2026年新的医学统计考试试题及答案

2026年新的医学统计考试试题及答案1.（单选）2025年某三甲医院对8492例PCI术后患者开展12个月随访，记录到主要不良心血管事件（MACE）378例。若将“术后30天内发生MACE”定义为早期事件，发现其中早期事件占全部MACE的19.3%。据此估计该院PCI术后30天内MACE发生率的95%置信区间，最合适的统计方法是A.基于二项分布的精确法B.Wilson得分法C.泊松近似法D.基于超几何分布的Mid-P法答案：B解析：总MACE例数378，早期事件73例（378×19.3%）。发生率p=73/8492=0.86%。样本量足够大，但p接近0，Wilson得分法在小概率且n大时覆盖率最优，且可直接用于单组率。精确法保守，泊松近似在n大p小时与Wilson几乎重合，但Wilson更稳健。2.（单选）一项多中心RCT拟评价新型口服抗凝药对房颤患者卒中预防效果，计划优效性设计，假设对照组年事件率2.8%，预期试验组相对风险降低30%，α=0.025（单侧），power=90%，随访2年。若采用事件驱动设计，所需主要终点事件数最接近A.312B.387C.421D.468答案：C解析：优效性试验事件数公式E=(Z_{1-α}+Z_{1-β})²/(p₀·ln²HR)HR=0.70，p₀=0.028，α=0.025，β=0.10，Z值分别为1.96、1.28。代入得E≈420.6，取整421。3.（单选）某研究用Cox模型评估生物标志物X对心衰预后的影响，共纳入1200例，随访5年，记录死亡事件246例。模型1仅校正年龄性别，X的HR=1.42(95%CI1.18–1.71)；模型2进一步校正NT-proBNP、eGFR，HR=1.09(0.89–1.33)。下列说法正确的是A.模型2中X无统计学意义，说明X不是独立预后因子B.校正后HR衰减提示存在中介效应，需用因果中介分析量化间接效应C.应报告两个模型的AIC差值>10才可认为模型2更优D.若X与NT-proBNP高度共线，VIF>10，则模型2结果不可信答案：B解析：HR大幅衰减提示NT-proBNP等变量可能中介了X与死亡的关联。因果中介分析可分解直接效应与间接效应。A错误，统计学意义≠科学意义；C错误，AIC差>2即提示改进；D错误，高VIF仅提示共线，不等于模型不可信，可岭回归处理。4.（单选）某团队开发预测2型糖尿病5年发病风险的列线图，原始队列n=6500，事件=820。经1000次Bootstrap内部验证，C-index=0.785，optimism-correctedC-index=0.772。若将模型放到另一独立队列（n=2800，事件=340）进行外部验证，可合理预期的C-index范围是A.0.75–0.78B.0.72–0.75C.0.68–0.71D.0.65–0.68答案：B解析：内部验证校正后C-index=0.772，通常外部验证会再下降0.01–0.03，故0.72–0.75最合理。5.（单选）为比较三种降压药物对24h动态收缩压变异（ARV）的影响，研究者采用三周期交叉设计，每周期4周，洗脱2周。若用线性混合效应模型，固定效应包括治疗、周期、顺序，随机效应包括患者及患者×周期。下列关于协方差结构的描述正确的是A.必须假设复合对称，否则无法估计B.可用UN结构，但参数过多可能无法收敛C.必须引入随机斜率，否则Ⅰ型错误膨胀D.周期×治疗交互必须纳入固定效应答案：B解析：三周期交叉，每个患者3次观测，UN结构需估计3×3=6个协方差参数，n足够大时可收敛，但参数确实多。A错误，可用AR(1)、Toeplitz等；C错误，随机斜率非必须；D错误，交互非必须，除非临床怀疑。6.（单选）某医院2024年收治的1800例社区获得性肺炎中，耐碳青霉烯类肠杆菌（CRE）检出率为4.2%。若欲在95%置信水平下，将估计误差控制在±1%以内，采用单组率样本量公式，需再追加监测多少例A.1537B.1842C.2011D.2456答案：A解析：n=Z²·p(1-p)/d²=1.96²×0.042×0.958/0.01²≈1537。已观察1800例，但公式给出的是“还需”样本量，故选A。7.（单选）一项巢式病例对照研究基于某大型生物银行，评估基因型与胰腺癌风险。病例组=1200，对照组=5000，采用发病率密度抽样。若用加权Cox模型（Breslow法）分析，权重应为A.1/π，π为抽样概率B.πC.1D.1/(1-π)答案：A解析：巢式病例对照中，对照为随机抽样，需逆概率加权以还原队列特征，权重=1/π。8.（单选）某研究用ROC曲线评价血清外泌体miR-122对肝癌与肝良性结节鉴别诊断的价值，肝癌组=180，良性组=220。AUC=0.874。若采用DeLong法比较miR-122与AFP（AUC=0.812）差异，得Z=2.34，p=0.019。下列叙述正确的是A.差异有统计学意义，miR-122优于AFPB.需用Bootstrap重抽样验证p值稳定性C.两指标测量于同一批受试者，需用配对ROC比较D.若miR-122与AFP联合，AUC必然>0.874答案：C解析：同一受试者两指标，需配对设计，用Venkatraman或pairedDeLong。A未提校正多重比较；B非必须；D错误，联合不一定更高。9.（单选）某团队用Bayesianadaptivedesign开展II期剂量探索，共5个剂量，采用CRM（continualreassessmentmethod），目标DLT率=30%，先验骨架(0.05,0.12,0.25,0.40,0.55)，先验模型为logistic，样本量=30。若第15例入组后，后验估计的MTD为剂量3，但真实DLT率仅15%，则最可能的原因是A.先验骨架过度乐观B.样本量不足，后验未收敛C.模型错定为logistic，应换ProbitD.早期患者选择偏倚答案：A解析：剂量3先验DLT=0.25，最接近目标，若真实仅0.15，说明先验高估，导致后验仍锁定该剂量。10.（单选）某研究用负二项回归评估空气污染对哮喘急诊就诊次数的影响，暴露变量PM2.5每增加10μg/m³，IRR=1.08(95%CI1.03–1.14)。若将PM2.5标准化（Z-score），IRR=1.21。则原始尺度PM2.5的标准差约为A.2.1μg/m³B.2.6μg/m³C.3.2μg/m³D.3.8μg/m³答案：B解析：标准化IRR=exp(β·SD)=1.21，原始IRR=exp(β·10)=1.08，两式相除得exp[β(SD-10)]=1.21/1.08→β=ln(1.21)/SD=ln(1.08)/10→SD=10·ln(1.21)/ln(1.08)≈2.6。11.（单选）某双盲RCT比较新化疗方案与标准方案对晚期胃癌生活质量（FACT-G总分）的影响，基线±SD：试验组74.2±10.5，对照组73.8±10.1；12周时：试验组70.4±11.2，对照组66.9±12.0。若用协方差分析（ANCOVA），以基线为协变量，处理效应估计值（试验-对照）及95%CI为A.3.5(0.8–6.2)B.3.8(1.1–6.5)C.4.1(1.4–6.8)D.4.4(1.7–7.1)答案：B解析：ANCOVA效应=调整后均值差，近似=（70.4-66.9）-β·(74.2-73.8)，β≈0.5，得3.8。SE≈1.4，95%CI=3.8±1.96×1.4→(1.1,6.5)。12.（单选）某研究用Winratio比较新型利尿剂与对照对急性心衰复合终点（死亡+再住院）的疗效，死亡权重高于再住院。若试验组与对照组分别死亡80vs95例，再住院120vs140例，无删失。则Winratio估计值约为A.1.12B.1.20C.1.28D.1.35答案：C解析：先比较死亡：试验80<95，胜；再住院：120<140，胜。Winratio=(80×140+120×95)/(95×120+140×80)=1.28。13.（单选）某研究用倾向评分匹配（1:1）评估他汀对脓毒症28天死亡率的影响，原始队列n=4200，事件=630。匹配后n=1800，事件=270。若匹配前OR=0.72(0.58–0.89)，匹配后OR=0.91(0.68–1.21)。则最合理的解释是A.匹配后样本量下降，power不足B.他汀效应被过度匹配消除C.存在未观测混杂D.匹配前结果虚假答案：B解析：倾向评分匹配若将大量与暴露密切相关的协变量匹配，可能把部分因果路径“过度控制”，导致效应向无效靠拢，称为“overmatching”。14.（单选）某研究用联合模型（JM）纵向CD4+斜率与生存时间，假设CD4轨迹为线性混合效应，生存部分用Cox。若AIC(JM)=14230，AIC(单独Cox)=14510，则A.JM拟合更优，CD4斜率显著影响死亡B.需用似然比检验，自由度=2C.AIC差>10，支持JMD.需计算BIC再判断答案：C解析：AIC差=280，远大于10，强烈支持JM。15.（单选）某研究用机器学习XGBoost预测ICU死亡，共200个特征，n=8000。采用5折CV，AUC=0.892。若用permutationimportance发现“住院第1天尿量”重要性最高，但临床认为该变量第3天值更关键，则最可能原因是A.第1天尿量缺失率低B.第1天与第3天高度相关，模型捕获代理信息C.XGBoost对时间序列不敏感D.第3天尿量未做标准化答案：B解析：高度相关时，模型可任选一个作为代理，permutation会随机打乱，导致代理变量重要性虚高。16.（单选）某研究用difference-in-differences评估医保支付改革对住院费用的影响，改革2024年7月启动，处理组=15家医院，对照组=15家。若平行趋势检验p=0.03，则A.模型加入医院线性时间趋势即可B.改用合成控制法C.放弃DiD，改用ITSD.结果仍可信，p>0.01答案：B解析：平行趋势被拒绝，合成控制可通过数据驱动权重构造反事实，更灵活。17.（单选）某研究用Bayesianhierarchicalmodel估计全国31省市高血压患病率，省级样本量500–2000不等。若模型中省份随机效应标准差后验中位数=0.41，则下列说法正确的是A.约95%省份真实患病率与全国均值差<0.8个百分点B.省份间异质性小，可忽略随机效应C.后验预测检查需用Posteriorpredictivep-valueD.可用Moran’sI检验空间自相关答案：D解析：随机效应SD=0.41（logit尺度），换算率差需逆logit，远大于0.8个百分点，A错；B错；C非必须；D可用Moran’sI检验空间聚集。18.（单选）某研究用Gray’stest比较肝移植与TIPS对肝硬化患者肝癌累积发病率，竞争事件为死亡。若Gray检验p=0.018，Kaplan-Meierlog-rankp=0.045，则A.Gray结果更可信，因考虑竞争风险B.两结果矛盾，需重新核查C.应报告KM曲线即可D.竞争风险比例<10%，可忽略答案：A解析：竞争事件常见，Gray法更合适，p值更小说明移植组亚分布风险更低。19.（单选）某研究用LASSO回归筛选变量建立脑卒中预测模型，n=5000，事件=450。调参用10折CV，最小λ=0.021，1-SEλ=0.034。若选择1-SEλ，则A.模型更简洁，外推更好B.必然导致C-index下降>0.02C.变量数一定<10D.无需再报告λ值答案：A解析：1-SE准则选更大λ，变量少，降低过拟合，外推性能通常更好。20.（单选）某研究用restrictedcubicspline（3knots）评估BMI与全因死亡关系，样条变量P-overall=0.008，非线性P=0.037。则A.BMI与死亡呈线性B.需用分段线性回归C.非线性有统计学意义D.knots位置需数据驱动再优化答案：C解析：非线性P<0.05，拒绝线性假设。21.（多选）某研究用Poisson回归评估社交媒体使用与青少年抑郁症状关联，随访2年，n=3200，事件=420。暴露分4组（Q1–Q4）。若Q1为参照，Q4IRR=1.41(1.12–1.78)，但散点图显示暴露-反应曲线先升后降，则下列策略合理的有A.加入二次项B.改用restrictedcubicsplineC.分段Poisson，拐点用分段回归D.将暴露按中位数二分类答案：A,B,C解析：非单调需灵活函数，二分类会丢失信息。22.（多选）某研究用instrumentalvariable（IV）评估教育年限对自评健康影响，IV=义务教育法改革，第一阶段F=26.8，则A.F>10，弱工具变量问题小B.需报告Cragg-DonaldWaldFC.若IV与混杂相关，估计有偏D.可用2SLS，也可用LIML答案：A,B,D解析：C错误，IV必须与混杂无关，否则无效。23.（多选）某研究用single-cellRNA-seq分析肿瘤微环境，共12000细胞，2000高变基因。若用Seurat聚类，下列参数可影响聚类分辨率的有A.PCs个数B.k.param（FindNeighbors）C.resolution（FindClusters）D.n.start（RunPCA）答案：A,B,C解析：n.start仅影响PCA随机起始，与分辨率无关。24.（多选）某研究用Bayesianadaptiverandomization做I期剂量递增，采用EWOC准则，目标DLT=25%，已观察到剂量3：3/6DLT，则A.后验超过目标概率>25%，需降剂量B.可继续同剂量，若后验>0.33则降C.EWOC控制>目标剂量概率<0.25D.需用Beta(0.5,0.5)先验答案：A,C解析：EWOC要求下一剂量超过目标概率<α，通常α=0.25，若后验>0.25则降。25.（多选）某研究用G-computation评估戒烟干预对5年CVD风险影响，模型正确设定，则A.可处理时变混杂B.需正确指定暴露模型C.需正确指定结果模型D.与IPW估计量渐近等价答案：A,B,C,D解析：G-computation基于模型，双稳健时与IPW等价。26.（填空）某研究用Fine-Gray模型评估放疗对局部复发的影响，竞争事件为远处转移。模型输出放疗HR=0.68，若将竞争事件改为“任何死亡”，则HR估计值将________（上升/下降/不变），原因是________。答案：下降；因为原竞争事件（远处转移）与局部复发共享高危人群，改为“任何死亡”后竞争风险池扩大，亚分布风险分母变大，HR向0移动。27.（填空）某研究用P-spline平滑估计PM2.5滞后-死亡曲线，自由度=8，若用AIC选择最优滞后天数，AIC=–2log-likelihood+2×df，当log-likelihood=–4120.5时，AIC=________。答案：8257.0解析：AIC=–2×(–4120.5)+2×8=8241+16=8257。28.（填空）某研究用贝叶斯层次模型估计疫苗效力VE=1–IRR，后验VE中位数=0.89，95%CrI=0.62–0.97，则IRR的中位数=________。答案：0.11解析：VE=1–IRR→IRR=1–VE=1–0.89=0.11。29.（填空）某研究用RMST（restrictedmeansurvivaltime）比较免疫治疗与化疗，随访3年，t*=36月，RMST差=4.2月，若对照组RMST=18.7月，则治疗组RMST=________月，若用log-rankp>0.05，但RMSTp=0.018，则________（能/不能）认为免疫治疗有临床获益。答案：22.9；能解析：RMST差=4.2，治疗组=18.7+4.2=22.9；RMST可避免比例风险假设，临床可接受。30.（填空）某研究用mediation分析评估炎症（IL-6）在肥胖→胰岛素抵抗路径中的中介比例，总效应TE=1.45，直接效应DE=1.18，则中介比例=________%，若Bootstrap95%CI=(12%,34%)，则中介效应________（显著/不显著）。答案：46.9；显著解析：中介比例=(TE–DE)/(TE–1)=(1.45–1.18)/(1.45–1)=0.27/0.45=0.469→46.9%，CI不包含0，显著。31.（计算题）某RCT比较新抗菌药与对照对复杂腹腔感染临床治愈率，采用非劣效设计，margin=–10%，预计对照治愈率=85%，新药效=87%，α=0.025（单侧），power=80%。（1）用率差法，求所需样本量；（2）若实际观察新药效=90%，对照=84%，求95%CIforratedifference，并判断非劣效是否成立；（3）若改用率比法，margin=0.92，重新计算样本量。答案：（1）n=2×(Z_{1-α}+Z_{1-β})²×[p₁(1–p₁)+p₂(1–p₂)]/(margin–Δ)²Z=1.96+0.84=2.80，Δ=–0.10，p₁=0.85，p₂=0.87，代入得n≈440/组，总880。（2）RD=0.06，SE=√[0.90×0.10/440+0.84×0.16/440]=0.023，95%CI=0.06±1.96×0.023=(0.015,0.105)，下限>–0.10，非劣效成立。（3）率比法需事件数，E=(Z_{α}+Z_{β})²/(ln0.92)²×(1/p₁+1/p₂)≈1064事件，按对照率0.85，每组需1064/0.85≈1252，总2504。32.（计算题）某研究用Cox模型评估基因X对乳腺癌预后的影响，n=2400，事件=420。模型1仅X，HR=1.55；模型2加年龄、分期、ER，HR=1.22。（1）计算模型2解释的变异比例（R²）近似值；（2）若用Royston’sD统计量，D=1.34，求R²_D；（3）若X为连续，每SD增加HR=1.22，求解释变异占模型总解释变异的比例。答案：（1）用Schemper公式，R²≈1–exp(–2/n×(log-likelihood_null–log-likelihood_model))，得R²≈0.18。（2）R²_D=D²/(D²+π²/3)=1.34²/(1.34²+3.29)=0.35。（3）单独X模型R²_X≈0.05，增量=0.18–0.05=0.13，占比=0.05/0.18≈28%。33.（计算题）某研究用Bayesianhierarchicalmodel估计全球195国糖尿病患病率，模型：logit(p_{it})=α+u_i+βt+v_it，u_i~N(0,σ_u²)，v_i~N(0,σ_v²)。MCMC迭代4链×5000次，后验σ_u²中位数=0.18，σ_v²=0.012。（1）求国家间随机截距标准差（原始概率尺度）近似值；（2）若某国2025年t=35，求其随机斜率导致的logit增量95%区间；（3）判断该国随时间上升还是下降。答案：（1）σ_u=√0.18=0.42，logit→概率，平均p=0.10，近似SD≈0.42×p(1–p)=0.037→3.7个百分点。（2）随机斜率v_i~N(0,0.012)，95%区间=±1.96×√0.012×35=±1.96×0.41=±0.80。（3）区间含0，无法确定方向。34.（综合题）某大型前瞻性队列纳入45–74岁居民50000人，随访10年，记录新发2型糖尿病4200例。研究者拟开发预测模型，候选变量含：年龄、性别、BMI、腰围、收缩压、家族史、FPG、HbA1c、TG、HDL、LDL、CRP、饮食评分、体力活动、吸烟、饮酒、遗传风险评分（GRS）。（1）用LASSO回归筛选变量，10折CV，最小λ选得12个变量，1-SEλ选得8个，请列出8变量并说明为何1-SE更优；（2）用Bootstrap1000次内部验证，原始C-index=0.857，optimism=0.012，校正后=0.845；若将模型在独立队列（n=12000，事件=980）验证，C-index=0.831，求外推衰减量，并解释原因；（3）用IDI和NRI比较新模型与仅含FPG+HbA1c的简模型，IDI=0.038(0.021–0.055)，NRI=0.18(0.09–0.27)，请解释临床意义；（4）若将模型转为连续风险评分，用三分位分组，最高vs最低三分位HR=4.5(3.8–5.3)，求10年绝对风险差（假设基线风险=8%）；（5）讨论将模型用于筛查干预决策时，需补充哪些验证。答案：（1）8变量：年龄、BMI、腰围、FPG、HbA1c、家族史、TG、GRS。1-SEλ减少过拟合，外推更稳。（2）外推衰减=0.845–0.83