检验科流行病学与生物统计基础教程

检验科流行病学与生物统计基础教程演讲人：日期:目录CATALOGUE02.生物统计核心概念04.诊断试验评价05.质量控制统计方法01.03.常用统计分析方法06.研究设计与实施流行病学基础流行病学基础01PART定义与核心目标流行病学是研究疾病与健康状态在人群中的分布、影响因素及预防控制策略的学科，其核心目标是识别疾病病因、评估干预措施效果并指导公共卫生决策。研究范畴扩展涵盖传染病（如流感、HIV）、慢性病（如糖尿病、心血管疾病）、环境暴露（如空气污染）、行为健康（如吸烟、饮食）及遗传流行病学等多领域，涉及描述性、分析性和实验性研究。跨学科特性与生物统计学、临床医学、社会学等学科交叉，需结合分子生物学技术（如基因测序）和地理信息系统（GIS）进行空间流行病学分析。流行病学定义与研究范畴发病率和患病率死亡率（粗率、年龄标化率）量化死亡风险，需校正人口结构；病死率体现疾病严重性，但受诊疗水平影响。死亡率和病死率调整率与标准化通过直接/间接法消除年龄、性别等混杂，实现人群间可比性，如SMR（标准化死亡比）在职业流行病学中的应用。发病率反映新发病例数/人时，用于评估疾病动态风险；患病率（时点/期间）表示现存病例数/调查人口，适用于慢性病负担评估。需注意分母定义（如固定队列或动态人群）。疾病频率测量指标横断面研究（现况调查）快速评估疾病负担；队列研究（前瞻性/回顾性）计算RR（相对风险），验证病因假设；病例对照研究（匹配设计）计算OR（比值比），适用于罕见病研究。常用研究设计类型观察性研究随机对照试验（RCT）通过随机化控制混杂，评估干预效果；社区试验（如疫苗效果评价）需考虑群组效应和伦理问题。实验性研究巢式病例对照研究（从队列中抽样）提高效率；孟德尔随机化利用遗传变异模拟RCT，解决因果推断中的反向因果问题。混合方法设计生物统计核心概念02PART数据分类与变量类型名义变量与有序变量名义变量无等级差异（如民族），有序变量存在逻辑顺序（如疾病分期），后者可进行秩和检验等非参数分析。离散变量与连续变量离散变量取有限或可数数值（如手术次数），连续变量在区间内无限取值（如血压值），分析时需区分分布特性。定性数据与定量数据定性数据描述属性或类别（如性别、血型），定量数据则为数值型（如身高、血糖值），需根据研究目的选择统计方法。描述性统计方法集中趋势度量均值、中位数、众数分别反映数据分布的集中位置，需结合数据分布形态（对称或偏态）选择合适指标。离散程度度量标准差、四分位距、极差揭示数据波动性，方差分析需基于标准差评估组间差异显著性。数据可视化工具直方图展示连续变量分布，箱线图识别离群值，条形图比较分类变量频数，图形化呈现可辅助快速发现数据特征。概率与分布基础概率基本法则加法定理与乘法定理分别处理互斥与独立事件，贝叶斯定理用于更新先验概率，是诊断试验评价的理论基础。分布特性应用利用t分布进行小样本均值推断，卡方分布检验分类变量独立性，F分布适用于方差齐性分析与ANOVA。常见概率分布正态分布适用于多数连续数据，泊松分布描述稀有事件发生概率，二项分布分析二元结局的重复试验。常用统计分析方法03PART要求数据服从特定分布（如正态分布），且方差齐性，适用于连续变量且样本量较大的情况，例如t检验、方差分析（ANOVA）等。不依赖数据分布假设，适用于等级资料、偏态分布或小样本数据，如Mann-WhitneyU检验、Kruskal-Wallis检验等。根据数据类型、分布特征和研究目的决定检验方法，若参数条件不满足时优先选用非参数方法以避免误判风险。避免盲目使用参数检验而未验证数据正态性，或忽略样本量对检验效力的影响。参数检验与非参数检验参数检验的适用条件非参数检验的优势选择依据常见错误规避相关分析与回归应用Pearson与Spearman相关Pearson相关系数衡量线性关系，要求连续变量且正态分布；Spearman相关系数适用于等级或非线性关系，基于秩次计算。线性回归模型构建通过最小二乘法估计自变量与因变量的线性关系，需检验残差独立性、方差齐性及多重共线性问题。Logistic回归应用处理二分类或多分类因变量，分析危险因素时需关注优势比（OR值）及其置信区间解释。模型诊断与优化通过残差分析、VIF值评估模型假设，必要时引入交互项或非线性项提升拟合效果。生存分析基本原理包含删失数据（censoring），需采用Kaplan-Meier法估计生存率，并通过Log-rank检验比较组间差异。生存数据特征半参数模型分析多因素对生存时间的影响，核心假设是风险比例恒定，需通过Schoenfeld残差检验验证。在存在多个终点事件（如死亡与复发）时，采用Fine-Gray模型区分事件特异性风险，避免传统方法的偏倚。Cox比例风险模型当协变量随时间变化时，需扩展模型为时依协变量Cox模型以更准确刻画风险比。时间依赖性变量处理01020403竞争风险分析诊断试验评价04PART灵敏度与特异度计算灵敏度（真阳性率）计算通过公式（真阳性病例数/（真阳性+假阴性病例数））×100%得出，反映试验正确识别患病者的能力。高灵敏度试验适用于排除疾病，如筛查试验要求漏诊率极低。联合指标应用灵敏度与特异度常呈此消彼长关系，需根据临床需求平衡。例如，提高截断值可提升特异度但降低灵敏度，需结合受试者工作特征（ROC）曲线优化选择。特异度（真阴性率）计算通过公式（真阴性病例数/（真阴性+假阳性病例数））×100%确定，衡量试验正确排除非患病者的能力。高特异度试验用于确诊疾病，避免误诊。ROC曲线解读方法曲线构建原理以灵敏度为纵轴、（1-特异度）为横轴，绘制不同截断值下的点连线。曲线下面积（AUC）量化试验整体判别效能，AUC≥0.9为优秀，0.7-0.9为中等。最佳截断值选择通过重叠ROC曲线或Delong检验，评估不同诊断试验的AUC差异。曲线完全包络另一曲线时，前者判别能力更优。通常取曲线最靠近左上角的点，此时Youden指数（灵敏度+特异度-1）最大。若需侧重灵敏度或特异度，可调整截断值位置。多试验比较阳性预测值（PPV）计算公式为真阴性/（真阴性+假阴性），表示试验阴性结果中未患病的概率。在低患病率人群中，NPV通常较高。阴性预测值（NPV）预测值与患病率关系即使试验灵敏度、特异度固定，患病率变化会显著改变PPV与NPV。临床解读需结合人群患病率，必要时采用似然比进一步校正。计算公式为真阳性/（真阳性+假阳性），反映试验阳性结果中实际患病的概率。PPV受患病率影响显著，高患病人群PPV更高。阳性/阴性预测值质量控制统计方法05PART质控图建立与应用通过连续收集20次质控数据计算均值与标准差，绘制以均值为中心线、±2SD为警告限、±3SD为失控限的质控框架，实时监控检测系统稳定性。Levey-Jennings质控图构建适用于批量检测场景，通过计算连续样本检测结果的移动均值，识别仪器漂移或趋势性变化，尤其对血红蛋白等项目的长期稳定性评估效果显著。移动均值质控图（MovingAverageChart）将不同浓度水平质控品的检测结果转换为Z-分数（实测值-靶值/标准差），实现多项目、多水平质控数据的统一判读，提升跨平台质控可比性。Z-分数质控图标准化应用连续2次质控值同方向超出±2SD时提示系统误差，需检查校准曲线或进行仪器维护。2₂s规则（警告规则）同一批内高、低浓度质控值的差值超过4SD时，提示精密度下降，可能由样本携带污染或混合错误导致。R₄s规则（极差规则）01020304单个质控值超出±3SD时判定为随机误差，需立即停用检测系统并排查试剂、仪器或操作问题。1₃s规则（失控规则）连续4次质控值均偏向均值同一侧，表明存在渐进性偏移，需重新校准或更换关键耗材。4₁s规则（趋势规则）Westgard多规则判定方法学比对分析Passing-Bablok回归分析通过非参数回归模型比较两种检测方法的一致性，计算斜率与截距评估系统误差，适用于存在离群值或非正态分布的数据集。Bland-Altman偏差图以两种方法检测结果的均值为横轴、差值为纵轴绘制散点图，结合95%一致性界限（LoA）定量评估方法间偏差及临床可接受性。误差网格分析（ErrorGridAnalysis）针对血糖等关键项目，将比对结果划分为不同风险区域（如无害误差、临床风险误差），直观反映方法学差异对临床决策的影响程度。研究设计与实施06PART样本量估算原则效应量预估基于预实验或文献数据确定预期效应量（如OR值、均值差等），确保统计检验力（通常≥80%）与显著性水平（α≤0.05）的平衡。分层变量考量针对多中心研究或亚组分析需求，需额外增加样本量以覆盖分层因素（如性别、疾病分期）的变异，避免检验效能不足。脱落率校正根据历史数据预估受试者脱落比例（如10%-20%），在初始样本量基础上按公式（N'=N/(1-p)）进行扩增，确保最终有效数据量达标。偏倚控制策略标准化操作流程（SOP）随机化技术通过多变量回归模型（如ANCOVA、Logistic回归）控制已知混杂因素，或使用倾向性评分匹配（PSM）平衡组间基线差异。采用区组随机化或分层随机化分配受试者，减少选择偏倚；盲法实施（单盲/双盲）可降低测量偏倚与报告偏倚。统一数据采集工具、检测方法及操作人员培训，减少信息偏倚与操作者间变异。123协变量调整数据管理规范要求电子化采集系统采用EDC（电子数据采集）系统实现实时数据录入与逻辑核查，避免纸质记录导