【推荐】循证医学中的常用统计指标091015
循证医学中常用统计指标
• 两率差为0时，两组的某事件发生率没有差别。因而两率差的可信区 间不包含0（上下限均大于0或上下限均小于0），则两个率有差别；反 之，两率差的可信区间包含0，则无统计学意义。
第十页，编辑于星期日：二十二点 十六分。
2． RD（率差）及可信区间
阿斯匹林治疗心肌梗死的效果
死亡
未死亡
阿斯匹林治疗组 15（a） 110（b）
S E ( p 1- p 2) =
p 1( 1 - p 1) n1
+
p 2( 1 - p 2) n2
=
0.12(1-0.12) 125
+
0.25(1-0.25) 120
=0.049
第十二页，编辑于星期日：二十二点 十六分。
2． RD（率差）及可信区间
• 该试验两率差（RD）的可信区间为： RD±u SE(p1-p2) =（0.12-0.25）±1.96×0.049= (-0.23，-0.03)
用来表示试验因素与疾病联系的强度及其在病因学上的意义大 小。 其计算方法为：
• RR=P1/P0=EER/CER
第十四页，编辑于星期日：二十二点 十六分。
3．RR及可信区间
• 当RR＝1时，可认为试验因素与疾病无关； • 当RR＞1时，可认为试验组发生率大于对照组； • 当RR＜1时，可认为试验组发生率小于对照组。
第二十四页，编辑于星期日：二十二点 十六分。
4．OR及可信区间
• OR的95%可信区间为： exp[ ln(OR) ±1.96SE(lnOR) ]
= exp(-0.894±1.96×0.347）
= (0.207，0.807) • 该例OR的95%可信区间为(0.207，0.807)，可以认
循证医学中的常用统计指标091015
吉林大学公共卫生学院
主要内容
概述 分类资料的指标 数值资料的指标
概述—可信区间
• 数据资料可分为数值资料（计量）和分类资料 （计数和等级）两大类。统计指标因而也分为数 值资料指标与分类资料指标两类。
• 统计指标可用于描述性的统计分析，也是反映数 据基本特征的统计分析方法。并可使人们准确、 全面地了解数据资料所包涵的信息，以便于在此 基础上完成资料的进一步统计分析。
SE(lnOR)=
1111 a+b+c+d
4．OR及可信区间
• ln(OR)的可信区间为： ln(OR) ± u SE(lnOR)
• OR的可信区间为： exp[ ln(OR) ±u SE(lnOR) ]
4．OR及可信区间
例如：前述阿斯匹林治疗心肌梗死的效果 试估计其 OR 的 95%可信区间。
• 该指标可反映采用试验因素处理后，患者的有益结果 增加的百分比。
8．ARR及可信区间
• 绝对危险度减少率 (absolute risk reduction，ARR)， 其计算公式为： ARR=|CER-EER|
• ARR的可信区间为： ARR±uSE = (ARR－uSE ，ARR+uSE)
8．ARR及可信区间
－
1 125
－
1 120
=
0.289
3．RR及可信区间
• RR的95%可信区间为： exp[ ln(RR) ±1.96 SE(lnRR) ] = exp（ -0.734 ± 1.96×0.289 ） = (0.272，0.846)
• 该例RR的95%可信区间为0.272～0.846，使用阿斯匹 林治疗的病人，其病死率小于对照组，可认为阿斯匹 林可降低心肌梗死有效。
循证医学实践中常用的统计分析指标和方法
循证医学实践中常用的统计分析指标和方法循证医学是一种基于科学方法、临床经验和病患价值观的医学实践方法。
在循证医学中，统计分析是非常重要的一环，帮助医生和研究人员判断不同治疗方法的有效性和副作用。
本文将介绍循证医学中常用的统计分析指标和方法。
一、描述性统计指标1. 平均数（Mean）：平均数是一组数据的总和除以数据的个数，用来表示样本或总体的中心位置。
2. 中位数（Median）：中位数是一组数据按顺序排列后位于中间的数值，可以用来衡量数据的分布偏移程度。
3. 众数（Mode）：众数是一组数据中出现次数最多的数值，常用于表达数据的集中趋势。
4. 方差（Variance）：方差衡量数据集中在平均值附近的程度，是各数据离平均值的偏差平方的平均，用来衡量数据的离散程度。
5. 标准差（Standard Deviation）：标准差是方差的平方根，用来度量数据偏离平均值的平均距离，标准差越大表示数据的离散程度越大。
二、推断统计方法1. 假设检验（Hypothesis Testing）：假设检验用于判断两组数据之间的差异是否具有统计学意义，常用于对比不同治疗方法的疗效。
2. 置信区间（Confidence Interval）：置信区间是用来表示样本估计值的不确定性范围，通常以95%的置信水平表示。
3. 相关分析（Correlation Analysis）：相关分析用来研究两组变量之间的关系强度和方向，常用于评估治疗方法与结果之间的关联性。
4. 回归分析（Regression Analysis）：回归分析用来建立预测模型，通过研究自变量与因变量之间的关系，预测结果变量的数值。
5. 生存分析（Survival Analysis）：生存分析用来研究某一事件发生时间与其他因素之间的关系，常用于评估治疗方法对患者生存时间的影响。
三、实例应用以某种药物疗效评估为例，研究者收集了100位患者的数据，其中50位接受药物A治疗，50位接受药物B治疗。
循证医学中常用的统计指标
循证医学中常用的统计指标在循证医学中，统计指标是评估研究结果和证据强度的关键工具。
通过统计指标，我们可以了解治疗效果、疾病发生率以及其他医学问题的具体情况。
本文将介绍循证医学中常用的统计指标，包括相对风险、绝对风险、数值需要治疗的人数等。
1. 相对风险（Relative Risk，RR）是循证医学中常见的统计指标之一。
它用于评估治疗干预对疾病风险的影响。
相对风险是治疗组发生某种结果的概率与对照组发生该结果的概率之比。
例如，一项研究发现，接受某种治疗的患者相对于未接受治疗的患者，患上某种疾病的风险降低了40%，那么相对风险就是0.6。
相对风险越接近于1，表示治疗组和对照组之间的差异越小。
2. 绝对风险（Absolute Risk，AR）是描述患病率或死亡率的统计指标。
绝对风险是特定群体中发生某种结果的概率，通常用百分比来表示。
例如，一项研究发现，未接受治疗的患者患上某种疾病的风险为10%，而接受治疗的患者患病的风险为5%，那么绝对风险就是5%。
通过比较绝对风险，可以评估治疗干预对疾病发生率的影响。
3. 数值需要治疗的人数（Number Needed to Treat，NNT）是评估治疗效果的重要指标之一。
它表示需要治疗的患者人数，才能预防一个不良事件或者获益一个良性结果。
例如，一项研究发现，某种治疗方法的NNT为10，意味着需要治疗10个患者，才能防止一个不良事件的发生或者获益一个良性结果。
NNT越小，表示治疗效果越显著。
除了上述常见的统计指标，循证医学中还有其他一些重要的统计指标，比如绝对风险减少（Absolute Risk Reduction，ARR）、相对风险减少（Relative Risk Reduction，RRR）和数值需要治疗的人数减少（Number Needed to Treat Reduction，NNTR）等。
- 绝对风险减少（ARR）是治疗组和对照组之间绝对风险的差异，反映了治疗对疾病风险的真实改变。
循证医学中的常用统计指标
3
概述—可信区间
• 可信区间（confidence interval，CI）是循证医 学中常用的统计指标之一。
• 可信区间主要用于估计总体参数，从获取的样本 数据资料估计某个指标的总体值（参数）。如： 率的可信区间估计总体率，均数的可信区间估计 总体均数。
20
4．OR及可信区间
• 当所研究疾病的发病率较低时，即a和c均较小时，OR 近似于RR，故在回顾性研究中可用OR估计RR；
• 由于前瞻性研究中，RR的可信区间与OR的可信区间很 相近，因此，常用OR可信区间的计算来代替RR的可信 区间的计算。
• OR值的解释与RR相同。
21
4．OR及可信区间
• OR的可信区间同样需要采用自然对数计算，其ln(OR) 的标准误SE (lnOR)按下式计算：
• 该指标可反映采用试验因素处理后，患者的不利结 果增加的百分比。
28
7．RBI
• RBI，相对获益增加率(relative benefit increase， RBI)，试验组中某有益结果的发生率为EERg，对照组 某有益结果的发生率为CERg，RBI可按下式计算： RBI=|EERg-CERg |/ CERg
• 但是，若在另一研究中，试验组的疾病发生率为0.39/10万，对 照组的疾病发生率为0.50/10万，其RRR仍为22%。
27
6．RRI
• RRI，相对危险度增加率(relative risk increase， RRI) ， 试 验 组 中 某 不 利 结 果 的 发 生 率 为 EERb ， 对 照组某不利结果的发生率为CERb，RRI可按下式计 算： RRI = |EERb－CERb |/ CERb
循证医学中常用的统计指标
阿斯匹林治疗组的病死率p1=15/125，对照组的病死 率p0=30/120，其RR和可信区间为： RR p1 15 /125 0.48 p0 30 /120
Ln(RR)=ln0.48=-0.734
=0.289
故RR的95%的可信区间为： Exp[ln(RR)±1.96SE(lnRR)]= exp[-0.734±1.96×0.289]=[0.272,0.846] 该例RR的95%的可信区间为 0.272～0.846， 使用阿斯匹林治疗的病人，其病死率小于对 照组，可认为阿斯匹林可降低心肌梗死有效
4、OR及其可信区间
优势比OR又称比值比，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。 OR计算的四格表
组别
暴露 非暴露 合 计
病例组
a
对照组
c
b
a+b
d
c+d
合计
a+c
统计指标因而也分为数值资料指标与分类 资料指标两类。
可信区间（confidence interval,CI）
是循证医学中常用的统计指标之一。
可信区间主要用于估计总体参数，从获取的 样本数据资料估计某个指标的总体值（参 数）。如，率的可信区间估计总体率，均数 的可信区间估计总体均数。
可信区间在一定情况下可以代替假设检验， 尤其是试验组与对照组某指标差值或比值的 可信区间，在循证医学中更为常用。
阿斯匹林治疗心肌梗死的效果EER=15/125=12%， CER=30/120=25%，两者率的标准误：
SE( p1 p2 )
p1(1 p1) p2 (1 p2 )
循证临床实践中常用统计学指标
准确度是指区间包含总体参数的可能性大小；
精确度是指可信区间的宽度，为可信区间上限
与下限的差值，宽度越小，则精确度越高
6.事件发生率 如药物不良反应，发病率，患 病率。这些事件在不同的组别则分别表示： 试验组事件发生率（EER）和对照组事件 发生率(CER)
7.绝对危险率增加率（ARI） 即试验组与对
三、治疗/预防性结局
1、试验组事件发生率(EER) 即试验组某事
件的发生率，如对某病采用某些防治措施 后该疾病的发生率。 2、对照组事件发生率(CER) 即对照组中某事 件的发生率，如对某病不采取防治措施的 发生率。
3、相对危险度降低(RRR) 指与对照组相比，治疗 组结局事件发生减少的百分比。 RRR=(CER-EER)/CER=1-RR。 如果结局事件是不良事件、严重事件，则通常 RRR在25%-50%或更大时才有临床意义，说明 治疗组经治疗后其不良事件的发生可降低25%50%或更多。 如果结局事件是良性事件，则RRR在-50%～25%或更小时才有临床意义，说明治疗组经治疗 后良性结局的发生率可增加25%-50%或更大。
B
%
100 50 0 3 6 随访时间（月） 9 12 C
例如三种不同预后其1年生存率都是20%，但三条
生存曲线（A、B、C）形态却不同（如下图）
A显示中位生存时间为3个月，提示疾病早期预后就
很差
B显示中位生存时间 为9个月，提示疾病早期预后 好，随着时间推移而逐渐来恶化 C显示生存时间为7个月，1年中死亡率稳定下降
100 50 0 生 存 率 100 （ 50 ） 0 A
照组药物不良反应或严重事件发生率的绝 对差值。ARI=EER-CER
循证医学中的常用统计指标
• 目前，在循证医学中分类资料常用的描述指标主
要有EER、CER、OR、RR、RRR、ARR、NNT
等。
1、ERR与CER
• 循证医学中预防和治疗性试验中，率可细分为EER和CER
两类。
• EER 即 试 验 组 中 某 事 件 的 发 生 率 (experimental event
阿斯匹林治疗心肌梗死的效果 死亡 未死亡 例数
阿斯匹林治疗组 15（a）
对照组 合计 30（c） 45
110（b）
90（d） 200
125（ｎ１）
120（ｎ２） 245（ｎ）
2． RD（率差）及可信区间
阿斯匹林治疗心肌梗死的效果 EER=12% ，CER=25% 阿斯匹林治疗心肌梗死的效果 EER= 15/125 =12%， CER =30/120 =25%，两率差的标准误： 两率差的标准误： SE(p1-p2)= p1(1-p1) p2(1-p2) + n1 n2
3．RR及可信区间
• 相对危险度RR（relative risk,RR）是前瞻性研究中较
常用的指标 ，它是试验组某事件发生率 p1 与对照组 （或低暴露）的发生率 p0 之比，用于说明前者是后者
的多少倍，常用来表示试验因素与疾病联系的强度及其
在病因学上的意义大小。 其计算方法为：
• RR=P1/P0=EER/CER
4．OR及可信区间
例如：前述阿斯匹林治疗心肌梗死的效果 试估计其 OR 的 95%可信区间。 15×90 OR= = 0.409 30×110 ln(OR)=ln(0.409)= -0.894 SE(lnOR)= (1/30+1/90+1/15+1/110) =0.347
循证医学中常用的统计指标
二、分类资料的指标
精品文档
在循证医学的研究与实践中， 除了有效率、死亡率、患病率、发 病率等常用的指标外，相对危险度 （RR）、比值比（OR）及由此导 出的其他指标也是循证医学中富有 特色的指标。
精品文档
目前，在循证医学中分 类资料常用的描述性指标主 要有EER、CER、OR、RR、 RRR、ARR、NNT等。
循证医学中常用的统计指标
精品文档
一、概述
精品文档
数据资料可分为数值资 料（计量）和分类资料（计数 和等级）两大类。统计指标因 而也分为数值资料与分类资料 指标两类。
精品文档
统计指标可用于描述性的统 计分析，也是反映数据基本特征 的统计分析方法。并可使人们准 确、全面地了解数据资料所包涵 的信息，以便于在此基础上完成 资料的进一步统计分析 。
p1(1p1)p2(1p2)
n1
n2
0.1(1 20.1)20.2(1 50.2)50.049
125
120
精品文档
该试验两率差（RD）的可信区间为：
R D uS(E p1p2)
(0.120.2)51.960.049 0.23~0.03
精品文档
该例两率差的可信区 间为-0.23～-0.03，上下限 均小于0（不包含0），两率 有差别。可认为阿斯匹林可 降低心肌梗死的病死率。
精品文档
通常，试验组与对照组 某指标差值或比值的95％可信 区间与为0.05的假设检验等价， 99％的CI与为0.01的假设检验 等价。
精品文档
常用的可信区间有：率 的可信区间、两率差值的可信 区间、均数的可信区间、两均 数差值的可信区间、相对危险 度可信区间等。
精品文档
循证医学中常用的是率 的可信区间、RR或OR的可信 区间、均数的可信区间、两均 数差值的可信区间等。
循证医学中常用的统计指标
医学ppt
1
一、概述
医学ppt
2
数据资料可分为数值资料（计
量，measurement data, quantitative data）和分类资料
categorical data (计数 count
data, qualitative data和等
级,ordinal data)两大类。统计指
发生率没有差别。因而两率差的
可信区间不包含0（上下限均大于
0或上下限均小于0），则两个率
有差别；反之，两率差的可信区
间包含0，则无统计学意义。
医学ppt
19
阿司匹林治疗心肌梗死的效果
死亡
未死亡
阿司匹林治 疗组
对照组
15（a） 30（c）
110 (b) 90 (d)
合计
45
200
医学ppt
例数 125 (n1) 120 (n2)
医学ppt
5
可信区间主要用于估计总
体参数，从获取的样本数据资
料估计某个指标的总体值（参
数）。如，率的可信区间估计
总体率，均数的可信区间估计
总体均数。
医学ppt
6
此外，可信区间还可用于假 设检验，尤其是试验组与对照组 某指标差值或比值的可信区间， 在循证医学中更为常用。
医学ppt
7
通常，试验组与对照组某 指标差值或比值的95％可信区 间与为0.05的假设检验等价， 99％的CI与为0.01的假设检验 等价。
28
阿斯匹林治疗组的病死率对照组 的病死率其RR和可信区间为：
RRp1 15/1250.48 p0 30/120
In(RR)=In(0.48)=-0.734
循证医学中常用的统计指标
循证医学中常用的统计指标在当今的医学领域，循证医学的重要性日益凸显。
它强调依据科学证据来做出医疗决策，而统计指标在评估这些证据的可靠性和有效性方面发挥着关键作用。
接下来，让我们一起深入了解一下循证医学中常用的一些统计指标。
首先，我们来谈谈“相对危险度（Relative Risk，RR）”。
相对危险度用于比较暴露组和非暴露组之间发生某种事件的概率。
比如说，我们想要研究吸烟与肺癌之间的关系，就可以计算吸烟者患肺癌的相对危险度。
如果 RR 大于 1，说明暴露因素与疾病之间存在正相关，即暴露因素可能增加疾病发生的风险；如果 RR 等于 1，则表示暴露因素与疾病无关；RR 小于 1 时，意味着暴露因素可能对疾病有保护作用。
另一个重要的指标是“比值比（Odds Ratio，OR）”。
它常用于病例对照研究中，用来衡量疾病与暴露因素之间的关联强度。
与相对危险度不同，比值比是病例组中暴露与非暴露的比值与对照组中暴露与非暴露比值的比。
在一些情况下，比如当疾病的发生率较低时，OR 可以近似地代表 RR。
“风险比（Hazard Ratio，HR）”也是常见的统计指标之一。
它主要用于生存分析，反映了在一定时间内，暴露组相对于非暴露组发生某种结局（如死亡、疾病复发等）的风险。
HR 大于 1 表示暴露组的风险更高，HR 小于 1 则说明暴露组的风险更低。
“率（Rate）”在循证医学中同样不可或缺。
比如发病率、死亡率、治愈率等。
发病率指在一定时期内，某人群中发生某病新病例的频率；死亡率是在一定时期内，总死亡人数与该人群同期平均人口数之比；治愈率则是治愈的患者数占接受治疗患者总数的比例。
“患病率（Prevalence）”能帮助我们了解在特定时间内，某病患者在人群中所占的比例。
它与发病率不同，发病率关注的是新发病例，而患病率包括了新旧病例。
“可信区间（Confidence Interval，CI）”也是重要的一部分。
它不仅能给出估计值的范围，还能反映估计的精确性。
循证医学中常用的统计指标课件
循证医学中常用的统计指标
38
RRR反映了某试验因素使某结果的发生率 增加或减少的相对量，但是，该指标无法衡量 发生率增减的绝对量。
如：试验人群中某病的发生率EER=39%, 而对照组人群的发生率CER=50%,
RRR=(CER-EER)/CER=(50%-39%)/50%=22% 但是，若在另一研究中，试验组的疾病发
该例OR的95％可信区间为0.207～0.807, 可认为阿斯匹林治疗心肌梗死有效。
循证医学中常用的统计指标
37
5.RRR及可信区间
RRR为相对危险度减少率（relative risk reduction）,其计算公式为： RRR=∣CER-EER∣/CER=1-RR
RRR的可信区间可由1-RR计算得到。 如前例RR=0.48,其95％的可信区间为 0.272～0.846,其RRR＝1-0.48＝0.52， RRR的95％可信区间为0.154～0.728。
（EER）与对照组发生率（CER）
的差，其大小可反映试验效应的
大小。
循证医学中常用的统计指标
15
两率差的可信区间由下式计算：
p1p2uS(E p1p2)
RDuSE(p1 p2), RDuSE(p1 p2)
循证医学中常用的统计指标
16
两率差的标准误：
S(E p1p2)
p1(1p1)p2(1p2)
n1
循证医学中常用的统计指标
45
9. ARI
绝对危险度增加率（absolute risk
increase, ARI）,即试验组中某不利结果发
生率EERb与对照组某不利结果发生率 CERb的差值，不利结果（bad outcomes） 如：死亡、复发、无效等，其计算公式为：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2． RD（率差）及可信区间
两率差的标准误：
SE(p1-p2)=
p1(1-p1) n1
+
p2(1-p2) n2
• 两率差为0时，两组的某事件发生率没有差别。因而两率差的可 信区间不包含0（上下限均大于0或上下限均小于0），则两个率 有差别；反之，两率差的可信区间包含0，则无统计学意义。
2． RD（率差）及可信区间
• 循证医学中常用的是率的可信区间、 RR或OR的 可信区间、均数的可信区间、两均数差值的可信 区间等。
分类资料的指标
• 在循证医学的研究与实践中，除了有效率、死亡 率、患病率、发病率等常用率的指标外，相对危 险度（RR）、比值比（OR）及由此导出的其他 指标也是循证医学中富有特色的指标。
• 目前，在循证医学中分类资料常用的描述指标主 要有ERR、CER、OR、RR、RRR、ARR、NNT 等。
阿斯匹林治疗心肌梗死的效果
死亡 阿斯匹林治疗组 15（a）
未死亡 110（b）
例数 125（ｎ１）
对照组 合计
30（c） 45
90（d） 200
120（ｎ２） 245（ｎ）
2． RD（率差）及可信区间
阿阿斯斯匹匹林林治治疗疗心心肌肌梗梗死死的的效效果果EEERE=R=1152/1%2，5 C=E1R2=%25，% C两E率R差=3的0/标12准 0 =误25：%，两率差的标准误：
4．OR及可信区间
• odds1是病例组暴露率p1和非暴露率1- p1的比值，即 odds1 = p1/(1-p1) ，
• odds0是对照组暴露率p0和非暴露率1- p0的比值，即 odds0 = p0/(1-p0) ，
• 以上两个比值之比即为比值比(odds ratio，OR)，又称 机会比、优势比等。公式为： OR=ad/bc
概述—可信区间
• 此外，可信区间还可用于假设检验，尤其是试验组 与对照组某指标差值或比值的可信区间，在循证医 学中更为常用。
• 通常，试验组与对照组某指标差值或比值的95%可 信区间与为0.05的假设检验等价，99%的CI与 为0.01的假设检验等价。
概述—可信区间
• 常用的可信区间有：率的可信区间、两率差值的 可信区间、均数的可信区间、两均数差值的可信 区间、相对危险度可信区间等。
3．RR及可信区间
• 阿斯匹林治疗组的病死率p1=15/125；对照组的病死率 p0=30/120，其RR和可信区间为：
RR =
p1 p0
=
15/125 30/120 =0.48
ln(RR)=ln(0.48)= - 0.734
SE(lnRR)=
1 r1 +
1 r2
－
1 n1－1 来自2=1 15+
1 30
SE(lnRR)=
1 a
+
1 c
－
1 a+b
－
1 c+d
3．RR及可信区间
• ln(RR)的1－可信区间为： ln(RR) ± u SE(lnRR)
• RR的可信区间为： exp[ ln(RR) ±u SE(lnRR) ]
• 由于RR=1时为试验因素与疾病无关，故其可信区间不 包含1时为有统计学意义；反之，其可信区间包含1时 为无统计学意义。
• 该例两率差的可信区间为(-0.23，-0.03)，上下 限均小于0（不包含0），两率有差别。可认为 阿斯匹林可降低心肌梗死的病死率。
3．RR及可信区间
• 相对危险度RR（relative risk,RR）是前瞻性研究中较 常用的指标 ，它是试验组某事件发生率 p1与对照组 （或低暴露）的发生率p0之比，用于说明前者是后者 的多少倍，常用来表示试验因素与疾病联系的强度及其 在病因学上的意义大小。 其计算方法为：
2． RD（率差）及可信区间
• 两个发生率的差即为率差，也称危险差（rate difference，risk difference，RD），如，试验 组发生率（ERR）与对照组发生率（CER）的差， 其大小可反映试验效应的大小。
• 两率差的可信区间由下式计算： |p1-p2|±u SE(p1-p2) = (RD－u SE(p1-p2)，RD+u SE(p1-p2))
1、ERR与CER
• 循证医学中预防和治疗性试验中，率可细分为EER和CER 两类。
• EER 即 试 验 组 中 某 事 件 的 发 生 率 (experimental event rate，EER)，如对某病采用某些防治措施后该疾病的发 生率。
• CER即对照组中某事件的发生率(control event rate， CER)，如对某病不采取防治措施的发生率。
• RR=P1/P0=EER/CER
3．RR及可信区间
• 当RR＝1时，可认为试验因素与疾病无关； • 当RR＞1时，可认为试验组发生率大于对照组； • 当RR＜1时，可认为试验组发生率小于对照组。
3．RR及可信区间
• RR的可信区间，应采用自然对数进行计算，即应求RR 的自然对数值ln(RR)和ln(RR)的标准误SE (lnRR)，其 计算公式如下：
SE(p1-p2)=
p1(1-p1) n1
+
p2(1-p2) n2
=
0.12(1-0.12) 125
+
0.25(1-0.25) 120
=0.049
2． RD（率差）及可信区间
• 该试验两率差（RD）的可信区间为： RD±u SE(p1-p2) =（0.12-0.25）±1.96×0.049= (-0.23，-0.03)
－
1 125
－
1 120
=
0.289
3．RR及可信区间
• RR的95%可信区间为： exp[ ln(RR) ±1.96 SE(lnRR) ] = exp（ -0.734 ± 1.96×0.289 ） = (0.272，0.846)
• 该例RR的95%可信区间为0.272～0.846，使用阿斯匹 林治疗的病人，其病死率小于对照组，可认为阿斯匹 林可降低心肌梗死有效。
循证医学中的常用统计指标
吉林大学公共卫生学院
主要内容
概述 分类资料的指标 数值资料的指标
概述—可信区间
• 数据资料可分为数值资料（计量）和分类资料 （计数和等级）两大类。统计指标因而也分为数 值资料指标与分类资料指标两类。
• 统计指标可用于描述性的统计分析，也是反映数 据基本特征的统计分析方法。并可使人们准确、 全面地了解数据资料所包涵的信息，以便于在此 基础上完成资料的进一步统计分析。