中医药统计学与软件模拟试题及答案

中医药统计学与软件模拟试题及答案一、单项选择题（每题2分，共20分）1.在中医药临床研究中，若欲比较两种汤剂对“气虚证”患者症状积分改善的差异，且数据服从正态分布、方差齐性，首选的假设检验方法是A.配对t检验B.两独立样本t检验C.Mann-WhitneyU检验D.卡方检验答案：B解析：症状积分改善值为计量资料，两组独立、正态、方差齐，故选两独立样本t检验。A用于配对设计；C为非参数；D用于计数资料。2.某中医院开展“三伏贴”疗效观察，记录患者“发作次数”属罕见事件，且样本量小、方差远大于均数，宜采用的描述指标为A.均数±标准差B.中位数（四分位距）C.几何均数D.率答案：B解析：罕见事件且分布极度右偏，均数受极端值影响大，中位数与四分位距稳健。3.用R语言进行Logistic回归分析“是否显效”与“年龄、性别、舌质、脉象”的关系，下列代码正确的是A.glm(显效~年龄+性别+舌质+脉象,data=dat,family=gaussian)B.glm(显效~年龄+性别+舌质+脉象,data=dat,family=binomial)C.lm(显效~.,data=dat)D.gbm(显效~.,data=dat,distribution="gaussian")答案：B解析：二分类因变量需指定family=binomial，link默认logit；A误用gaussian；C为线性回归；D为提升法，非基础Logistic。4.对“舌象”变量设“淡红=1，红=2，绛=3，紫暗=4”，在统计模型中直接纳入，则A.视为连续变量，系数解释为单位色阶变化对结局的logORB.需设置3个哑变量，以“淡红”为参照C.可视为等级变量，用1个线性项即可D.必须删除，避免多重共线答案：B解析：舌象为无序多分类，需哑变量化；若视为连续则强行等距，不合理；C仅当确证等级且效应线性时可用。5.在交叉设计试验中，若存在显著的顺序效应（sequenceeffect），则A.可直接忽略，因处理效应已平衡B.应在混合效应模型中加入顺序项与处理×顺序交互项C.仅说明随机化失败，应重做试验D.采用配对t检验即可消除答案：B解析：顺序效应提示不同给药顺序对结局有影响，需在统计模型中控制，否则处理效应估计偏倚。6.用Python的statsmodels库拟合Poisson回归出现“过度离散”，首选的修正命令为A.smf.glm("发作次数~疗法",data=df,family=sm.families.Poisson()).fit()B.smf.glm("发作次数~疗法",data=df,family=sm.families.NegativeBinomial()).fit()C.smf.ols("发作次数~疗法",data=df).fit()D.smf.logit("发作次数~疗法",data=df).fit()答案：B解析：负二项回归通过引入随机效应处理过度离散；A未修正；C为线性；D为二分类。7.对“脉象”进行主成分分析（PCA），若前三个主成分累计贡献率为82%，则A.可直接用三维散点图代替原8维脉象指标B.说明信息损失18%，不可接受C.必须保留全部8维，否则辨证不准D.贡献率过低，应改用因子分析答案：A解析：82%已能反映大部分变异，可用于降维可视化；信息损失是否可接受取决于临床解释力。8.在Meta分析中，评估发表偏倚最常用A.Egger回归B.Q检验C.I²统计量D.Peto法答案：A解析：Egger回归通过回归截距检验小样本效应；B、C为异质性；D为效应合并方法。9.若随机对照试验的“随机化”采用“中心分层、区组随机”，则统计推断时应A.忽略分层，因随机化已保证平衡B.在线性模型中加入“中心”作为固定效应C.仅用Fisher精确检验D.必须采用贝叶斯方法答案：B解析：分层因素可能关联结局，纳入模型可提高精度、减少偏倚。10.用SPSS进行重复测量方差分析，若Mauchly球形检验p<0.05，应A.直接报告未校正结果B.采用Greenhouse-Geisser或Huynh-Feldt校正C.改用多水平模型D.删除异常点答案：B解析：球形假设不满足时，需用ε校正自由度，控制Ⅰ型错误。二、多项选择题（每题3分，共15分）11.下列哪些方法可用于处理中医药数据中的“高维小样本”问题A.LASSO回归B.弹性网C.偏最小二乘判别分析（PLS-DA）D.支持向量机递归特征消除（SVM-RFE）E.单因素t检验筛选答案：ABCD解析：高维小样本易过拟合，LASSO、弹性网、PLS-DA、SVM-RFE均可降维或正则化；E未考虑多重比较及变量间相关，易失真。12.关于“中医证候疗效评价量表”的信度指标，正确的有A.Cronbachα>0.7表示内部一致性良好B.重测信度ICC<0.4说明稳定性差C.分半信度Spearman-Brown系数越接近1越好D.Kappa值可用于评定评定者间信度E.信度高一定意味着效度高答案：ABCD解析：E错误，信度仅反映一致性，效度关注是否测到真实特征，二者不必然同步。13.在R语言中，进行倾向性评分匹配（PSM）时，下列包与函数对应正确的有A.MatchIt::matchit()B.twang::ps()C.Matching::Match()D.optmatch::pairmatch()E.tableone::CreateTableOne()答案：ABCD解析：E用于基线描述，非匹配算法本身。14.下列哪些情况适合采用非参数检验A.样本量小且严重偏离正态B.数据存在大量截尾值（如>50%）C.等级资料D.方差悬殊且无法转换E.已知总体服从正态，样本量>100答案：ABCD解析：E大样本时中心极限定理保证均数近似正态，可用参数检验。15.对“中药复方网络药理学”数据，下列网络指标可量化“关键靶点”的有A.度中心性（Degree）B.接近中心性（Closeness）C.特征向量中心性（Eigenvector）D.边介数（Betweenness）E.网络直径（Diameter）答案：ABCD解析：E描述网络整体规模，不针对节点重要性。三、判断题（每题1分，共10分）16.中医药数据若出现“0”值过多，可直接加1后取对数转换。答案：错解析：加1后log仅能缓解，不能解决过量零问题，应考零膨胀模型（ZIP、ZINB）。17.在多重比较中，Bonferroni法比FDR法更容易出现Ⅱ型错误。答案：对解析：Bonferroni控制族错误率更严格，检验效能下降。18.对同一数据先做单因素筛选p<0.05的变量，再做多因素回归，可有效避免过拟合。答案：错解析：两步法仍过拟合，标准误缩小，置信区间偏窄，应使用正则化或预先设定模型。19.若Logistic回归的ROC曲线下面积AUC=0.5，说明模型无判别力。答案：对解析：AUC=0.5等价于随机分类。20.在生存分析中，若Kaplan-Meier曲线交叉，说明PH假设成立。答案：错解析：曲线交叉提示风险比非恒定，PH假设可能不成立，应考时依Cox或分段模型。21.对“舌苔厚度”采用超声影像自动识别，连续测量3次取平均，可减少随机测量误差。答案：对解析：重复测量平均可降低随机误差，提高精度。22.随机效应Meta分析中，τ²=0表示研究间无异质性。答案：对解析：τ²为异质性方差，0即所有差异由抽样误差解释。23.在Python中，pandas.DataFrame的缺失值可以用df.fillna(df.mean())填补，对分类变量同样适用。答案：错解析：分类变量均值无意义，应使用众数或单独类别填补。24.若某中药成分浓度与毒性呈“U”型关系，线性模型系数显著，可放心报告线性关联。答案：错解析：U型关系需引入二次项，仅线性项显著不代表真实关联。25.对同一批“脉图”数据，小波变换去噪后再提取特征，可提高后续分类模型稳健性。答案：对解析：小波去噪保留关键波形，抑制高频噪声，提升信噪比。四、填空题（每空2分，共20分）26.在R语言中，使用______包中的______函数可一次性输出Logistic回归的OR值及95%CI。答案：epiDisplay，logistic.display27.若某RCT的主要结局为“治疗3个月后‘证候积分’下降≥50%”，则该指标属于______变量（填变量类型）。答案：二分类28.对“针灸得气”量表进行探索性因子分析，KMO=0.85，Bartlett球形检验p<0.001，说明______。答案：数据适合进行因子分析29.在Python中，使用sklearn.preprocessing的______类可将“舌质”多分类变量转换为哑变量，并避免虚拟变量陷阱。答案：OneHotEncoder，drop='first'30.若Cox回归中某处理变量HR=0.65（95%CI：0.48–0.88），则该处理使风险下降约______%。答案：35解析：(1−0.65)×100%=35%。31.对“中药提取物抑癌实验”进行样本量估算，已知对照组平均瘤重3.2g，期望新药降低1g，合并标准差1.5g，双侧α=0.05，power=0.9，用两样本t检验估算，每组需______只小鼠。答案：48解析：通过公式或软件计算，n=2×[(Z_{1−α/2}+Z_{1−β})×σ/δ]²≈47.6，向上取整48。32.在R中，使用______函数可将数据框dat按“证型”分层随机抽样，使训练集与测试集各证型比例一致。答案：caret::createDataPartition33.若“中药指纹图谱”相似度评价采用向量夹角余弦，余弦值=0.98，说明两份图谱______。答案：高度相似34.对“穴位贴敷”不良反应进行信号检测，首选的disproportionality方法为______。答案：报告比值比（ROR）或比例报告比（PRR）35.在Meta分析森林图中，菱形中心点位于无效线左侧且不与无效线相交，提示合并效应______。答案：具有统计学显著性五、简答题（每题10分，共30分）36.某中医院开展“加味四君子汤治疗脾虚证”RCT，主要结局为“证候积分”变化，基线积分非正态，治疗4周后积分差值近似正态但方差不齐。请给出完整分析思路，包括数据清洗、统计描述、假设检验、敏感性分析，并写出关键R代码片段。答案与解析：（1）数据清洗：①用dplyr::filter剔除未完成试验且缺失>20%变量者；②对缺失值采用多重填补（mice包mice()），设置m=5，method="pmm"；③离群值用箱式图标记，若超出1.5×IQR，临床核实后决定保留或缩尾。（2）统计描述：基线积分用M(P25,P75)描述；差值用mean±SD；绘制差值直方图+QQ图验证近似正态。（3）假设检验：①方差不齐，采用Welch校正t检验：t.test(差值~分组,data=dat,var.equal=FALSE)②非参数校验：Wilcoxon秩和检验作为敏感性分析。（3）效应量：计算Cohen’sd及95%CI，用effsize包cohen.d()。（4）敏感性分析：①符合方案集（PP）与意向性分析（ITT）对比；②对基线不均衡变量（如年龄）作协变量调整，用ANCOVA：lm(治疗后积分~分组+基线积分+年龄,data=dat)③置换检验（coin包）验证稳健性。（5）结果报告：按CONSORT流程图列出；显著性水平α=0.05；提供差值adjustedmean及95%CI。37.试述如何利用Python构建“中药-成分-靶点-疾病”多层网络，并识别潜在关键靶点，给出主要库、步骤及核心代码。答案与解析：（1）库导入：importpandasaspd,numpyasnpimportnetworkxasnxfromcollectionsimportdefaultdictimportmatplotlib.pyplotasplt（2）数据准备：①中药-成分：TCMSP数据库导出OB≥30%、DL≥0.18；②成分-靶点：SwissTargetPrediction；③靶点-疾病：DisGeNET，筛选score>0.1。（3）构建多层图：G=nx.MultiGraph()G.add_nodes_from(herb_list,bipartite=0)G.add_nodes_from(comp_list,bipartite=1)G.add_nodes_from(target_list,bipartite=2)G.add_nodes_from(disease_list,bipartite=3)forh,cinherb_comp_edges:G.add_edge(h,c,layer='herb-comp')forc,tincomp_tar_edges:G.add_edge(c,t,layer='comp-tar')fort,dintar_dis_edges:G.add_edge(t,d,layer='tar-dis')（4）关键靶点识别：①度中心性：deg=nx.degree(G,nbunch=target_list)②边介数：bet=nx.betweenness_centrality(G,k=1000)③子图提取“comp-tar-dis”投影：proj=jected_graph(G,target_list)pr=nx.pagerank(proj)④综合评分：score={n:0.4deg[n]+0.3bet[n]+0.3*pr[n]fornintarget_list}top_targets=sorted(score,key=score.get,reverse=True)[:20]（5）可视化：plt.figure(figsize=(12,12))pos=nx.spring_layout(proj,k=0.3)nx.draw_networkx_nodes(proj,pos,nodelist=top_targets,node_color='r',alpha=0.7)nx.draw_networkx_labels(proj,pos,labels={n:nfornintop_targets},font_size=8)plt.axis('off');plt.show()（6）验证：对top_targets进行GO/KEGG富集，看是否与疾病通路一致；用Cytoscape美化导出。38.某研究收集“脉象仪”采集的寸关尺三部脉搏波，每部采样频率500Hz，时长30s，共15000点。欲建立“脉弦与否”的机器学习分类模型，请给出完整技术路线，含信号预处理、特征工程、模型选择、超参数优化、性能评估，并说明如何解决类别不平衡。答案与解析：（1）信号预处理：①去基线漂移：高通滤波0.5Hz；②去噪：Daubechies6小波软阈值；③周期分割：用峰值检测找主波，取完整周期≥30个，不足者补零或剔除；④归一化：将幅值缩放到[0,1]，消除个体振幅差异。（2）特征工程：①时域：收缩期峰值、舒张期谷值、重搏波高度、脉率、K值（硬度指数）；②频域：FFT提取前10次谐波幅值；③非线性：近似熵ApEn、样本熵SampEn、Lempel-Ziv复杂度；④时频：连续小波变换能量比（E_{scale}/E_{total}）分5频段；⑤特征选择：Boruta-SHAP混合筛选，保留重要性>0.5%者。（3）类别不平衡：①收集阶段：增加弦脉样本；②算法：SMOTE过采样+TomekLinks清洗；③模型：采用class_weight='balanced'；④评价：关注F1、AUC、PR曲线，避免仅用准确率。（4）模型选择：①基线：Logistic回归；②树模型：RandomForest、XGBoost；③深度学习：1D-CNN+BiLSTM；④集成：Stacking（RF+XGB+CNN）+Logistic元模型。（5）超参数优化：Optuna框架，贝叶斯搜索，10折分层交叉验证，优化目标=最大化AUC，迭代200次。（6）性能评估：①外部验证：独立医院采集120例；②解释：SHAPsummary查看全局特征贡献；③校准：PlattScaling校正概率；④临床决策曲线（DCA）评估净收益。（7）代码片段（RandomForest示例）：fromimblearn.pipelineimportPipelinefromimblearn.over_samplingimportSMOTEfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportroc_auc_score,classification_reportpipe=Pipeline([('smote',SMOTE(k_neighbors=5)),('clf',RandomForestClassifier(n_estimators=1000,max_depth=None,class_weight='balanced',random_state=42))])param={'clf__max_depth':[10,20,None],'clf__min_samples_split':[2,5]}grid=GridSearchCV(pipe,param,cv=StratifiedKFold(10),scoring='roc_auc')grid.fit(X_train,y_train)print(grid.best_score_,classification_report(y_test,grid.predict(X_test)))六、综合应用题（25分）39.研究背景：为评价“清热解毒方”联合常规西药治疗急性扁桃体炎（中医辨证“风热犯咽”）的有效性与安全性，某中心开展实用型整群随机对照试验。共纳入24个班级（群），随机12班接受联合治疗（干预组），12班仅常规西药（对照组）。主要结局：①咽痛VAS评分（0–10）随时间变化；②退热时间（生存数据）。次要结局：③中医证候积分；④不良反应率。数据特点：班级内学生相关（ICC≈0.08），重复测量5次（0h、6h、12h、24h、48h），部分学生缺失一次测量，退热时间存在右删失。问题：（1）请写出分析咽痛VAS纵向数据的多水平线性混合效应模型方程（含固定效应、随机效应、协方差结构），并给出R（lme4或nlme）与Python（statsmodels或linearmodels）两套代码。（8分）（2）退热时间拟采用Cox脆弱模型（frailtymodel）以校正群相关，写出R（survival包）与Python（lifelines）核心代码，并解释脆弱分布选择gamma的理由。（5分）（3）为控制基线不均衡，拟进行倾向性评分加权（IPTW），请给出构建PS模型、计算权重、诊断平衡性、加权后分析咽痛AUC_{0–48h}的完整R代码，并用cobalt包绘图。（7分）（4）若欲进行多重比较校正，请比较Bonferroni、Holm、FDR三种策略对次要结局检验效能的影响，并给出模拟结果（附代码与图）。（5分）答案与解析：（1）模型方程：VAS_{ijt}=β_0+β_1Group_i+β_2Time_t+β_3Group_i×Time_t+β_4Age_{ij}+β_5Sex_{ij}+β_6BaseVAS_{ij}+u_{0i}+u_{1i}Time_t+ε_{ijt}其中u_i~N(0,Ψ)，ε_{ijt}~N(0,σ²I)；Ψ为2×2非结构化矩阵。R代码（nlme）：library(nlme)fit.lme<lme(VAS~Group*Time+Age+Sex+BaseVAS,random=~Time|ClassID,correlation=corAR1(form=~Time|ClassID),data=df,method="REML")Python代码（statsmodels）：importstatsmodels.apiassmimportstatsmodels.formula.apiassmfvc={"ClassID":"0+Time"}fit=smf.mixedlm("VAS~Group*Time+Age+Sex+BaseVAS",data=df,groups=df["ClassID"],vc_formula=vc,use_reml=True).fit()（2）Cox脆弱模型：R：library(survival)fit.cox<coxph(Surv(time,event)~Group+Age+Sex+BaseTemp+frailty(ClassID,distribution="gamma"),data=df)Python：fromlifelinesimportCoxPHFitterfromlifelines.datasetsimportload_rossicph=CoxPHFitter(penalizer=0.1,l1_ratio=0)cph.fit(df,duration_col='time',event_col='event',strata=['Clas