表2. 输血及血制品不同用量与HCV感染
表3. 不同烧伤程度与HCV感染
案例解析：首先，该试验研究的目的是探索“HCV感染与否”与年龄、有无输血及血制品、输血及血制品的量、烧伤程度之间的关系，然而研究者仅采用了单因素分析方法，分别将每一项研究因素与HCV感染之间的关系进行了列联表χ2检验，显然这样做是不合理的。在进行单因素分析时，忽略了其他因素可能的影响，以及研究因素之间的相互影响，当结果为P<0.05时，并不能说明就是该因素的作用。
该资料可以采用Logistic回归方法，以“HCV感染与否”作为因变量，年龄、有无输血及血制品等作为自变量进行分析，筛选有意义的变量，并且可以计算OR值来说明自变量对因变量的影响。
此外，该研究还存在其他问题。例如，年龄、烧伤程度都是有序分类资料，用列联表χ2检验是不正确的，应该使用秩和检验。
4
诊断确定性恰当评价
诊断确定性评价：诊断试验准确性研究的问题来源于临床，其结果也将应用于临床，为临床实践提供证据。在提出临床问题时，可采用PICOS（P：Patient；I:Intervention；C:Comparison；O:Outcome；S:Study design）原则将其转化为科学问题。诊断试验准确性研究中，P为疑诊某病的患者；I为待评价的诊断试验；C为诊断金标准；O为诊断准确性评价，包括灵敏度、特异度、预测值（predictive value, PV）和似然比（likelihood ratio, LR）。
在评价诊断试验准确性时，需将试验结果按照阳性和阴性进行分类，许多诊断试验，尤其是实验室检测，其测量结果多为连续性变量。对于连续性变量，需要选择区分正常与异常的截点值（cut-off point），即界值。
诊断试验中确定最佳截点值的方法包括：
（1）均数±标准差法：当测量值为正态分布时，双侧正常值范围常用“均数±1.96标准差”界定；单侧则用“均数 1.64标准差”或“均数-1.64标准差”界定。
（2）百分位数法：当测量值为偏态分布或分布类型尚不能确定时，双侧正常值范围常用“P 2.5～P 97.5”界定；单侧用“P 95”或“P 5”界定。
（3）ROC曲线法：诊断试验的结果为连续性变量时，依照不同截点值可分别计算出灵敏度和特异度，以诊断试验的灵敏度为纵坐标、以1-特异度为横坐标，绘制成连续曲线，即为ROC曲线（图1）。
图1受试者工作特征曲线
ROC曲线上最靠近左上方的点对应的截点值即为最佳截点值。ROC曲线下面积反映了诊断试验的准确性，取值范围在0.5～1.0。ROC曲线越向左上偏，曲线下面积越大，该诊断试验的准确性越高。
因此，除可用于确立截点值外，ROC曲线还可比较两个或以上独立诊断试验的准确性，如图2中诊断试验1的准确性优于诊断试验2。ROC曲线简单、直观，是确定诊断试验截点值较为常用的方法。
【例4】为鉴别胃癌、胃炎、非胃病患者，各测定了50名对象的铜蓝蛋白指标，观察结果如下如下：
案例解析：基于上表中我们可以看出非胃病组的铜蓝蛋指标远低于胃癌组，那我们是否可以给出结论铜蓝蛋白是胃癌诊断标志物呢？显然也是不合理的~我们只能得出铜蓝蛋白在这三组中指标有差异，要想确定是不是诊断标志物，就要按照诊断试验的标准去统计分析，知道铜蓝蛋白诊断胃癌的ROC曲线面积、AUC大小、敏感度、特异度等等。
小结
1.临床需求决定研究目的、研究目的和现有资源决定科研设计、科研设计决定统计学分析，大家不要整反了，首先要明确你的试验目的和科研设计。
2.临床统计学中，软件操作相对次要的，知道统计学方法的“适用范围和“临床解释”才是最关键的。不懂统计学方法就盲目去学习软件操作可能会一用就错，错也不知错在何处。
3.临床研究虽说不能没有统计，但是也不能全靠统计。有些时候试验结果虽然有统计学意义，但不一定有专业意义，反之亦然。例如一种降压药物相比标准降压药物降压1mmHg,即使p值＜0.05，也没有什么临床意义。
4.很多中文杂志甚至是SCI杂志时常会出现试验设计或统计学错误，学习统计学的第一步就是不犯错！知道哪些雷区不能触碰，后面唐老鸭会继续分析根据不同的临床研究如何选择统计学方法，以及统计学错误案例，下期见咯~
