2026年卫生统计学模拟试题+参考答案

2026年卫生统计学模拟试题+参考答案一、单项选择题（每题2分，共20分）1.某社区2025年1月1日常住人口为12000人，年内新发2型糖尿病患者48例，年末糖尿病患者总例数为320例（含年初未愈者）。该社区当年2型糖尿病发病率为：A.4.0‰B.2.7‰C.3.2‰D.2.4‰2.欲比较某高校大一、大二、大三学生的BMI（身体质量指数）是否存在差异，最适宜的统计方法是：A.配对t检验B.单因素方差分析C.卡方检验D.秩和检验3.某研究测量100名60岁以上男性的收缩压（mmHg），数据呈正态分布，均数为135，标准差为12。理论上，收缩压在111~159mmHg的人数约占：A.68.27%B.95.45%C.99.73%D.85.00%4.某疫苗Ⅲ期临床试验中，试验组（n=500）接种后抗体阳性480例，对照组（n=500）阳性420例。若检验两组阳性率差异是否有统计学意义，应选择：A.两独立样本t检验B.配对t检验C.四格表卡方检验D.秩和检验5.某队列研究随访5年，观察吸烟与肺癌的关系，计算得RR=3.2，95%CI为（2.1,4.8）。结论正确的是：A.吸烟组肺癌发病率是不吸烟组的3.2倍，差异无统计学意义B.吸烟组肺癌发病率比不吸烟组高3.2倍，差异有统计学意义C.吸烟与肺癌关联强度为3.2，95%置信区间不包含1，差异有统计学意义D.吸烟与肺癌无关联6.某医院收集2020-2025年各季度流感就诊人数，欲分析其时间趋势，最适宜的统计图是：A.直条图B.直方图C.线图D.散点图7.欲估计某县15岁青少年平均身高的95%置信区间，若总体标准差未知且样本量n=30，应使用：A.Z分布B.t分布C.F分布D.卡方分布8.某研究中，自变量X为每日步数（连续变量），因变量Y为体脂率（连续变量），分析两者的线性关系，需计算：A.相关系数rB.决定系数R²C.回归系数bD.以上均需要9.生存分析中，“截尾数据”是指：A.研究对象失访或未观察到结局事件B.研究对象出现结局事件C.研究对象的生存时间为0D.研究对象的生存时间超过观察期上限10.某横断面调查中，若调查对象因担心隐私泄露而隐瞒吸烟史，由此产生的偏倚属于：A.选择偏倚B.信息偏倚C.混杂偏倚D.回忆偏倚二、简答题（每题6分，共30分）1.简述标准化率的意义及计算步骤。2.列举假设检验中Ⅰ型错误与Ⅱ型错误的区别，并说明如何控制。3.简述直线回归分析中“残差”的含义及其作用。4.说明队列研究中相对危险度（RR）与病例对照研究中比值比（OR）的联系与区别。5.简述非参数检验的适用场景。三、计算题（每题10分，共30分）1.某社区对60名65岁以上老年人进行空腹血糖（mmol/L）检测，数据如下：5.2,5.8,6.1,6.3,6.5,6.7,6.9,7.1,7.2,7.4,7.5,7.6,7.8,8.0,8.1,8.3,8.5,8.7,8.9,9.1（注：数据为前20例，完整数据共60例，经计算得：ΣX=486.0，ΣX²=4032.6）。（1）计算该组数据的均数、标准差；（2）若空腹血糖≥7.0mmol/L为异常，计算异常率（用百分数表示，保留1位小数）。2.某医院将80例高血压患者随机分为两组，分别采用新药A和传统药物B治疗，4周后测量收缩压下降值（mmHg），结果如下：新药A组（n₁=40）：均数=18.5，标准差=5.2传统药物B组（n₂=40）：均数=12.3，标准差=4.8假设两组数据均服从正态分布且方差齐性，检验两种药物的收缩压下降值是否有差异（α=0.05）。3.某研究调查某地区120名孕妇的孕周（X，周）与新生儿出生体重（Y，g）的关系，得以下结果：ΣX=2880，ΣY=43200，ΣXY=1044000，ΣX²=70200，ΣY²=15624000，n=120（1）计算孕周与出生体重的相关系数r；（2）若r=0.65（注：此为假设值，实际需按步骤计算），检验r是否有统计学意义（α=0.05，t临界值=1.98）。四、案例分析题（20分）某县疾控中心为评估“基层糖尿病筛查项目”效果，于2025年对辖区内35岁以上常住居民开展筛查。项目采用空腹血糖（FBG）≥7.0mmol/L作为阳性标准，以金标准（OGTT试验）确诊糖尿病。筛查结果如下：金标准确诊糖尿病患者200例，其中FBG阳性180例；金标准未确诊糖尿病者1800例，其中FBG阳性200例。问题：（1）计算该筛查试验的灵敏度、特异度、阳性预测值；（2）若该县35岁以上人口中糖尿病患病率为10%，分析阳性预测值与患病率的关系；（3）若将筛查界值调整为FBG≥6.5mmol/L，预计灵敏度和特异度将如何变化？说明理由。参考答案--一、单项选择题1.A（发病率=年新发例数/年平均人口数=48/[(12000+12000-320+48)/2]≈48/11864≈4.0‰）2.B（多组均数比较用方差分析）3.B（均数±2s范围对应95.45%）4.C（率的比较用卡方检验）5.C（RR>1且CI不包含1，差异有统计学意义）6.C（时间趋势用线图）7.B（小样本、总体标准差未知用t分布）8.D（相关系数描述相关方向与强度，回归系数描述因果关系，R²表示拟合优度）9.A（截尾指未观察到结局事件）10.B（隐瞒信息属于信息偏倚）二、简答题1.标准化率意义：消除两组或多组资料中内部构成（如年龄、性别）不同的影响，使率具有可比性。计算步骤：①选择标准人口（或标准人口构成、标准事件发生数）；②计算各年龄组的预期事件数（或标准化率）；③汇总计算标准化率。2.Ⅰ型错误（α错误）：原假设正确时拒绝原假设（假阳性）；Ⅱ型错误（β错误）：原假设错误时接受原假设（假阴性）。控制方法：α由研究者设定（通常0.05），增大样本量可同时降低α和β，或根据研究目的调整α水平（如临床试验取0.01）。3.残差是实际观测值Y与回归模型预测值Ŷ的差值（e=Y-Ŷ）。作用：①反映模型对数据的拟合程度（残差越小，拟合越好）；②检验回归模型假设（如残差是否随机分布、是否服从正态分布）；③识别异常值（残差过大的点可能为异常值）。4.联系：RR和OR均为关联强度指标，OR在疾病罕见时近似等于RR。区别：RR是队列研究中暴露组与非暴露组发病率的比值，反映暴露的实际危险程度；OR是病例对照研究中病例组与对照组暴露比值的比，无法直接反映发病率。5.非参数检验适用场景：①数据不服从正态分布或分布未知；②变量为等级资料（如疗效：治愈、显效、无效）；③方差不齐且无法通过变量变换纠正；④数据中存在极端值或未精确测量的值（如“>100”）。三、计算题1.（1）均数X̄=ΣX/n=486.0/60=8.1（mmol/L）；标准差s=√[(ΣX²(ΣX)²/n)/(n-1)]=√[(4032.6486²/60)/59]=√[(4032.63936.6)/59]=√(96/59)≈1.28（mmol/L）。（2）异常率=（空腹血糖≥7.0的例数）/60×100%。前20例中≥7.0的有16例（6.7,6.9,…,9.1），假设完整数据中≥7.0的例数为48例（根据ΣX=486，均数8.1，推测多数数据≥7.0），则异常率=48/60×100%=80.0%。2.（1）建立假设：H₀：μ₁=μ₂（两组总体均数相等），H₁：μ₁≠μ₂（两组总体均数不等）；α=0.05。（2）计算t值：t=(X̄₁X̄₂)/√[s_p²(1/n₁+1/n₂)]，其中s_p²=[(n₁-1)s₁²+(n₂-1)s₂²]/(n₁+n₂-2)=[(39×5.2²)+(39×4.8²)]/78=(39×27.04+39×23.04)/78=(1054.56+898.56)/78=1953.12/78=25.04；t=(18.5-12.3)/√[25.04×(1/40+1/40)]=6.2/√(25.04×0.05)=6.2/√1.252≈6.2/1.12≈5.54。（3）自由度ν=40+40-2=78，查t界值表（双侧α=0.05），t临界值≈1.99。t=5.54>1.99，P<0.05，拒绝H₀，认为两种药物的收缩压下降值有差异。3.（1）相关系数r=[nΣXYΣXΣY]/√{[nΣX²(ΣX)²][nΣY²(ΣY)²]}；代入数据：分子=120×10440002880×43200=125280000124416000=864000；分母=√{[120×702002880²][120×1562400043200²]}=√{[84240008294400][18748800001866240000]}=√{129600×8640000}=√(1,119,744,000,000)=1,058,208.4；r=864000/1,058,208.4≈0.817。（2）假设H₀：ρ=0（总体相关系数为0），H₁：ρ≠0；t=r×√[(n-2)/(1-r²)]=0.65×√(118/0.5775)=0.65×√204.3≈0.65×14.3≈9.3；t=9.3>1.98，P<0.05，拒绝H₀，认为孕周与出生体重的相关系数有统计学意义。四、案例分析题（1）灵敏度=真阳性/(真阳性+假阴性)=180/200=90.0%；特异度=真阴性/(真阴性+假阳性)=(1800-200)/1800=1600/1800≈88.9%；阳性预测值=真阳性/(真阳性+假阳性)=180/(180+200)=180/380≈47.4%。（2）阳性预测值（PPV）与患病率（P）正相关。公式：PPV=(灵敏度×P)/[灵敏度×P+(1-特异度)(1-P)]。当患病率升高时，分子增大，分母中(1-P)减小，PPV升高；反之，患病率降低则PPV