杨爱平肿瘤标志物数据统计分析及论文写作

肿瘤标志物数据的统计分析及论文写作杨爱平

医学论文写作是一项严肃、意义重大的工作、是交流经验，传播科技成果，不断提高临床诊治和科研水平的重要组成部分。只有不断的总结，才能在总结的基础上不断的进步。因此，必须以科学的态度实事求是的去写，即不能夸大，也不能缩小，有一说一，有二说二，密切注意医学论文的科学性、实用性、先进性及可读性。不同的工作性质写出来的医学论文不尽相同，个性是主要的，但也不能没有共性，不是无章可循。但应尽可能避免写作时的千篇一律，千人一面。医学论文写作路漫漫其修远兮吾将上下而求索昨夜西风凋碧树，独上高楼望尽天涯路衣带渐宽终不悔，为伊消得人憔悴

众里寻他千百度，蓦然回首，那人却在灯火阑珊处论文书写探索过程实验型文章-基层医院开展难：缺经费,少平台,领导更多注重剩余价值Meta分析-但苦于非教学医院，近半年国内外发表最新数据检索困难回顾性统计-方法学论文:实验室已开展项目联合诊断，观察指标与疾病预后和病理分期的关系等四格表临床应用实验组（检测方法）对照组（金标准）Total阳性阴性阳性（暴露）69(A)3(B)72阴性（非暴露）6(C)54(D)60Total7557132相对危险度（relativerisk,RR）

相对危险度RR（RelativeRisk）是前瞻性研究（队列研究）中常用的指标，它是暴露组的发病率与非暴露组的发病率之比，用于说明前者是后者的多少倍，是用来表示暴露与疾病联系强度的指标。RR也叫危险比（riskratio）或率比（rateratio），适用于队列研究或随机对照试验

RR的计算公式是：RR＝暴露组的发病或死亡率/非暴露组的发病或死亡率RR==归因危险度（attributablerisk,AR）

归因危险度（AR）是暴露组发病率与对照组发病率相差的绝对值。又叫特异危险度、率差（ratedifference,RD）和超额危险度（excessrisk），是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度，即由于暴露因素的存在使暴露组人群发病率增加或减少的部分特异危险度（AR）的计算公式是：AR＝暴露组的发病或死亡率-非暴露组的发病或死亡率AR=比值比（oddsratio,OR）

比值比（OR）也称优势比、比数比、交叉乘积比，是病例对照研究中表示暴露与疾病之间关联强度的指标，比值（odds）是指某事物发生的概率与不发生的概率之比。比值比指病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值

比值比OR=

病例组暴露比值/对照组暴露比值

OR==

RR、AR、OR临床解释>1暴露与疾病的危险度增加正相关<1暴露与疾病的危险度减少负相关=1暴露与疾病的危险度无关无相关RR与AR都是表示关联强度的指标，但其流行病学意义不同。RR说明暴露者与非暴露者比较相应疾病的危险增加的倍数；AR则是暴露人群与非暴露人群比较，所增加的疾病发生数量，如果暴露因素消除，就可减少这个数量的疾病发生。前者具有病因学意义，后者具有疾病预防和公共卫生学上的意义敏感性与特异性敏感性（真阳性）：真阳性例数占金标准确诊为有某病例数的百分比。=*100%特异度：真阴性例数占金标准确诊为无某病例数的百分比。=*100%假阳性与假阴性假阳性：金标准确诊为无某病但诊断试验检出为阳性的例数。=*100%假阴性：金标准确诊为有某病但诊断试验检出为阴性的例数。=*100%阳性似然比与阴性似然比阳性似然比：是指诊断试验检测患某病人群的阳性率与非患某病人群的阳性率的比值，即真阳性率与假阳性率之比。==阴性似然比：是指诊断试验检测患某病人群的阴性率与非患某病人群的阴性率的比值，即假阴性率与真阴性率之比。==阳性预测值与阴性预测值阳性预测值：由诊断试验检出的全部阳性例数中，真阳性例数所占的百分比。=*100%阴性预测值：由诊断试验检出的全部阴性例数中，真阴性例数所占的百分比。=*100%例：AFP在肝癌诊断中的作用

单一实验室指标去诊断疾病，提高敏感性必然会降低特异性，反之亦然；换句话说，减少误诊必然增加漏诊。采用AFP诊断肝癌，如标准为AFP大10mmol/L，按照此标准诊断肝癌，具有很高的敏感性，是不会漏诊肝癌，因为几乎所有的肝癌患者AFP都大于10

mmol/L。相反依据此标准却容易造成误诊，因为AFP大于10

mmol/L的病人中，除了肝癌还有肝炎和肝硬化等肝脏疾病例：AFP在肝癌诊断中的作用肝癌诊断标准从10

mmol/L提高到1000

mmol/L，自然是不会误诊病人，因为AFP大于1000

mmol/L几乎就可以肯定是肝癌了。但是另一方面，却增加了漏诊，因为不是所有的肝癌患者AFP都大于1000

mmol/L的。由此可见，漏诊和误诊之间是相互矛盾的，减少误诊必然以增加漏诊为代价，减少漏诊又必然以增加误诊为代价，敏感性与特异性始终是鱼与熊掌不可兼得的矛盾。

如何协调灵敏度和特异性呢？

最好的方法就是做ROC分析。将病例组和与之难以鉴别诊断的疾病放在一起，采用需要研究的指标去诊断疾病，以1-特异度为横坐标，敏感性为纵坐标。观察指标变化时，敏感性与特异性的关系，绘制ROC曲线，然后根据曲线的结果对指标进行判断。

ROC

有什么用途呢？

1、判断单一指标的诊断效力，曲线下面积越大，指标的诊断效力越大2、比较不同指标的诊断效力。

如何设计ROC分析？1．样本例数的估计

大部分研究，在开展之前，一定要进行样本数的估计，样本量太少，统计效率低下；样本量太高，不仅造成经济上的浪费，还增加了很多不可控制的因素，降低了实验质量。一般把样本量控制在最小估计样本量的上限再加20％就可以了（主要是在前瞻性的研究中防止脱落）。

如何