医学统计关键考点复习资料集

医学统计关键考点复习资料集一、绪论：医学统计学的基本概念与思想医学统计学是将统计学的原理和方法应用于医学科研与实践，以揭示医学现象中数据变化规律的一门学科。其核心在于通过对不确定性数据的收集、整理、分析和解释，为医学决策提供科学依据。1.基本概念*总体与样本：总体是根据研究目的确定的所有同质观察单位某项指标值的集合。样本则是从总体中随机抽取的部分观察单位，用以推断总体特征。抽样研究的目的在于以样本信息推断总体。*变异与同质：同质是指研究对象具有某些相同的属性或特征；变异则指同质个体间某指标值的差异，是统计学研究的根本前提。*变量与资料类型：变量是观察对象的某项特征。根据变量值的性质，可分为计量资料（连续型，如身高、体重）、计数资料（离散型，如性别、血型，进一步可分为二分类和多分类）和等级资料（有序分类，如疗效等级）。准确区分资料类型是选择恰当统计方法的基础。*概率与频率：概率是描述随机事件发生可能性大小的数值，取值范围[0,1]。频率是指在多次重复试验中，某事件实际发生的次数与试验总次数之比，当试验次数足够多时，频率趋近于概率。小概率事件（通常指P≤0.05）在一次试验中被认为几乎不会发生。*误差：医学研究中常见的误差包括系统误差（可通过严谨设计和校准仪器避免或减小）、随机测量误差（可通过多次测量控制）和抽样误差（不可避免，但可通过增大样本量或合理设计减小）。2.统计学思想*大量观察法：通过对足够数量的观察单位进行研究，以消除偶然因素的影响，揭示事物本质规律。*随机化：包括随机抽样和随机分组，是保证样本代表性、组间均衡可比的重要手段，也是统计推断的前提。*对照原则：在实验研究中，设立对照组以排除非处理因素的干扰，常用的对照形式有空白对照、安慰剂对照、标准对照等。*重复原则：指在相同条件下进行多次观察或实验，以提高结果的可靠性和稳定性，样本量的估计与此密切相关。二、数据的描述性统计对收集到的数据进行初步整理和描述是统计分析的第一步，旨在用简洁的图表和统计量概括数据的基本特征。1.计量资料的统计描述*集中趋势描述：*算术均数（均数）：适用于对称分布，特别是正态分布资料。*中位数（M）：适用于偏态分布、分布不明或有极端值的资料，不受极端值影响。*几何均数（G）：适用于等比资料或对数正态分布资料，如抗体滴度。*离散趋势描述：*极差（R）：简单但不稳定，易受极端值影响。*四分位数间距（IQR）：即上四分位数（Q3）与下四分位数（Q1）之差，适用于偏态分布资料。*方差（Variance）与标准差（StandardDeviation,SD）：反映数据的平均离散程度，适用于正态分布资料。标准差是方差的平方根，与均数具有相同的量纲。*变异系数（CoefficientofVariation,CV）：用于比较度量衡单位不同或均数相差悬殊的两组或多组资料的变异程度，为标准差与均数之比。*分布形态描述：*正态分布：以均数为中心，左右对称，呈钟形曲线。其特征可用均数和标准差完整描述。许多统计方法基于数据服从正态分布的假定。*偏态分布：分为正偏态（峰向左侧偏，长尾向右）和负偏态（峰向右侧偏，长尾向左）。2.计数资料与等级资料的统计描述*绝对数与相对数：绝对数是实际观察到的频数；相对数（如率、构成比、相对比）是两个有关联的数值之比，用于比较和分析。*率：表示某现象发生的频率或强度，如发病率、死亡率。*构成比：表示某事物内部各组成部分所占的比重或分布，如疾病构成比。注意：构成比不能代替率分析事物发生的强度。*相对比：表示两个有关指标之比，如男女性别比、OR值、RR值的雏形思想。3.统计表与统计图*统计表：结构简洁，重点突出。基本结构包括标题、标目（横标目、纵标目）、线条、数字和备注。制作时应遵循重点突出、层次分明、数据准确的原则。*统计图：直观形象，便于理解。常用图形包括：*计量资料：直方图（表示频数分布）、折线图（表示变化趋势）、散点图（表示两变量关系）、箱式图（展示数据分布特征与异常值）。*计数/等级资料：条图（比较独立指标）、圆图/饼图（表示构成比）、百分条图（比较多个构成比）、线图（表示率的变化趋势）、半对数线图（表示率的变化速度）。三、概率分布：统计推断的理论基础概率分布是描述随机变量取值及其对应概率的规律，是进行统计推断的基石。1.正态分布*特征：以均数μ为中心，左右对称；高峰位于中央，两侧逐渐降低并完全对称；有两个参数，均数μ（位置参数）和标准差σ（形状参数）；曲线下面积有固定规律（μ±1σ占68.27%，μ±1.96σ占95.00%，μ±2.58σ占99.00%）。*应用：*许多医学现象近似服从正态分布。*正态分布是许多统计方法的理论基础（如t检验、方差分析）。*制定医学参考值范围（常用x̄±1.96s法，适用于正态或近似正态分布资料）。2.二项分布*概念：描述在n次独立重复的Bernoulli试验中，成功次数X的概率分布。其参数为n（试验次数）和π（每次试验成功的概率）。*应用：常用于描述二分类结局的概率分布，如某药治疗某种疾病的有效人数。3.Poisson分布*概念：常用于描述单位时间、单位空间内某稀有事件发生次数的概率分布。其参数为λ（总体均数）。*特征：λ为Poisson分布的均数和方差，当λ增大时，Poisson分布近似正态分布。*应用：如单位体积水中细菌数、人群中某种罕见病的发病人数。四、参数估计与假设检验：统计推断的核心统计推断是利用样本信息推断总体特征，包括参数估计和假设检验两部分。1.参数估计*点估计：用样本统计量直接作为总体参数的估计值，如用样本均数x̄估计总体均数μ，用样本率p估计总体率π。优点是简单，缺点是未考虑抽样误差。*区间估计：按一定的置信度（如95%或99%）估计总体参数所在的范围，即置信区间（CI）。*总体均数的置信区间：根据资料情况（σ已知或未知，样本量大小）选用u分布或t分布原理计算。大样本时，常用x̄±uα/2*Sx̄。*总体率的置信区间：小样本时用二项分布原理查表，大样本时用正态近似法p±uα/2*Sp。*置信区间的含义：从总体中重复抽取100个样本，可计算100个置信区间，平均有95个（或99个）置信区间包含总体参数。2.假设检验的基本思想与步骤*基本思想：基于反证法和小概率事件原理。首先对总体特征做出某种假设（H0），然后根据样本信息判断该假设成立的可能性大小。若可能性小（P≤α），则拒绝该假设；反之，则不拒绝该假设。*基本步骤：1.建立检验假设，确定检验水准：H0（无效假设/零假设）：总体参数相等或无关联；H1（备择假设）：总体参数不等或有关联（根据研究目的分为单侧或双侧）。检验水准α（显著性水平）通常取0.05。2.选择合适的检验方法，计算检验统计量：根据研究设计类型、资料类型、样本量及分析目的选择。如t检验、u检验、χ²检验、F检验等。检验统计量反映了样本数据与H0的偏离程度。3.确定P值，做出统计推断：P值是指在H0成立的条件下，获得现有及更极端检验统计量值的概率。若P≤α，则拒绝H0，接受H1，认为差异有统计学意义；若P>α，则不拒绝H0，认为差异无统计学意义。4.结合专业知识，给出专业结论：统计学意义不等于临床/实际意义，需结合专业背景解读结果。3.Ⅰ型错误与Ⅱ型错误*Ⅰ型错误（α错误）：H0实际成立，但被错误地拒绝，即“假阳性”。α为预先设定的允许犯Ⅰ型错误的最大概率。*Ⅱ型错误（β错误）：H0实际不成立，但被错误地接受，即“假阴性”。β的大小与α、样本量、总体参数差异大小等有关。*检验效能（1-β）：当H1确实成立时，假设检验能够正确拒绝H0的概率，即“真阳性率”。是衡量检验方法发现真实差异能力的指标，理想的检验效能应≥0.8。4.P值的正确理解P值是一个概率值，反映了在H0假设下，观察到当前数据或更极端情况的可能性。P值越小，越有理由怀疑H0的真实性，但P值的大小并不直接表示差异的大小或结果的重要性。五、常用统计方法（一）：计量资料的统计分析针对计量资料的分析，需根据研究设计（如单样本、两样本、多样本）、数据分布特征等选择合适的方法。1.t检验t检验基于t分布原理，主要用于总体标准差σ未知且样本量较小时（n<50）的计量资料均数比较。应用条件：①资料服从正态分布（或近似正态分布）；②两样本比较时，要求两总体方差齐同（方差齐性检验）。*单样本t检验：目的是推断样本所代表的未知总体均数μ与已知总体均数μ0是否有差异。*配对t检验：适用于配对设计资料，如同一批样品处理前后的比较、同对个体分别接受两种处理的比较。其本质是检验配对差值的总体均数是否为0。*两独立样本t检验（成组t检验）：适用于完全随机设计的两样本均数比较，推断两样本所代表的两总体均数是否相等。若方差不齐，则可采用t'检验（Welch校正t检验）或秩和检验。2.方差分析（ANOVA,F检验）方差分析用于推断多个（两个及以上）总体均数是否有差异。其基本思想是将总变异分解为组间变异和组内变异，通过比较组间变异与组内变异的大小（F值）来判断处理因素是否存在作用。*应用条件：①各样本来自正态分布总体；②各样本总体方差齐同；③观测值独立。*完全随机设计的方差分析（单因素方差分析）：研究一个处理因素不同水平下的效应比较。*随机区组设计的方差分析（两因素方差分析）：将受试对象按某种属性（区组因素）分组，减少组内变异，提高检验效率。*多个样本均数的两两比较（事后检验）：当方差分析结果拒绝H0，认为总体均数不全相等时，需进一步作两两比较，如LSD-t检验、SNK-q检验、Dunnett-t检验等，以确定哪些组间存在差异。3.基于秩次的非参数检验当计量资料不满足参数检验（如t检验、方差分析）的应用条件（如严重偏态分布、方差不齐、等级资料）时，可采用非参数检验。非参数检验不依赖于总体分布类型，适用范围广，但检验效能通常低于参数检验。*配对设计资料的符号秩和检验（Wilcoxonsigned-ranktest）：用于配对设计差值不满足正态分布时的比较。*两独立样本比较的秩和检验（Wilcoxonranksumtest/Mann-WhitneyUtest）：用于完全随机设计两样本比较，且不满足t检验条件时。*多个独立样本比较的秩和检验（Kruskal-WallisHtest）：用于完全随机设计多个样本比较，且不满足方差分析条件时。若拒绝H0，可进一步作两两比较。六、常用统计方法（二）：计数资料与等级资料的统计分析计数资料和等级资料的分析主要围绕率、构成比等相对数的比较展开。1.χ²检验（卡方检验）χ²检验是一种用途广泛的假设检验方法，主要用于推断两个或多个总体率（或构成比）之间有无差异，也可用于检验配对设计资料的关联性和拟合优度检验。其基本思想是比较理论频数与实际频数的吻合程度。*四格表资料的χ²检验：用于两个样本率（或构成比）的比较。需注意其适用条件：*当n≥40且所有T≥5时，用基本公式或专用公式。*当n≥40但有1≤T<5时，用连续性校正χ²公式或Fisher确切概率法。*当n<40或有T<1时，用Fisher确切概率法。*配对四格表资料的χ²检验（McNemar检验）：用于配对设计条件下，比较两种处理方法的阳性率是否有差异（关注不一致对子数）。*行×列表资料的χ²检验（R×C表χ²检验）：用于多个样本率的比较、两个或多个构成比的比较。注意事项：①不宜有过多格子（T<5）的理论频数，否则可能导致结果偏倚，可通过合并相邻组或增大样本量解决；②当结论为拒绝H0时，只能认为各总体率（或构成比）之间总的来说有差异，若要了解具体哪两组有差异，需进行两两比较。2.率的标准化法当比较两个或多个总率时，若内部构成（如年龄、性别、病情轻重等）存在差异，直接比较总率可能会产生假象，此时需采用标准化法消除构成不同的影响，计算标准化率（标化率或调整率）后再进行比较。常用方法有直接法和间接法。3.等级资料的比较等级资料具有半定量的含义，比较其组间差异时，宜采用基于秩次的非参数检验，如：*两独立样本比较的Wilcoxon秩和检验（适用于等级资料）。*多个独立样本比较的Kruskal-WallisH检验（适用于等级资料）。*Ridit分析：常用于按某种标准（如金标准）分组的等级资料，以该标准组为参照，计算各比较组的Ridit值并进行检验。七、直线相关与回归：双变量关系分析在医学研究中，常需探讨两个变量间的关系，如身高与体重、年龄与血压、药物剂量与疗效等。1.直线相关直线相关用于描述两个正态分布的计量变量之间线性关联的方向和密切程度。*相关系数（Pearson积差相关系数r）：取值范围为[-1,1]。r>0