『壹』 統計資料的顯著性檢驗(significant test)方法怎樣選擇
這是在創新醫學網上看到的 不知道 對樓主的幫助大不大
三、 t檢驗與校正t檢驗(t′檢驗)
這是文稿中極易混淆的一類計量資料統計問題。
(一)檢驗的注意事項
1.t檢驗的意義:t檢驗與所有統計分析相同,其結果提示現有差別不僅僅是抽樣誤差所致,且提示犯第一類錯誤的可能性大小,即t0.05與t0.01犯第一類錯誤的可能性各為5%與1%。
2.統計意義與臨床意義的關系:統計學有顯著意義,而在臨床上可能是無意義的,提示該研究應繼續深入,以明確該差異是否真有顯著意義;相反,統計無顯著意義,而臨床上卻是有意義的,不能貿然輕易地下結論。應復查實驗設計、方法、試劑及儀器性能、質控措施和實驗數據等是否有問題,或尚需再進一步增加樣本量進行復測等。
3.t檢驗適用范圍:t檢驗僅適用於正態或近似正態分布(包括偏態轉換)和其方差是齊性資料的檢驗;t檢驗適用於可比性資料,即除了欲比較的因素外,其它所有可影響的因素應相似。
4.t檢驗的結果判斷:判斷結果不應絕對化,P<或>0.05,分別表示可拒絕或接受原定的假設,但兩者都有5%的可能性犯第一類錯誤;而P值越小,只能是更有理由拒絕原定的假設。
5.單側與雙側檢驗:應預先制定本研究的結果是需行雙側還是單側檢驗。對有把握確知某治療措施或某指標是不會劣於現有的,才作單側檢驗;若不知何者為優,應行雙側檢驗。因為在同一t值的界限上,單側檢驗的概率(P)僅為後者的一半,也就是說單側檢驗較雙側檢驗更易得出差別有統計意義的結論,不可隨意制定。一般講,絕大多數研究以採用雙側檢驗為妥。
(二)t′檢驗與t檢驗的區別
當兩樣本均數的方差非齊性時,應以t′替代t檢驗。例如:甲組32例血清某指標值為53.9±49.6(μmol/L);乙組6例的結果為26.6±7.2(μmol/L),若不考慮兩樣本方差大小,t檢驗示t=1.331,P>0.05,提示兩組血清該指標的平均含量差異無顯著意義。但先作方差齊性檢驗,F=47.4,P<0.01,示這兩樣本方差差異有極顯著意義。據此應採用t′檢驗,t′=2.952>t′0.012.875,P<0.01。顯然,與上述結論恰恰相反。
『貳』 醫學科研中常用的統計學方法有哪些
正確的統計學分析一定要建立在明確的研究目的和研究設計的基礎之上，那些事先沒有研究目的和研究設計，事後找來一堆數據進行統計分析都是不可取的。 在醫學論文的撰、編、審、讀過程中經常遇到的問題是研究的題目與課題設計、論文內容不符，包括文章的方法解決不了論文的目的、文章的結果說明不了論文的題目、文章的討論偏離了論文的主題；還有是目的不明確、設計不合理。如題目過小，論文不夠字數，而一些無關緊要的變數指標或結果被分析被討論；又如題目過大，論文的全部內容不足以說明研究的目的，使論文的論點難以立足。 所以，合理明確的論文題目或目的以及研究設計方案是撰、編、審、讀者應當關注的首要問題。此外，樣本含量是否滿足，抽樣是否隨機，偏倚是否控制等，也是不可忽視的問題。
2、建好分析用的資料庫
建好資料庫是正確統計分析的前提和基礎，甚至決定了論文分析結果的成敗。對於編、審、讀者來講，一般由於篇幅的限制，往往得不到資料庫數據，而只有作者在資料庫數據基礎上經統計描述計算後給出的諸如各指標均數 x、標准差 s 或中位數 M、百分位數 Px 的「二手」數據，或將研究對象小或特徵屬性分組，清點各組觀察單位出現的個數或頻數的頻數表數據等。 無論是否能夠得到資料庫數據，作者在統計分析過程中一定依據資料庫數據進行計算，得出結果。如果對「二手」數據或頻數表數據的結果等存在疑惑，編輯、審稿專家或讀者有權要求作者提供資料庫數據以檢查其完整性、准確性和真實性，確保研究數據的質量。假若在投稿須知中對資料庫數據作出必要的要求，無疑對於保證刊物的發表質量有著積極的意義
『叄』 醫學統計方法該如何選擇
醫學統計方法該如何選擇
基本的醫學統計方法有很多，如樣本均數與已知樣本均數比較、兩樣本均數比較、多個樣本均數的比較、兩個樣本率的比較、多個樣本率的比較、兩組或多組構成比的比較、非參數檢驗、多因素桐困轎資料的方差分析等。如果對於統計方法沒有一個整體的把握和認識，可能就會局肆出現誤用濫用統計方法的情況。下面是我為大家帶來的.關於醫學統計方法該如何選擇的知識，歡迎閱讀。
統計學的基本概念
1、小概率事件
如果事先假定發生概率最多為0.05的事件為小概率事件，那麼根據小概率事件原理，即“小概率事件在一次隨機試驗中幾乎不可能發生”。假設檢驗就是根據小概率事件原理對該假設進行推斷。
2、非參數統計
統計學上，對總體的分布不做假設或僅作非常一般性假設條件下的統計推斷方法稱為“非參數統計”。非參數統計方法很多，應用較多的包括
配對設計資料的Wilcoxon符號秩和檢驗、單樣本的Wilcoxon符號秩和檢驗、完全隨機設計兩獨立樣本的Wilcoxon符號秩和檢驗、完全隨機設計多個獨立樣本的Kruskal-Wallis秩和檢驗和隨機化區組設計資料的Friedman秩和檢驗。
3、實驗研究三要素
實驗研究三要素包括：處理因素、實驗對象、實驗效應。處理因素有單因素、多因素;實驗對象的設計方式有完全隨機、配對或隨機區組;實驗效應通過觀察指標來表達，而觀察指標又可分為計量、計數或等級資料。這三者的不同組合決定了選用不同的統計方法。
單變數統計方法選擇的一般原則
1.影響因素是單因素還是多因素
2.判斷擬分析的資料屬尺豎於哪種類型：計量、計數還是等級資料
3.資料是單一樣本、兩組樣本還是多組樣本
4.判斷資料所屬的設計方式，是完全隨機、配對還是隨機區組
5.判斷資料是否符合擬採用的統計分析方法的應用條件，必要時可考慮變數變換
多變數統計方法的選擇
在醫學研究中，特別是在臨床研究中，每個觀察對象記錄的觀察指標往往不止1個，即有多個反應變數。分析變數間的相互關系是探索疾病病因的重要途徑，多參數統計方法常用於這類研究問題的分析。
在醫學科研中，常用的多參數統計方法有3種：多元線性回歸、Logistic回歸分析和生存分析。
多元線性回歸要求應變數是連續型變數，但是在醫學研究中經常遇到的應變數為非連續的分類變數，如某種疾病的患病與否，器官移植之後是生存還是死亡。
研究分類應變數與諸多自變數間的相互關系，進行疾病的病因分析常選用Logistic回歸分析。
在醫學隨訪研究中，不僅要看是否出現了某種結局(如器官移植後是否死亡)，還要考慮出現這些結局所經歷的時間長短。生存分析就是將觀察結局和出現這一結局所經歷的時間結合起來分析的一種統計分析方法。
;