医学科研资料收集整理和分析课件

1、医学科研资料的收集与分析1观察性研究实验性研究理论性研究描述性研究分析性研究常规资料分析报告、个例调查、病例报告、现况研究、生态学研究病例对照研究、队列研究临床试验、现场试验、社区试验数学模型、计算机仿真2一、医学科研数据的整理和统计描述3（一）统计数据类型1. 计量资料2. 无序分类资料3. 有序分类资料4. 三类资料间关系4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202246625

2、15962.011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variablesQuantitative data 计量资料Qualitative data 计数资料Units；elements51. 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measurement data。也叫定量数据Quantitative data特点：有计

3、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）62. 无序分类资料 按某种属性分类，然后清点每类的数据，称无序分类资料（count data）或enumeration data。也叫计数资料、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）。73. 有序分类资料 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、显效、有效、无效。 尿蛋白： ,+,+及以上84. 三类资料

4、间关系 例：一组2040岁成年人的血压以140/90mmHg为界分为正常与异常两组，统计每组例数 50或者100以上；或者例数较小但总体标准差已知u检验两组资料比较例数(n)50或者100以上u检验若例数n较小，来自正态且方差齐性总体成组设计的t检验否则选用成组设计的秩和检验两组配对资料比较（配对设计）配对差值服从正态分布配对设计的t检验否则选用配对设计的秩和检验多组资料比较（完全随机设计）各组均来自正态总体且方差齐性成组设计的方差分析否则选用成组设计的秩和检验表1 数值变量资料比较的常用假设检验方法30分类资料分析目的应用条件统计方法两组率或构成比的比较np5且n(1-p)5二项分布u检验n

5、40且最小T5四格表卡方检验n40且最小1T5校正的四格表卡方检验n40或最小T40McNemar检验b+c40校正的McNemar检验多组率或构成比比较小于1/5格子的1T5行列表卡方检验若有T1或有大于1/5格子的1T 0，表示回归直线与Y轴的交点在X轴的上方；a 0，表示随X增加，Y亦增加；b 0: 表明 P与 xi 有关，变量 xi 是疾病发生的危险因素； i 0: 表明 P 与 xi 有关，变量 xi 是疾病发生的保护因素。 48Logistic回归中OR值的估计比如，对比某个危险因素Xj两个不同暴露水平c1和c0的发病情况，假定其他危险因素的水平相同：49Logistic模型回归系

6、数的假设检验对回归系数进行假设检验，包括：检验模型中全部的回归系数和模型中某个回归系数。常见的检验方法：似然比检验(估计似然比统计量G)Wald检验(卡方检验或u检验)计分检验50条件Logistic回归条件Logistic回归模型是针对配对资料分析的一种方法。51多因素Logistic 回归模型的注意事项首先，变量的取值问题。对于同一个资料，变量采取不同的取值形式，模型中参数的含义可能是不一样的。第二，样本量的问题。样本量太少，结果不稳定。第三，当应变量是一个多水平的分类变量，特别是有序分类变量，可采用多分类的Logistic回归。52生存分析几个基本概念生存分析是将事件发生的结果和随访时间

7、综合起来考虑的一种统计分析方法。生存时间 任何两个有联系事件之间的时间间隔失效事件 反映治疗效果的特征事件，也称为死亡事件或者终点事件起始事件 反映生存时间起始特征的事件截尾值 指在随访中，由于某种原因没能观察到病人的结局，所以不知道病人确切的生存时间生存概率 指单位时间段开始是存活个体到该时间段结束时，仍然存活的可能性生存率 0时刻存活的个体在t时刻仍然存活的概率死亡概率 表示某个时段开始时存活的个体，在该时段内死亡的可能性死亡率53生存率的估计和比较生存率估计采用乘积极限法，也叫Kaplan-Meier法。对于频数表的资料，则采用寿命表法。Kaplan-Meier法可估计生存率及其标准误，

8、还可估计总体生存率的可信区间，以及绘制生存曲线图。生存曲线是以生存时间为横坐标，生存率为纵坐标而绘制的图形，也称K-M曲线。两组或者多组生存率的比较假设检验的方法：Log-Rank检验和Wilcoxon检验，以及多因素的生存分析，包括参数模型(Weibull分布、指数分布为基础建立的回归模型等)和半参数模型(Cox比例风险模型)。54Cox 回归模型Cox （回归）模型的基本概念 Cox 模型也称比例危险度回归模型 ( proportional hazards regression model , PHREG) : 是一种回归分析方法 ，也称Cox 回归 。该模型的优点：可用于分析处理结局的影响因素多 ；结局发生时间不一 ；存在删失数据 ；可处理风险率模型不易确定（难于确定采用非参数模型还是参数模型）的复杂资料。其特点是建立Cox 模型不需要知道生存分布的类型，属半参数性质的回归模型。55Cox 回归模型比例风险度模型的定义公式为： h(t, x)=h0(t)exp(1X1+2X2+3X3+nXn) 公式(1)中： h(t, x)为t时刻存活