数据统计方法的技术要求,统计学数据标准化处理

首页 > 实用技巧 > 作者:YD1662023-11-30 05:50:39

统计学方法一直是在科技期刊研究原著文章中的重要部分,在研究设计和样本量估算完成的情况下,最重要的就是数据的统计学分析环节,但目前中国大多数医学期刊对统计学方法描述的要求还不够规范。现将统计学方法的描述要点作一整理,作者撰写研究原著类文章时,应遵循以下步骤描述统计学方法。

1 描述统计学软件信息:首先要对正文的统计学软件加以描述,需描述软件名称、来源厂家和版本。常用4大软件包括SAS、STATA、SPSS软件等,还包括附带统计学功能的软件GraphPad Prism 7软件等。

2描述统计学指标:需说明研究中各描述性结果指标的表示方式。

2.1计量资料:正态分布资料包括均值(mean),标准差(SD),标准误(SEM);非正态分布资料:中位数Median(M),四分位数间距(P75-P25)。

2.2计数资料和等级资料:主要为构成比(如4/15,比重)和百分率(如63%,频率强度)。一般用n(%)表示,如想了解各种疾病在特定人群所占的比例,用构成比。如想了解哪一个年龄组发病率高,用百分率表示。

2.3效应量指标:主要包括比值比(odds ratio,OR),相对危险度(Risk Ratio,RR),95%CI。如OR(95%CI)=2.6(1.3-5.2)。

3统计学分析方法:

3.1计量资料的比较

3.1.1两组比较(正态分布):

t检验:又称Student t检验,必须满足正态性,方差齐条件,主要包括两样本t检验(独立样本t检验,成组t检验)和配对样本t检验。

配对样本t检验的适用情况:

(1) 同一研究对象给予处理前、后比较(即自身配对);

(2) 同一受试对象接受两种不同的处理;

(3) 配对的两个受试对象分别接受两种不同的处理;

(4) 同一对象的两个部位给予不同的处理。

3.1.2多组比较(正态分布):

方差分析:两个及以上样本间均数的比较,采用成组和配伍设计,包括单因素、双因素、多因素、析因设计、重复测量方差分析(>3个时间点数据比较)。在双因素、多因素、析因设计方差分析结果中一定要有主效应和交互效应的说明。注意,比较多组数据时,不能用t检验代替方差分析:主要原因是t检验破坏了原先的整体设计;出现假阳性错误的概率显著增加;t检验割裂了各因素之间的内在联系,无法考察交互作用是否具有显著性意义。应采用方差分析结合事后检验进行两两比较。

3.1.3非正态分布计量数据的非参数检验(秩和检验):两组差异比较用Mann-Whitney U检验,多组差异比较用Kruskal-Wallis H法(H-检验)。

3.2 计数资料的比较

3.2.1两组比较:行χ2检验。

n>40并且所以理论数(T)大于5,则用Pearsonχ2检验;

n>40并且所以理论数(T)大于1并且至少存在一个理论数<5,则用校正Pearsonχ2检验;

n>40或存在理论数(T)<1,则用精确(Fisher)概率法;

n<40:用精确(Fisher)概率法。

配对样本资料比较:可用配对四格表χ2检验;自身前后比较:McNemyerχ2检验。

3.2.2多组比较:行列表χ2检验。

3.3等级资料的比较:对等级资料的显著性检验采用非参数检验法。

3.3.1两组比较:成组设计资料用WilCoxon两样本比较法,配对设计资料用符号秩和检验法。

3.3.2多组比较:成组设计用Kruskal-Wallis H法(H-检验)、Ridit法;多个样本两两比较用Nemenyi法;配伍组设计用Friedman秩和检验法。

3.4 相关和回归分析

3.4.1相关性分析:先作散点图,确定有线性趋势方可进行相关性分析。线性相关:Pearson相关性分析(正态分布);秩相关:Spearman相关性分析(非正态分布,等级资料)

3.4.2线性回归:包括因变量(结局)、自变量(因素) 和连续变量,数据需符合正态分布。简单线性回归:1个因变量,1自变量;多重线性回归:1个因变量,多个自变量。

3.4.3 Logistics回归:包括因变量(结局)和自变量(因素)。条件Logistics回归(配对,病例对照数据),非条件Logistics回归(成组数据)。其中非条件Logistics回归包括2种,二元Logistic回归:是指因变量为二分类变量(是,否;患病,未患病)的回归分析;多元Logistic回归:是指因变量为有序或无序分类变量(轻、中、重;高中、低;优、良、中、差;A,B,C,D)的回归分析。

3.4.4 Cox回归:包括因变量(结局)和自变量(因素),多用于生存分析。风险函数比(hazard ratio,HR):是生存分析资料中用于估计因为某种因素的存在而使死亡/缓解/复发等风险改变的倍数。

3.4.5纳入回归模型的变量选择:单因素分析后,应当考虑应该将哪些自变量纳入回归模型进行多因素分析?一般情况下,建议纳入的变量有:

(1)单因素分析差异有显著性意义的变量(此时,最好将P值放宽一些,比如0.1或0.15等,避免漏掉一些重要因素);

(2)单因素分析时,没有发现差异有显著性意义,但是临床上认为与因变量关系密切的自变量。

4 统计学方法描述举例:

4.1数据描述:①试验采用SPSS 22.0软件(美国IBM公司)和SAS 9.2软件(美国SAS Institute Inc.公司)进行分析。②统计分析时先检查各研究中心完成例数、病例的脱落情况,然后进行两组患者入选时的人口统计学及基线各有关特征的分析,考察试验组和对照组之间的可比性。③计量资料采用均数、标准差、中位数、最小值和最大值、上下四分位数进行统计描述,计数资料采用例数和百分比进行统计描述。

4.2统计分析方法:①试验中各随访时间点两组间L2-4、股骨颈、Ward’s三角区骨密度值较基线的差值、血清钙、甲状旁腺素、骨钙素、白细胞介素10、白细胞介素6、肿瘤坏死因子α和胰岛素样生长因子1水平比较采用两样本t检验(数据正态分布)或Mann-Whitney U检验(数据非正态分布)。②组内各时间点上述数据比较采用重复测量方差分析及LSD检验比较。③两组不良反应发生率的比较采用Pearson χ2检验。④各组骨密度值指标、骨质疏松指标及炎性因子指标间的相关性分析采用Pearson相关分析法(数据正态分布)或Spearman相关分析法(数据非正态分布)。⑤检验水准(双侧)α = 0.05。

数据统计方法的技术要求,统计学数据标准化处理(1)

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.