医学统计学傻瓜教程_3

---------------------------------------------------------------最新资料推荐------------------------------------------------------医学统计学傻瓜教程医学统计学傻瓜教程作为一名临床医师，不管你愿意不愿意，某些时候必须撰写医学论文。

这时，大多数人会遇到一个难题，医学论文的数据都必须进行统计学处理，早些年学过的《医学统计学》早已忘得差不多了，重新翻开统计学书本，看得基本上是云里雾里。

《医学统计学傻瓜教程》有别于其他任何的统计学教程，其特点是略去一些高深难懂的统计学原理及计算公式，直奔解决实际问题的方法。

本教程的学习时间约需要 2～3 小时，前提是你必须曾经学过《医学统计学》，不管学得好或学得差，或是否已忘记，只要有一点印象即可，同时还需要下载一个简明统计学处理软件《临床医师统计学助手 V4. 0》，因为作数据统计学处理时最令人头痛的问题是烦琐的计算，则由预存在本软件内的计算公式来完成。

《临床医师统计学助手 V4. 0》下载地址: http: //www. onlinedown. net/soft/63895. htm 这是一个全傻瓜化的教程，由 4 个实例组成，只要认真看完这 4 个实例，将实际中碰到的问题对号入座，就足以解决绝大多数问题了。

接下来我们开始轻松愉快的学习过程。

一、均数与标准差【例 1】本组 105 例，男 55 例，女 50 例；平均年龄：1 / 962. 36. 1 岁，所有入选病例均符合 1999 年 WHO 高血压诊断标准。

举这个例子是为了说明均数与标准差的概念。

我实在不愿意多花时间阐述一些概念性的东西，但是由于标准差实在太重要了。

【例 1】中的数据62. 36. 1 ， 62. 3 就是年龄的均数，均数的概念大家都懂，那么后面的6. 1 是什么呢？它就是标准差。

有人可能会问，表达一组人的平均年龄，用均数就够了，为什么还要加一个标准差呢？先看下面的一个例子：有两组人，第 1 组身高（cm）：98、 99、 100、 101、 102；第 2 组身高（cm）：80、 90、 100、 110、 120，这两组人虽然身高的均数都是100cm，但是，仔细观察，第 1 组的身高很接近，第 2 组的身高差别很大，故仅仅用一个平均数表达一组数据的特征是不完整的，还需要用另一个指标来表达其参差不齐的程度，这就是标准差。

统计学上对一组测量结果的数据都要用均数标准差表示，习惯表达代号是：，具体例子如：平均收缩压 12010. 2mmHg。

我想现在大家都已知道标准差是什么东东了，那么，标准差是怎样得到的呢？有一个比较复杂的计算公式，我们不必去深究这个公式是怎么样的，只需知道标准差越小，说明数据越集中，---------------------------------------------------------------最新资料推荐------------------------------------------------------ 标准差越大，说明数据越分散。

撰写医学论文的第一步是收集原始数据，如：第 1 组身高（cm）：98、 99、 100、 101、 102；第 2 组身高（cm）：80、 90、 100、 110、 120。

在论文中并不是直接给出原始数据，而是要以方式表示。

利用软件《临床医师统计学助手 V3. 0》，只要输入原始数据，就能自动计算出均数及标准差，即第 1 组平均身高：1001. 58cm；第 2 组平均身高：10015. 81cm，如下图。

二、两样本均数差别 T 检验【例 2】目的研究中药板兰根对非典疗效。

方法将 36 例非典患者随机分为治疗组 19 例，采用常规治疗+板兰根口服，对照组 17 例，仅采用常规治疗。

结果治疗组平均退热时间 3. 281. 51d；对照组平均退热时间 5. 651. 96d，两组间对照差别有极显著意义（p＜0. 01 ）结论中药板兰根对非典有显效疗效，实为国之瑰宝。

这是最常见的一种统计学数据处理类型，统计学述语叫做两样本均数差别 T 检验，说得通俗易懂一些，就是检验两组方法所得到的数据到底有没有差异，或者说，差异是否有意义。

我们平时的思维习惯是，数据的大小还用得着检验吗？这是小3 / 9学生都会的问题。

可是别忘记了现在是在搞科研，科学方法看问题可不一定这么简单。

可能还没有说明白这个问题，下面举一个简单的例子。

我们的目的是得出这样一个结论：北京出产的西瓜比上海出产的西瓜大。

最可靠的方法是把所有北京的西瓜和上海的西瓜都测量重量，得到两个均数，然后比大小即可，可是智商正常的人并不会这样去做，通常的做法是，随机选一部分北京的西瓜和一部分上海的西瓜，先让这两部分西瓜比大小，然后推断到底那里的西瓜大。

这种方法是窥一斑可见全豹，统计学述语叫做由样本推断总体，事实上，我们所做的医学科研都是基于这种方法。

再回到上面的例子，假如我们有二种做法：A、随机选 2 个北京西瓜，平均重量是 5. 60. 3kg；再随机选 2 个上海西瓜，平均重量是 4. 30. 25kg；B、随机选 1000 个北京西瓜，平均重量是 5. 60. 3kg；再随机选 1000 个上海西瓜，平均重量是 4. 30. 25kg。

凭生活常识，由 B 推出北京的西瓜比上海西瓜大这个结论的把握性就非常的大，而 A 则基本上推不出这个结论。

现在，终于可以引出我们的主题了，统计学处理本质是考查由样本差异推断总体差异的把握性有多大，这种把握性在统计学上由P 值表示。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 如 P＜0. 05 或 P＜0. 01，可以理解为由样本差异推断总体差异的把握性达 95%或 99%以上，两组数据差异有显著意义；如 P ＞0. 05，可以理解为这种把握性在 95%以下，两组数据差异没有显著意义。

上面所讲的实已为统计学之精髓，建议多看几遍，如果天生愚鲁，还是看不太懂，也没有关系，现在进一步傻瓜化，即所谓统计学处理，只要求得 P 值即可。

P＜0. 05 或 P＜0. 01，表示阳性结果，两组数据差异有显著意义； P0. 05，表示阴性结果，两组数据差异没有显著意义。

所以，统计学处理的中心任务是求 P 值。

下面讲解遇到【例 2】这样的问题，如何求 P 值。

【例 2】中一共有 6 个数据：第一组均数（X1）、标准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、例数（N2），就是根据这 6 个数据，先通过复杂计算，求出T 值（如果没有想成为统计学专家，就不必去理解T 是什么了，知道T 是为了求P 用的就可以了），求出T 值后，再查T 界值表，就知道P值了。

具体解法步骤如下：⑴ 通过计算（这里略去计算公式，可由软件求出）， T=4. 088 ⑵ 计算自由度：自由度=N1+N2-2=19+17-2=34（计算自由度是为了查 T 界值表用5 / 9的，自由度即两组例数之和减去 2，不要问我为什么不减去 3 或减去 1 这样的问题了。

）⑶ 查 T 界值表，对应自由度 34， T0. 05=2. 032，T0. 01=2. 728, 今 T=4. 088＞T0. 01，即 P＜0. 01, 差别有高度显著意义。

T=4. 088 是如何求出的呢？我们再回到软件《临床医师统计学助手 V3. 0》，只要把第一组均数（X1）、标准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、例数（N2）这 6 个数据输入对应的框内，该软件就会利用预先存储的公式自动计算 T值，并查 T 界值表，得到 P 值，如图：三、配对计量资料 T 检验【例 3】目的研究音乐胎教对胎儿运动技能培养的效果。

方法 10 例 28～32 周孕妇，分别记录听音乐（水浒传主题曲）前每小时的胎动次数及听音乐后每小时的胎动次数，结果数据如表 1 所示，音乐胎教后胎动次数增多，差别有显著意义（p＜0.05 ）结论音乐胎教可增强胎儿运动技能，对培养我国运动天才有现实意义。

显然【例 3】与【例 2】有所不同，主要是【例 3】两组间的数据可以前后配对的。

我们经常碰到这种情况，即同一个体做两次处理，如治疗前检测某一指标，治疗后再检测某一指标，而后做治疗前后配对比较，以判断疗效，正如【例 3】。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 这种情况如何进行统计学处理呢？同样也是先计算 T 值，然后按自由度（这时自由度=对子数-1，如本例自由度是 9。

）查 T 界值表，求得 P 值。

但是配对 T 检验计算 T 值的方法与两样本均数 T 检验有所不同，这里不再作介绍，由软件《临床医师统计学助手 V4. 0》自动完成即可，如下图。

本例 T=2. 47，自由度=10-1=9，查 T 界值表，对应自由度 9，T0. 05=2. 26， T0. 01=3. 25, 今 T=2. 47＞T0. 05，即 P＜0. 05, 差别有显著意义。

可能有人会问, 【例 3】的情况，也可以把胎教前视为对照组，求得平均胎动次数是：21. 85. 31，胎教后视为治疗组，求得平均胎动次数是：24. 06. 31，然后套用【例 2】的方法，用两样本均数 T 检验行不行？这样虽无大错误，但是将会导致检验效率的下降，就是说，如果数据差异较大时，两种方法均可，如果数据差异较小时，用配对 T 检验会显示出差异有意义，而用两样本均数 T 检验时，可能差异无意义。

切记，非配对资料误用配对 T 检验，则是错误的。

四、计数资料卡方检验【例 4】目的研究医患关系对重症病人死亡率的影响。

方法根据问卷调查对收住重症监护病房的病人分为医患关系良7 / 9好组与医患关系紧张组，比较两组间的住院死亡率。

结果医患关系良好组 25 例，住院间死亡 3 例，死亡率 13. 6%，医患关系紧张组 23 例，住院间死亡 9 例，死亡率 39. 1%，两组间差别有显著意义（p＜0. 05 ）结论医患关系紧张增加重症病人的住院死亡率，可能与医师害怕被病人告而治疗方案趋向保守有关。

【例 4】又是一个非常常见的一种统计学数据处理类型。