医学]暨南大学研究生医学统计学-绪论.ppt

医学统计学 暨南大学医学院医学统计教研室 夏苏建 2019/1/3 1 研究生用 授课内容及特点 ?本课程主要介绍统计学的基本概念，并本课程主要介绍统计学的基本概念，并 着重讲解统计学方法在着重讲解统计学方法在医学科研中的医学科研中的应用应用 。 ?本课程的特点是本课程的特点是通过书中的实例，通过书中的实例，分析分析 讲解本课程的统计方法讲解本课程的统计方法，并掌握统计软件并掌握统计软件 SPSSSPSS基本操作过程基本操作过程，以及，以及理解其分析结理解其分析结 果。果。 Date 2 授课目的 C最终能应用SPSS统计软件，将学过的各 种统计分析方法结合具体实际问题或有关 的数据指标进行分析,领会各种统计数量 分析过程和应用中的意义,合理地解释各 种分析结果。 C能看懂医学文献中常见的统计分析方法 、结果及其意义。 C毕业论文及发表的文章无明显统计缺陷 和错误 Date 3 据统计：我国的医学期刊大约有 1000多种，其中绝大多数论文都要 用到统计学知识，统计学知识应用 得正确与否关系到论文的科学性与 严谨性。 60年代到80年代，国外医学杂志调查结果 ：有统计错误的论文20%72%。 1996年对4586篇论文统计（中华医学会系 列杂志占6.9%），数据分析方法误用达 55.7%。 这一严峻的现象值得科研工作者重视。 Date 4 医学统计学的定义与内容 统计方法的几个基本概念 统计工作的基本步骤 学习中应注意的问题 第一章第一章 绪论绪论 * 5 第一节 医学统计学的 定义与内容 1.统计的基本含义 统计是对客观事物的数量方面进行核 算和分析，是人们对客观事物的数量表 现、数量关系和数量变化进行描述和分 析的一种计量活动。 2.统计的基本特点：数量性 3.统计的目的：探索客观事物的数量规律 性，以便达到对客观事物的认识。 Date 6 统计学：是研究如何收 集准确可靠的资料和选择正 确方法进行整理分析的科学 。 医学统计学：根据统计学的原 理和方法，研究医学数据的收集 、表达和分析的一门应用学科。 Date 7 Statistics： “a science dealing with the collection, analysis, interpretation and presentation of masses of numerical data” -Webster 国际大辞 典 统计学是收集、分析、解释与呈现数据 资料的一门科学。 Date 8 收集数据：实验设计、调查设计 分析数据：统计学描述、统计学推断 解释数据：根据专业等解释统计结果(穿插各 个章节) 呈现结果：向杂志社、上级部门发表结果 Statistics : The science and art of dealing with variation in data through collection, classification and analysis in such a way as to obtain reliable results ( JM Last). The discipline concerned with the treatment of numerical data derived from groups of individuals (P. Armitage). Date 10 1. 采用统计学方法，发现不确定现象背后 隐藏的规律。 变异（variation）是社会和生物医学中的普遍现象。 变异使得实验或观察的结果具有不确定性，如每个人的身 高、体重、血压等各有不同。 医学研究的对象是人或生物体，具有较大的生物变异性， 并受许多社会心理因素的影响。借助统计分析，可透过偶 然现象认识其内在的规律性。 一个科学结论，除了理论机制的阐述外，还要有一定数量 的重复观察结果和合理的对照等。 为什么要学习医学统计学？为什么要学习医学统计学？ * 11 最大值=6.18, 最小值=3.29, 极差=2.89 算术均数=4.72，标准差=0.57。 * 12 2. 用统计学思维方式考虑有关医学研 究中的问题 “阳性”结果是否是虚假联系？ 某感冒药治疗1周后，治愈率为90%，能否说该感 冒药十分有效？ “阴性”结果是否是样本含量不足？ 有人曾对发表在Lancet, N Engl J Med，JAMA等 著名医学杂志上的71篇阴性结果的论文作过分析，发 现其中有62篇（ 93%）可能是由于样本含量不足造成 的假阴性。 * 13 乙药是否比甲药有效？乙药是否比甲药有效？ Date 14 要求设立具有可比性的对 照组 某文献报道：用某种中草药治疗玫瑰糠 疹，有效率为78%，平均疗程为3周左右 。问此药治疗玫瑰糠疹的确有效吗？ ?玫瑰糠疹具有自然治愈的情况，一般玫瑰糠疹具有自然治愈的情况，一般 不服药，多喝水，到不服药，多喝水，到3 3周左右有些患者周左右有些患者 也会自愈。也会自愈。 Date 15 某处报导：“据统计，城市人的寿命要比 农村少5年。湖北地区曾调查了90岁以上 的长寿者125人，其中住在城市的占24 ，农村占76。可能城市的紧张生活及 噪音对寿命均有影响”。你认为这个结论 对不对，并说明理由。 用某药治疗某病，治疗10例，其中9人有 效，能说90%有效吗？ 有关统计的其他问题 Date 16 3. 保证你的研究论文能通过统计学审查 据国外6080年代对不同医学杂志发表论文的 调查结果显示，有统计错误的论文所占比例高达 72%，最低也有20%。 国内1984年对中华医学杂志、中华内科 杂志、中华外科杂志、中华妇产科杂志 、中华儿科杂志595篇论文的调查结果，相对数 误用为11.2%，抽样方法误用15.9%，统计图表误用 11.7%。 某研究者1996年对4586篇论文统计（中华医学会 系列杂志仅占6.9%），数据分析方法误用达55.7% 。 * 17 JAMA，新英格兰医学杂志（NEJM）、 英国医学杂志、中华医学会杂志对来稿都有 统计学要求或统计学指导。 国际生物医学杂志编辑协会在其生物医 学期刊投稿的统一要求中也包含了统计学 要求。 Uniform Requirements for Manuscripts Submitted to Biomedical Journals http:/ 2019/1/3 4. 获得循证医学证据的主要手段 “良好愿望的医学”（well-meaning medicine ）转入“以证据为基础的医学” （evidence- based medicine，EBM）需要有统计学方法的 支持。 全世界的医学期刊每年大约刊登600万学术 论文，但能作为可靠“证据”的论文并不多。 * 19 学习医学统计学的用途 累计和表达经验：将积累的经验从感性 认识上升到理性认识（如阑尾根部化脓 及穿孔手术50例分析）。 完成科研工作：如何分组？分组是否有 可比性？样本含量是否足够？实验结果 的误差有多大？研究结果是否可推广？ 研究报告如何撰写？ 阅读医学书刊：继续教育的需要；识别 他人研究结果的可靠性。 Date 20 第二节 医学统计的基本概 念 同质与变异 总体与样本 抽样 误差及种类 变量及其分类 概率与频率 Date 21 Date 22 Date 23 一、同质和变异 （homogeneity, variation) 观察单位： observation unit。 由根据研究目的而确定，是统计研究中最基 本的单位。 同质：是指被研究指标的可控制影响因 素相同或基本相同。 例：研究儿童的身高：易控制的因素（性 别、年龄、身高、地区，等） 、不易控制 的因素（遗传、营养，等） 变异：同质的基础上的个体差异。 如某年某地7岁男孩的身高。 Date 24 医学研究中同质的重要性 组间具有可比性是指对比组之间除对比 因素外，其他特征基本相同，即所谓组 间均衡。 组间均衡，则差异有统计学意义的结果 可解释为对比因素的作用； 否则，差异有统计学意义的结果不能解 释为对比因素的作用，因为其他因素也 可能造成组间差异。 Date 25 二、总体与样本（population and sample） 总体：根据研究目的确定全部同质个体 ，这些个体的某项变量值。 研究1999年某农村地区14岁女孩身高 研究糖尿病人的血压测量值 总体有三大特点： 同质性 大量性 差异性 Date 26 样本sample 样本：根据随机化原则从总体中 抽出有代表性的一部分观察单位。 样本含量：样本包含的观察单位数 统计推断：用样本推断总体的特征 Date 27 有限总体 finite population 在确定的时间、空间范围内有限个观察单 位的总体。 如：调查某地1999年正常成年男子的红细胞数。 观察对象：该地1999年的正常成年男子； 观察单位：每个人； 同质：同一地区、同一年份、同一性别、同为正常 人、同为男性 。 观察值(变量值)：每个人测得的红细胞数； 总体：该地1999年的正常成年男子的红细胞数。 又如 ：暨南大学大学生近视发病率 Date 28 无限总体infinite population 无时间和空间范围限制的总体，此总体是 抽象的，观察单位数是无限的。 如：研究用某药治疗缺铁性贫血的疗效。 同质：贫血患者、同时使用某药治疗； 总体：使用该药治疗的所有贫血患者的治疗 效果，无时间和空间的限制。 Date 29 Target population and accessible population: Target population: 研究者最想推论的真正的 群体（称为目标总体），常常是不可得，是研 究者理想上的选择。 Accessible population: 研究者真正能将研究 结果推论到的群体(称为可及总体) ，是研究者 实际拥有的选择。 target population: well suited to the research question accessible population: representative of the target population and easy to study Date 30 Target population and accessible population: 例如：计算机辅助教学对于广州地区小学 一、二年级(target population)学生阅 读成就的影响。而暨南大学附属小学的一 二年级学生是accessible population； 一二年级中10的学生是样本。 Date 31 总体与样本的关系 Date 32 推论与外部效度 推论(generalize):将某个研究的发现应用在该 研究的人物或情境之外。 外部效度(external validity):研究结果能推论到 怎样的程度，就是该研究的外部效度。 总体可推论性(population generalizability): 样本可以代表总体的程度，若研究结果只适用 该研究所使用的样本(如样本太小)，则研究发 现的用处受到限制。 生态可推论性(ecological generalizability): 研究结果可以被延用到其它的情境或状况的程 度。 Date 33 抽样：从总体中抽取样本的过程 。 代表性：样本中的每一个个体必须符合总 体的规定。如研究1999年某农村地区14 岁女孩身高。 随机性：保证总体中的每个个体有相同的 机会被抽作样本。方法有：抽签、机械抽 样、分层抽样、随机数字表。 可靠性：实验的结果要具有可重复性。由 于个体之间存在差异，只有观察一定数量 的个体才能揭示客观规律性。 Date 34 非随机抽样法（非概率抽样） 方便抽样：依赖于可以纳入样本的可获得性的研究 对象。 速度快、简单。通常不能很好的代表总体目标人群。 定额抽样：对人群要素的特征做了规定，并从满足 这些特征的人群中抽取合适比例作为样本。 花费少，简单，方便。缺乏代表行。 目的抽样：基于对总体的了解以及研究的特殊目的 ，研究者根据对人群要素的代表性或者主要特征的 判断和研究目的选择样本。 滚雪球抽样：依赖于一些能将其他相关的研究对象 纳入研究的信息。例如，感染HIV/AIDS的人或者吸 毒的人。 Date 35 三、参数与统计量 parameter and statistic 参数：总体的统计指标， 如总体均数、标准差，采 用希腊字母分别记为、 。固定的常数 总体总体 样本 抽取部分观察单位 统计量统计量 参参 数数 推断inference 统计量：样本的统计指标，如样本均数、标准差，采用英 文字母分别记为 。 参数附近波动的随机变量 。 四、误差：观察值与真实值之 差 随机误差： 过失误差（非系统误差） 随机测量误差： 抽样误差 系统误差 非随机误差： Date 37 系统误差 systematic error 在实际观测过程中，由受试对象、研究者、仪 器设备、研究方法、非实验因素影响等原因造成 的有一定倾向性或规律性的误差。流行病学称之 为偏倚（bias）。 特点：观察值有系统性、方向性、周期性的偏 离真值。 可以通过严格的实验设计和技术措施消除。 过失误差：gross error AA由于观察过程中不仔细造成的错误判断由于观察过程中不仔细造成的错误判断 或记录。或记录。 应认真检查核对，否则将会影响研究结 果的准确性。 Date 39 随机测量误差： random measurement error AA各种偶然因素（电压、环境温度等）的各种偶然因素（电压、环境温度等）的 影响造成同一对象多次测定的结果不完全影响造成同一对象多次测定的结果不完全 一样。一样。 AA或同一样品不同观察者之间的差异。该或同一样品不同观察者之间的差异。该 误差不可避免，但要控制在容许范围内。误差不可避免，但要控制在容许范围内。 提高操作者熟练程度可以减少这种误差 Date 40 抽样误差： random sampling error AA在排除了系统误差，控制了随机测量误在排除了系统误差，控制了随机测量误 差后，由于抽样过程造成的样本指标与总差后，由于抽样过程造成的样本指标与总 体指标之间的差异。体指标之间的差异。 AA该误差不可避免，该误差不可避免，但有一定的分布规律 ，可估计。 AA原因：个体差异的存在。原因：个体差异的存在。 Date 41 准确度与可靠度 准确度(accuracy)或真实性（validity） ： 观察值与真值的接近程度，受系统误差的影响( 常用指标：如灵敏度、特异度)。 可靠度（reliabiliy） 也称精密度 (precision)或重复性（repeatability） ： 重复观察时观察值与其均值的接近程度，受随机 误差的影响（常用指标：一致百分率、Kappa 值）。 Date 42 Date 43 五、概率与频率 随机现象与随机事件 随机现象：在相同的条件下，重复进行试 验，每次的结果未必相同，且将来的结果 事前不能完全肯定。 随机事件：随机现象发生的结果。 随机事件的特征：随机性；规律性： 每次发生的可能性的大小是确定的。 产生随机现象的原因：随机误差所致（包 括个体差异和偶然测量误差） Date 44 概率 probability： 是描述随机事件（可能发生也可能不发生的 事件）发生可能大小的量。 用大写的P表示；取值0，1。 确定性现象：在一定条件下，一定会发 生或一定不会发生的现象。其表现结果为两 种事件：肯定发生某种结果的叫必然事件； 肯定不发生某种结果的叫不可能事件。 Date 45 必然事件 P= 1 不可能事件 P=0 随机事件 0P1 P 0.05（5）或P 0.01（ 1）称为小概率事件(习惯)，统计学 上认为不大可能发生。 小概率事件 样本的实际发生率称为频率。设在相同 条件下，独立重复进行n次试验，事件A出 现f 次，则事件A出现的频率为f / n。 频率与概率间的关系： 样本频率总是围绕概率上下波动 样本含量n越大，波动幅度越小，频率越接 近概率。 频率 frequency 频率与概率的关系： 抛掷硬币的历史抛掷硬币的历史试验记录试验记录 当样本含量较大时，可将频率作为概当样本含量较大时，可将频率作为概 率的估计值率的估计值 Date 48 第三节 统计资料的类型 统计资料的类型分为三种 1、数值变量资料 2、分类变量资料 vv二项分类二项分类 vv多项分类多项分类 3、等级资料 Date 49 （一）数据类型 1.计量资料 2.计数资料 3.等级资料 1. 计量资料 用仪器、工具等测量(measure) 方 法获得的数据，即为计量资料 measurment data。也叫定量数据 Quantitative data 特点：有计量单位，如患者的身高（cm ）、体重（kg）、血压（mmHg）、脉 搏（次/分）、红细胞计数（10/L） 2. 计数资料 按某种属性分类，然后清点每类的 数据，称计数资料（count data）或 enumeration data。也叫定性数据 Qualitative data 特点：无固有计量单位，如肤色（黑、 白）、血型（ABO）、职业（工农兵）、 性别（男女） 3. 等级资料 Rank data 半定性或半定量的观察结果。有大小顺 序，所以也叫有序分类资料（ordinal category data）。 癌症分期：早、中、晚。 药物疗效：治愈、好转、无效、死 亡。 尿蛋白： 、+、+及 以上 住院号年龄身高体重住院天数职业文化程度分娩方式妊娠结局 20256552716571.55无中学顺产足月 20256532216074.05无小学助产足月 20258302515868.06管理员大学顺产足月 20225432316169.05无中学剖宫产足月 20224662515962.011商业中学剖宫产足月 20245352715768.02无小学顺产早产 20258342015866.04无中学助产早产 20194642415870.53无中学助产足月 20257832915457.07干部中学剖宫产足月 观察单位 observations 个体individuals 变量 variables Quantitative data 计量资料 Qualitative data 计数资料 Units；elements （二）变量与随机变量 Variable and random variable 变量可以测量的任何特征或属性 Any characteristic or attribute that can be measured。 （不同个体结果可能不同） 1.随机变量在概率论中称变量为随机变 量 Date 55 随机变量的分类 连续性变量（continuous variable） 相当于计量资料 离散型变量（discrete variable） 相当于计数资料 有 序 变量（ordinal variable） 相当于等级资料 根据观察数据之间有无缝隙（gap），常将数 据分类为离散型（discrete）变量（有缝隙）与 连续型（continuous）变量（无缝隙）两大类。 虽然如脉搏、白细胞计数等测量值只能是正整数，但为研究方便习惯上也视 为连续变量。 Date 56 Date 57 各类变量间的互相转化 有序分类变量转化为数值变量： 如： 治愈3、显效2、好转l、无效0 数值变量也可转化为分类变量： 如：按血压测量值大小将血压分为： 低血压、正常、高血压 或正常、异常 Date 58 第四节 统计工作的基本步骤 设计 搜集资料 整理资料 分析资料 Date 59 一、设计（design） 医学科研设计按是否对 研究对象施加 干预分为：实验设计和调查设计。 所谓设计就是关于研究计划方案的制定 ，任一项研究，除专业设计之外，还应 包括统计设计，如果设计出现错误，那 么，不论用什么统计分析方法进行数据 处理都无法得到正确的结论。 Date 60 实验设计必须遵循的基本原则： 随机化原则（randomization) 对照原则（control） 重复原则 (replication) Date 61 医学论文统计设计方面存在的常见 问题 组间的可比性问题 对照的设立问题 只有设立除处理因素之外其他实验条件相同（或基本相同 ）的对照组，才能说明处理组的干预措施有无作用。 样本含量的问题： 样本代表性问题：对象的选择与标准？ 医学伦理学问题：世界医学大会赫尔辛基 宣言 Date 62 二、搜集资料（data collection） (一)统计数据来源渠道 1.统计数据的直接来源 （1）来源于为管理和研究需要而专门组织调查 （2）来源于科学实验方法 2.统计数据的间接来源 （1）内部资料的收集 业务资料： 统计资料：疾病分类报表 财务资料： 内部积累的其他资料：如病历，X光片 （2）外部资料的收集：年鉴，政府报告等 Date 63 Source of data Primary collect original data by the researcher him or herself Secondary use existing data Tertiary use existing studies Date 64 （二）统计数据的收集组织形 式 1. 统计报表制度 2. 普查 3. 典型调查 4. 重点调查 5. 抽样调查 Date 65 (三)数据资料的收集方法 1.直接观察法 2.报告法 3.采访法 4.邮寄法 5.电话访问 6.网上调查: 电子邮件法 视讯会议法 站点法 7.计算机辅助调查（Computer Assisted Interviewing）： 计算机辅助的电话调查（CATI） 计算机辅助的个人访问调查（CAPI） 计算机辅助的填报调查（CASI） Date 66 三、整理资料（data sorting ） 使原始数据条理化，便于进一步的计 算和分析。 对资料进行检查、核对 设计分组：质量分组、数量分组 按分组要求设计整理表。 Date 67 四、分析资料（data analysis） 按设计的要求，根据研究目的和资 料的类型，对整理出的基础数据作进 一步的计算分析和统计处理，并用适 当的统计图表表达出来，最后结合专 业做出结论。 Date 68 国际通用统计软件包 SAS（Statistical Analysis System） SPSS（Statistical Package for the Social Science） BMDP（Biomedical Computer Programs） GLIM（Generalised Linear Interactive Modelling） Genstat（General Statistical Program） Epilog Minitab Date 69 学习中应注意的问题 ?应多联系实际，结合专业，分析评价实 际工作、医学文献和医学科研中的统计 问题，才能学好医学统计学。 ?要能够应用恰当的统计方法处理各种数 据，对统计公式主要了解其意义、用途 和应用条件，不必深究其数学推导。 Date 70 ?不能仅凭表面数字上的差异就下 结论 掌握医学统计学的基本知识、基本技能、 基本概念和基本方法。 建立逻辑思维方法和提高分析问题的能力 。 懂得假设检验的逻辑推理，理解统计结论 的概率性。 Date 71 ?反对伪造和篡改统计数字 掌握调查设计和实验设计的原则，培养收 集、整理、分析统计资料的系统工作能力 。 重视原始资料的完整性和准确性，对数据 处理持严肃、认真、实事求是的科学态度 ，反对伪造和篡改统计数字。 Date 72 伪造统计数据违反科学道德 1976年New Science 杂志关于科研舞弊 行为的调查 （1）74%的调查表反映有不正当修改数据 的情况 （2）17%拼凑实验结果 （3）7%凭空捏造数据 （4）2%故意曲解结果 统计学发展简史 古典统计学、近代统计学、现代统计学 统计学发展过程中出现过几次重大的争论： “政治算术”与“国势学”的争论，明确了统 计学的学科性质； “描述统计学”与“推断统计学”的争论，构 筑了统计学的完整体系； “经典统计学”与“贝叶斯统计学”的争论， 带来了统计哲学观的新变化； 信念统计学与经典统计学、贝叶斯统计学的争 论，使统计推断科学化问题的研究日趋深入。 v正是通过这些争论完善了现代统计学的思想和 方法体系。 Date 74 “政治算术”与“国势学”之争 17 世纪中叶，以英国的配第（E Petty）和格朗特（J Grant）为代表创立的“政治算术”，标志着统计学的 诞生。首次出现了有意识地用大量的数字资料说话，注 重从数量角度探讨社会经济现象规律的活动。 与“政治算术”产生的时期差不多，在德国也出现了一 门“统计学”“国势学”。“国势学”主要研究 “国家的有关显著事项”，其主要特征是对问题的研究 和阐述，基本上采用文字记述和逻辑比较，那么它之所 以也被认为是统计学，在很大程度上是因为“国势学” 发展到顶峰时期的代表性人物阿肯瓦尔（G Achenwall) 给它起了一个新名称“STATISTIK” Date 75 到1850 年，德国人克尼斯（G A Knies) 根据当时统计学发展的实践，概括大多数人的意 见，认为“国势学”尽管有统计学之名但没有统 计学之实，应该仍叫“国势学”，而“政治算术 ”虽然没有统计学之名但有统计学之实，所以“ 政治算术”才称得上是统计学的真正起源。统计 史上，一般把克尼斯“独立科学之统计学”一文 的发表，作为“政治算术”和“国势学”争论的 结束。 Date 76 “描述统计学”与“推断统计 学”之争 从19 世纪中后期到20 世纪前半叶，是统 计学发展过程中一个非常重要的时期。 一方面是兴起于生物遗传学、农业田间试 验等领域的“生物统计学”的发展， 另一方面是建立在“小样本”观察基础上 的统计推断方法的发展。 Date 77 生物统计学的创立 是英国人高尔顿（高尔顿（F F GaltonGalton）最早创立的， 为了研究人的智力遗传和进化规律，高尔顿在伦敦开设 了“人体测量研究所”，广泛招募志愿人员，采集到大 量的有关人的自然属性的资料。 先后出版了两本著作，一本是关于人的能力及其发展 问题，另一本是遗传的自然规律。 在这两本书及相关的论文中，高尔顿提出了诸如“相关 ”、“回归”、“中位数”、“四分位数”、“四分位 数差”、“百分位数”等概念和计算方法。 Date 78 皮尔逊(K Pearson)对统计学发展的贡献