医学统计中的典型错误

1、医学统计中的典型错误，定量数据(1)，将定量数据误判为定性数据并误用。2.测试分析。定量数据的误用。2.测试处理。一次重复测量的双因素设计。定量数据忽略了T检验。方差分析的先决条件误用组设计数据T检验分析误用成对设计数据一般T检验分析误用相容性组设计数据T检验处理定量数据误用析因设计T检验分析单因素设计数据误用T检验处理三因素设计数据误用T检验分析三因素设计数据误用T检验处理两次重复测量具有三个权重四因素设计数据和复杂测量的定量数据(2)， 成对设计数据的误用T检验处理单因子k(k3) 水平设计数据误用成对设计数据T检验处理两次重复测量误用成对设计数据T检验处理单因素设计数据一次重复测量误用成

2、对设计数据T检验分析任意两组之间的差异误用T检验和一般方差分析以及用协变量处理数据误用单变量多级设计数据分析方差处理因子设计数据误用单变量多级设计数据分析方差处理正交设计应用中的双因素设计数据一次重复测量问题，将定量数据误判为定性数据，误用两次试验。 儿童皮肤血管瘤雌激素受体和孕激素受体的研究。作者拟探讨雌激素受体和孕激素受体在血管瘤发生发展中的意义。免疫组织化学法检测毛细血管瘤、混合性血管瘤、海绵状血管瘤、淋巴管瘤和正常皮肤组织中的雌激素受体和孕激素受体。所有标本用10%福尔马林固定，并包埋在石蜡中。从每个病例中选择一个典型的蜡块，在46m处切片进行免疫组织化学染色。在高倍镜下，在每个肿瘤区

3、域计数500个细胞，并计数雌激素受体和孕激素受体阳性细胞的百分比，如表4.1所示。统计学方法采用卡方检验。分析：正确识别统计数据的设计类型是合理选择统计分析方法的重要前提。根据统计指标的性质，统计数据一般分为两类：定量数据和定性数据。所谓定量数据是指由每个观察单元测量的指标(对于该数据，观察单元是一个案例样本)用特定的数值表示。它被细分为测量数据和计数数据。定性数据是指每个观测单元所测量的指标只反映某一方面的性质，不能用具体的数值来表示。它被细分为名义数据和有序数据。对于该数据，测量单元的结果为“正”或“负”，一般认为带有“率”的数据为定性数据，应判断为定性数据。然而，问题的关键在于，原作者的

4、观察单位不是细胞本身，而是每一个病例标本。原作者关注的是四种疾病患者和一组正常人的雌激素受体和孕激素受体阳性细胞率的平均值是否相同。从每一个案例样本来看，如果我们只从数据的表面现象(用“率”来判断)，而不考虑每一个值的实际意义，不从数据的本质来判断，就容易出错。说明：本数据的受试者为病例标本，测量指标为“阳性细胞百分比”，因此应为定量数据，涉及一个实验因素，即样本类别，分为“毛细血管瘤”、“混合性血管瘤”、“海绵状血管瘤”、“淋巴管瘤”和“正常皮肤”五个级别。对于百分比的量化指标，根据经验，需要进行平方根反正弦变换。在检验数据满足正态性和方差齐性的前提条件后，可以根据单因素5水平设计数据进行方

5、差分析。如果变量转换后前提条件仍未满足，则使用非参数检验18402。定量数据通过两个试验进行分析。美传清与博利康尼治疗支气管哮喘40例临床疗效及副作用比较。原作者选取80例哮喘患者，随机分为美喘清组和博利康尼组，每组40例，记录各组的疗效时间，见表4.2。结果经2次试验处理，认为张岩的作用早于博利康尼，差异显著(P0.05)。分析：严格来说，每个哮喘患者都可以提供药物生效的时间，所以这些数据应该是定量的。为了便于表达，表4.2仅列出了不同时间点的频率分布，这并不意味着该数据中的结果变量是定性数据。原作者使用一般2测试处理数据，2测试能回答的问题与原作者的分析目的不一致。此时，结论只能是张岩和博

6、利康尼集团在不同发病时间的成分上的差异是否有统计学意义，但不能得出两组之间的差异有统计学意义的结论。说明：最好将该数据中疗效出现的时间恢复到原始值，然后根据分组设计的量化数据进行统计分析。如果各组疗效出现时间符合正态分布，且两组疗效出现时间满足方差齐性，则可进行组设计数据的T检验。如果不满足T检验的前提条件，可以采用非参数统计方法，如分组设计中两个样本的秩和检验。如果每个患者的药物起效时间不像表4.2所示的那样准确，而只是一个时间段(如00.5、0.51、4872)，则可以按照以结果变量为有序变量的单向序列列表数据对应的统计分析方法进行处理，如秩和检验、Ridit分析等。当然，这样做通常会丢失

7、一些信息，降低测试效率。误用2试验处理重复测量的双因素设计的定量数据，原标题：硬皮病成纤维细胞的整合素检测和细胞周期分析，10例硬皮病患者和9例正常对照(手术患者)组，在无菌条件下取皮损组织，用组织块法进行原代培养，以第25代成纤维细胞为研究对象。荧光标记后，用流式细胞仪测定各组细胞的不同增殖周期。结果如表4.3所示。统计处理：采用2次检验。分析：这是一个典型的应用2测试的例子，当你看到百分比。在数据的表达上，原作者采用了定量数据的表达，但在统计处理上采用了二次检验，这是一种处理定性数据的统计方法。显然，存在矛盾。准确判断数据的性质是合理选择统计分析方法的重要前提。该数据的实验对象是硬皮病患者

8、或正常对照，并且在三个不同的细胞增殖周期中测量成纤维细胞的百分比。这个百分比是一个特定的值，并不代表一定的性质，所以这个数据应该被判断为定量数据。在确定了数据的性质之后，我们应该进一步判断与数据相对应的实验设计的类型。从数据中可以看出，实验涉及两个因素，一个是“受试者”，分为“硬皮病”和“正常对照”两个层次，另一个是“细胞增殖周期”，分为“G1期”、“S期”和“G2”三个层次，每个受试者在三个细胞增殖周期中被重复测量，说明“细胞增殖周期”的因素与“重复测量”有关，因此实验设计的类型应为“一次重复测量的双因素设计”。在判断数据的性质时，我们应该分析数据的性质，即从每一个主体衡量的指标的具体内容是

9、什么，而不是仅仅从数据的表面现象来判断数据的性质。在判断数据的实验设计类型时，应确定数据中涉及的因素数量以及各个因素水平的组合，并注意研究者在收集和整理数据时所采用的方法，以便对实验设计类型做出更准确的判断。该数据应通过与重复测量设计相匹配的方差分析进行处理。忽略T检验和方差分析的前提条件，原标题：血清肿瘤标志物在结直肠癌诊断中的作用。为了研究癌胚抗原、CA19-9、CA72-4和CA242肿瘤标志物在手术前、手术后和转移复发时的差异，分别对58例手术前患者、30例手术后患者和19例转移复发患者进行了检测，并对其四项指标进行了测量和T检验。 不同群体间的标准差也有很大差异，不符合方差同质性的要

10、求。 T检验和方差分析作为一种参数检验方法，有其应用前提，只有在正态性检验和方差齐性检验之后才能应用。该数据分为术前组、术后组和转移复发组，相当于三个不同水平的一个因素。根据设计类型，应该是单因素三水平的数据。原作者用T检验对其进行了分析，这也是错误的，因为T检验只适用于单组、匹配和组设计的数据分析，不适用于单因素K(K3)水平设计数据和多因素设计数据。说明：如果数据不满足参数检验的前提条件，可以使用适合分析偏斜分布数据的非参数检验(如秩和检验)进行分析，或者在找到满足上述两个前提条件的相应变量变换方法后，使用相应的参数检验方法，由于实验设计类型为单因素三水平设计，因此可以使用相应设计数据的方

11、差分析进行处理。误用群体设计数据对配对设计数据的t检验分析。原标题：盆腔动脉灌注化疗和栓塞治疗恶性滋养细胞肿瘤。对8例经临床和病理证实的恶性滋养细胞肿瘤采用改良塞丁格氏插管技术进行选择性盆腔动脉灌注化疗。治疗前后进行血液hCG放射免疫测定。结果如表4.5所示。采用一般t检验进行分析，治疗前后血hCG值有显著性差异(P0.05)。分析：这些数据是成对出现的，每对数据都是从同一个案例中测量的，所以它是为自我配对而设计的。对于这类数据，一般计算每对数据的差值，用差值来反映两种处理之间的效果差异。原作者将治疗前后的数据视为独立数据，并根据分组设计数据的T检验直接比较治疗前后的数据，与设计类型不一致。另

12、外，原作者注意到原始数据不满足正态性，正态性是T检验的前提条件之一，所以用对数变量进行转换是正确的。然而，变量变换的目的是使数据满足正态性，也有必要对变换后的数据进行正态性检验。取该数据的对数后，数据仍不满足正态性条件，因此不适合T检验。说明：计算治疗前后的差异，将数据转换为单组设计数据，比较差异平均值与0之间的差异是否有统计学意义。当然，在进行单组设计的T检验之前，应该对数据进行正态性检验。如果不满足正态性的前提条件，适当的方法(如对数和平方根变换等。)可以对数据进行变量转换。变量变换后，应进行正态性检验。误用一般T检验数据分析配伍组设计，原标题：甲基叔丁基醚结合超声溶解胆结石的研究。13例

13、患者中有4例胆结石，其中4例结石形状和重量相似。其中一颗结石通过CT、生化分析和断面结构观察进行分类，另外三颗结石通过超声、灌注和静置控制进行溶解。具体数据见表4.6。原作者用学生t检验，结果表明超声能促进非钙化结石的溶解，完全溶解结石，并明显缩短溶解时间与灌注组相比，超声组与静态组有显著性差异(P0.05)，与静态组有显著性差异(P0.001)。分析：本实验以结石的形状和重量作为重要的阻滞因素，将同一组中的3颗结石随机分为3个治疗组。研究者考虑了重要的实验因素以及可能影响实验结果的重要的非治疗因素(即阻滞因素)。这种实验设计称为相容性组设计。然而，T检验只适用于单组设计、配对设计和组设计的数

14、据分析，因此不适合分析这些数据。在各级因素满足正态性和方差齐性的前提下，我们可以分析不同级别实验因素之间的差异是否显著，不同级别分块因素之间的差异是否显著，从而准确估计和控制实验误差。如果实验因素之间的差异显著，我们可以进一步用Q检验等方法进行成对比较。因子设计的定量数据通过误用t检验进行处理。原标题：格列苯脲对糖尿病大鼠和正常大鼠心肌磺脲类受体基因的影响。为了研究长期服用格列本脲对正常和糖尿病大鼠心肌SUR1、SUR2和kir6.2的影响，将大鼠随机分为4组。结果如表4.7所示。原作者用t检验进行统计分析。分析：本数据中有四个实验组，实际上涉及两个实验因素。一个因素是是否有糖尿病，它有两个层

15、次：是和否；另一个因素是是否服用格列本脲，有两个水平：是和否，这两个因素分别有两个水平，它们相互结合形成四个实验组，如表4.8所示。然而，这个例子是由群体单独表达的，隐藏了各级因素之间的组合关系，容易使人误认为是单因素四水平设计的量化数据。原作者用T检验进行统计分析也是错误的，因为T检验只能分析单组设计、成对设计和分组设计的数据，只涉及一个因素，这个因素最多只有两个层次。说明：这种数据属于析因设计的定量数据，所以我们应该采用相应的方差分析，可以分析各种因素的影响及其可能的相互作用。如果这三个指标需要同时进行专业调查，也应选择本设计下的数据多元方差分析。误用t检验分析有重复测量的单因素设计数据，

16、原标题：地氟醚对老年患者血流动力学的影响，为了研究地氟醚对老年患者血流动力学的影响，选择30例接受腹部手术的老年患者(年龄60-74岁)，所有患者术前肝肾功能正常。吸入地氟醚前，监测心输出量(CO)、峰值流速(PV)、心率(HR)、校正血流时间(FTC)、中心静脉压(CVP)、心脏指数(CI)、平均动脉压(MAP)和外周血管阻力(SVR)作为基础值，然后将地氟醚浓度分别调整为0.5MAC和1。结果如表4.9所示。统计处理：采用T检验确定显著性差异，P0.05为显著性差异。分析：在吸入地氟醚并将地氟醚浓度调整到0.5毫升、1.0毫升、1.5毫升和2.0毫升之前，同一患者反复测量了几项血液动力学指标。地氟醚浓度是与重复测量相关的因素，因此该数据属于重复测量的单因素设计数据。原作者用T检验进行两两比较。由于T检验，说明：重复测量的单因素设计数据可以通过相容性组设计数据的方差分析进行近似处理。如果发现不同浓度地氟醚下血液动力学指标有显著差异，可通过Q检验进行比较。此外，由于这些指标属于血液动力学指标，我们可以进一步对配伍组的设计数据进行多元方差分析，得出更为一般的结论。值得一提的是，吸入前各项指标的测量值是基础值，被视为协变量的观测值。使用相应设计数据的协方差分析更为合理。滥用T