算题）某随机对照试验，试验组死亡率12/120，对照组24/120，求RR、AR、NNT及其95%CI。答案：RR=(12/120)/(24/120)=0.50AR=0.10−0.20=−0.10NNT=1/0.10=10lnRR的SE=√[(1/12−1/120)+(1/24−1/120)]=0.30695%CI:ln0.50±1.96×0.306=(−1.40,−0.20)RR95%CI:e^(−1.40)–e^(−0.20)=0.25–0.82NNT95%CI:1/(1−0.82)–1/(1−0.25)=5.6–40.039.（计算题）对8例受试者，测得ALT（U/L）基线与12周后的差值：8,5,12,−3,6,9,4,7。试检验ALT是否显著变化（α=0.05）。答案：H0：差值总体均数=0均数=6.0，标准差=4.34，标准误=4.34/√8=1.53t=6.0/1.53=3.92，df=7，双侧t0.025,7=2.3653.92>2.365，P<0.01，拒绝H0，ALT显著升高。40.（计算题）某研究得HR=1.45，95%CI1.10–1.92，求其标准误。答案：SE=(ln1.92−ln1.10)/(2×1.96)=0.13541.（简答）简述混杂因素识别的三个标准，并举例说明。答案：(1)与暴露相关：如吸烟与咖啡消费相关；(2)与结局独立相关：吸烟是肺癌独立危险因素；(3)不是暴露与结局的中间路径：吸烟非咖啡致肺癌的中间变量。满足三条件即为混杂，需控制。42.（简答）说明为什么相关系数r不能用于评价一致性，并给出替代方法。答案：r仅测线性关系，对系统偏移不敏感，如Y=X+5可r=1但完全不一致。替代：Bland-Altman图，计算95%一致性界限，或组内相关系数ICC。43.（简答）解释“P>0.05”与“无差异”之间的区别。答案：P>0.05仅提示在α=0.05水平未拒绝H0，可能因样本量不足；不能证明H0真，需结合效应量与置信区间。44.（简答）列举三种处理缺失数据的方法并比较其优劣。答案：(1)完整案例分析：简单但可能偏倚；(2)末次结转：易操作，高估疗效；(3)多重插补：利用变量关系，减少偏倚，但需模型正确。45.（综合）某新药Ⅲ期临床试验，计划检测其降低MACE相对风险20%，对照事件率15%，α=0.05双侧，功效80%，按1:1随机，需多少样本？若改用1:2分配，样本量如何变化？答案：P1=0.15，P2=0.12，平均P=0.135n=[Zα/2√(2P(1−P))+Zβ√(P1(1−P1)+P2(1−P2))]²/(P1−P2)²Z0.025=1.96，Z0.20=0.84n≈(1.96√0.233+0.84√0.235)²/0.03²=0.96²/0.0009=1026每组，总20521:2分配：试验组权重提高，合并方差减小，经计算n对照=771，n新药=1542，总2313，增加约12%。46.（综合）某医院回顾性分析2015–2020年肺癌手术患者，共收集860例，欲建立术后30天死亡风险预测模型。变量含年龄、性别、FEV1%、病理类型、手术方式、术前白蛋白等。请给出分析步骤、模型选择、验证策略及报告要点。答案：步骤：(1)数据清洗：缺失值<5%用多重插补，>5%探索机制；(2)单因素：t/χ²/Mann-Whitney筛选P<0.10；(3)共线性：VIF>5剔除；(4)模型：因死亡率为5.3%，用Logistic回归；(5)变量选择：LASSO+临床强制纳入；(6)内部验证：Bootstrap1000次，计算C-index与校准斜率；(7)外部验证：另中心200例；(8)报告：TRIPOD清单，给出模型公式、ROC、DCA、校准图、网页计算器。47.（综合）一项巢式病例对照研究，基于50万人群队列，随访10年，识别新发结直肠癌2400例，按年龄性别1:5匹配，取12000例对照。欲探讨饮食炎症指数（EII）与癌风险关系，已测EII呈偏态。请写出分析方案。答案：(1)描述：病例与对照基线，Wilcoxon比较EII；(2)趋势：将EII四分位，条件Logistic回归计算