统计 几则很有趣的医学统计学故事
统计学小故事-1
统计学小故事-1今天的临床工作中经常遇到统计问题，绝大部分是在科研和实验当中遇到，不过说起来我们临床实际工作中的指南和课本上的理论，在现代的医学来讲也是用无数和科学的统计得到的理论体系和或者共识意见。
虽然这些理论和共识意见有可能很快就被更新。
说了些没有太多用的套话，实际一点的就是，我们在读文章的时候总会遇到统计学内容和成分。
虽然有些文章和文献快速阅读的方法是阅读文章摘要和看看结论，甚至更细致一些的会看看讨论；而具体文章中所用的统计学方法和计算理论往往是不熟悉的，比如卡方检验、T检验、meta分析等；说实话，每当读到这一块的时候，很多人会选择自然略过。
今天就“科学的工作”开一个头，或者做个引子。
以后会陆续对于统计学的内容进行一点一点复习。
今天的主要内容是听个统计学有关历史的故事。
这部分来源于《罗辑思维》的脱口秀。
当我听到这段内容时还是非常敬佩的，非医学专业的人在医学统计学的历史方面有如此的见识，值得点赞。
虽然这期内容“你还信中医吗？”带有明显的“反中医”色彩，也遭到了“中医粉”的谩骂，但这些并不重要，而他所讲的的这个随机双盲对照实验（RCT）讲得通俗易懂，逻辑流畅，是我们“复习”的典范。
这里主要讲了通过放血疗法退出历史舞台等内容自然引出“对照-双盲（盲测）-随机-大样本”的叙述流程。
之前还讲述了如何发现确切治疗坏血病的方法，这里没有引用。
这里所讲述的内容，在科学研究方面讲的还是比较明白的。
这里说的了“中医”是“朋友翻脸，割席断交”的话题。
首先我们既不是中医粉也不是完全反对中医，只是客观地看待历史文化与现代科学引领下的医学体系。
我们只是学习统计的小知识，带着学习的态度去阅读某一方面的内容，目前不涉及有关话题的立场问题。
以免真的惹出麻烦。
放血疗法退出历史舞台、安慰剂对照与RCT有10分钟的内容，不喜欢的直接略过，建议WIFI观看其实除了读文献资料可以遇到统计问题之外，那么在写文章时是必然会遇到的（除综述与个案报道外），比如实验设计，统计指标的选择，统计方法的选择，题目立意的选择等都可能与统计相关。
医学统计学案例
医学统计学案例话说有个制药公司研发出了一种新的降压药，他们想知道这个药到底有没有效果。
于是找来了100个高血压患者来做试验。
这100个患者呢，就像一群等待检验的小战士。
制药公司把他们随机分成了两组，每组50个人，就像是把一群小战士分成了两个小队。
一组是实验组，吃新研发的降压药；另一组是对照组，吃那种普通的降压药，就像是给一个小队发了新武器，另一个小队还用旧武器。
经过一段时间的治疗后，开始统计大家的血压情况。
结果发现，实验组的平均血压从一开始的160/100降到了130/80，而对照组呢，从160/100降到了140/90。
这时候就用到医学统计学啦。
咱们不能光看这几个数字就说新药好啊，万一是碰巧呢？所以呢，要计算这个差异是不是真的有意义。
首先计算两组血压下降值的平均数和标准差。
就好比算每个小队的平均战斗力提升数值和这个提升数值的波动范围。
通过一系列复杂的计算（这里面用到了像t检验这种神奇的统计方法），得出一个P值。
这个P值就像是一个裁判，来判断这个新药的效果是不是真的比旧药好。
如果P值小于0.05，那就好比裁判吹响了哨子说：“新药这个效果很可能是真的比旧药好呢！”要是P值大于0.05，那就说明这个新药和旧药的效果可能没什么太大差别，也许只是这次试验中的小波动造成的。
结果算出来，这个新药的P值是0.03，小于0.05。
哈哈，这就像新药在比赛中获胜了一样。
这就表明新药在降低血压方面很可能是真的比旧药更有效，制药公司就可以拿着这个数据去申请新药上市啦，给广大高血压患者带来新的希望。
再来说一个关于癌症治疗的案例。
有一家医院有两种癌症治疗方案，一种是传统的手术加化疗方案，另一种是新研究出来的靶向治疗方案。
医生们想知道对于某种特定的癌症，哪种方案更好。
他们找来了80个患者，随机地把患者分成两组，每组40人。
这就像是把80个闯关的勇士分到了两条不同的赛道。
治疗结束后，医生们开始观察患者的生存率。
经过5年的跟踪观察，发现接受传统治疗方案的患者，5年生存率是30%，而接受靶向治疗方案的患者，5年生存率是40%。
卫生统计学案例
以下是一则卫生统计学案例：
某市区卫生局对该区域内的糖尿病患者进行了一次调查，共有1000人参与了调查。
调查结果如下：
1.男性患者占总患者人数的60%，女性患者占40%。
2.年龄在40岁以下的患者占总患者人数的30%，年龄在40岁至60岁之间的患者占总患者人数的50%，年龄在60岁以上的患者占总患者人数的20%。
3.有高血压病史的患者占总患者人数的40%，有心脏病史的患者占总患者人数的30%，有肾病病史的患者占总患者人数的20%，有视网膜病变的患者占总患者人数的10%。
根据以上数据，可以进行如下的卫生统计学分析：
1.男性患者比女性患者多，说明男性更容易患糖尿病，需要针对男性进行更多的预防宣传和治疗。
2.年龄在40岁至60岁之间的患者最多，说明这个年龄段的人更容易患糖尿病，需要针对这个年龄段的人进行更多的预防宣传和治疗。
3.有高血压病史、心脏病史、肾病病史的患者比例较高，说明这些疾病与糖尿病有一定的关联性，需要针对这些疾病的患者进行更多的糖尿病筛查和预防宣传。
同时，对于已经患有糖尿病的患者，还需要加强针对这些疾病的治疗和管理。
医学统计学案例分析(1)
案例分析—四格表确切概率法【例1-5】为比较中西药治疗急性心肌梗塞的疗效，某医师将27例急性心肌梗塞患者随机分成两组，分别给予中药和西药治疗，结果见表1-4。
经检验，得连续性校正χ2=3.134，P＞0.05，差异无统计学意义，故认为中西药治疗急性心肌梗塞的疗效基本相同。
表1-4 两种药物治疗急性心肌梗塞的疗效比较药物有效无效合计有效率（％）中药12（9.33）2（4.67）1485.7西药 6（8.67）7（4.33）1346.2合计1892766.7【问题1-5】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？【分析】(1) 该资料是按中西药的治疗结果（有效、无效）分类的计数资料。
(2) 27例患者随机分配到中药组和西药组，属于完全随机设计方案。
(3) 患者总例数n=27＜40，该医师用χ2检验是不正确的。
当n＜40或T＜1时，不宜计算χ2值，需采用四格表确切概率法（exact probabilities in 2×2 table）直接计算概率案例分析－卡方检验（一）【例1-1】某医师为比较中药和西药治疗胃炎的疗效，随机抽取140例胃炎患者分成中药组和西药组，结果中药组治疗80例，有效64例，西药组治疗60例，有效35例。
该医师采用成组t检验（有效=1，无效=0）进行假设检验，结果t＝2.848，P＝0.005，差异有统计学意义检验（有效=1，无效=0）进行进行假设检验，结果t＝2.848，P＝0.005，差异有统计学意义，故认为中西药治疗胃炎的疗效有差别，中药疗效高于西药。
【问题1-1】（1）这是什么资料？（2）该资料属于何种设计方案？（3）该医师统计方法是否正确？为什么？（4）该资料应该用何种统计方法？【分析】(1) 该资料是按中西药疗效（有效、无效）分类的二分类资料，即计数资料。
(2) 随机抽取140例胃炎患者分成西药组和中药组，属于完全随机设计方案。
医学统计学案例分析
医学统计学案例分析医学统计学是应用数理统计学原理和方法对医学研究进行分析的学科。
下面介绍一个医学统计学案例分析。
某医院开展了一项针对心脏病患者的新药临床实验。
实验分为两组，A组为接受新药治疗的患者，B组为接受常规治疗的患者。
为了评估新药的疗效，研究者采集了每组患者的治疗前和治疗后的心脏功能数据。
实验结果如下表所示：组别治疗前心脏功能治疗后心脏功能A组 70 85B组 65 80为了分析和评估新药的疗效，可以采用配对样本T检验进行统计分析。
配对样本T检验是一种适用于两个相关样本的统计检验方法。
首先，可以计算出每组患者的差值（治疗后心脏功能-治疗前心脏功能）：差值A组 = 85-70 = 15差值B组 = 80-65 = 15接下来，计算这些差值的平均值和标准差：平均值差值A组 = 15/1 = 15平均值差值B组 = 15/1 = 15标准差差值A组= sqrt(Σ(xi-平均值差值A组)²/(n-1)) = 0标准差差值B组= sqrt(Σ(xi-平均值差值B组)²/(n-1)) = 0然后，可以计算T值：T = (平均值差值A组-平均值差值B组)/sqrt((标准差差值A组²/样本容量)+(标准差差值B组²/样本容量))T = (15-15)/sqrt((0²/1)+(0²/1)) = 0最后，根据自由度和显著性水平可以查找T值对应的临界值。
假设显著性水平为0.05，查表可得临界值为1.96。
由于计算得到的T值为0，小于临界值1.96，所以可以得出结论：新药治疗和常规治疗在心脏功能上没有显著差异。
通过以上医学统计学案例分析，我们可以对新药的疗效进行客观评估，为临床医学提供科学依据。
姜晶梅医学统计学案例讨论
姜晶梅医学统计学案例讨论医学统计学是应用统计学原理和方法来分析医学数据、评估医学假设和支持医学决策的学科。
在医学统计学中，姜晶梅是一个常用的案例，它可以用来讨论不同的统计学概念和方法。
以下是对姜晶梅医学统计学案例的多角度全面回答。
1. 背景介绍：姜晶梅是一位医学研究人员，她正在进行一项研究，旨在探究某种新药对心脏病患者的疗效。
她随机选取了200名心脏病患者，将其分为两组，一组接受新药治疗，另一组接受传统药物治疗。
她收集了两组患者的相关数据，并进行了统计分析。
2. 研究设计：姜晶梅采用了随机对照试验的设计，这是医学研究中常用的一种设计。
通过随机分组，可以减少实验结果的偏倚，增加实验的可靠性和可比性。
3. 数据收集：姜晶梅收集了两组患者的基本信息，如年龄、性别、病史等，并记录了治疗前后的心脏功能指标，如心率、血压、心电图等。
这些数据可以用来评估新药治疗的效果。
4. 数据分析：姜晶梅使用了多种统计学方法对数据进行分析。
她首先进行了描述性统计，计算了两组患者的平均值、标准差等指标，以了解两组之间的差异。
然后，她进行了假设检验，比较了两组患者在心脏功能指标上的差异是否显著。
此外，她还进行了生存分析，评估了新药对患者生存率的影响。
5. 结果解释：姜晶梅根据数据分析的结果得出结论。
她发现，接受新药治疗的患者在心脏功能指标上表现出显著改善，与传统药物治疗组相比，差异具有统计学意义。
此外，生存分析结果显示，新药组的患者生存率更高。
6. 结果讨论：姜晶梅对结果进行了讨论，并提出了可能的解释。
她认为，新药可能具有更好的疗效，可以改善心脏病患者的生存和心脏功能。
她进一步讨论了研究的局限性和未来的研究方向。
7. 实践意义：姜晶梅的研究结果对临床医学具有重要的实践意义。
它为心脏病患者的治疗提供了新的选择，并为进一步的研究和开发新药提供了依据。
综上所述，姜晶梅医学统计学案例涵盖了研究设计、数据收集、数据分析、结果解释、结果讨论和实践意义等多个方面。
统计学在医疗数据分析中的应用案例
统计学在医疗数据分析中的应用案例近年来，随着医疗技术的不断发展和数据的快速积累，统计学在医疗数据分析中的应用变得越来越重要。
统计学的方法可以帮助医疗专业人员从大量的数据中提取有用的信息，为临床决策和研究提供科学依据。
下面将介绍几个统计学在医疗数据分析中的典型应用案例。
首先，统计学在流行病学研究中的应用不可忽视。
流行病学是研究疾病在人群中分布和影响因素的科学，而统计学是流行病学研究的重要工具。
例如，研究人员可以通过统计学的方法分析大量的医疗数据，了解某种疾病的发病率和死亡率，进而评估疾病的流行趋势和影响因素。
通过对不同人群的比较，统计学还可以揭示潜在的风险因素，为疾病的预防和控制提供依据。
其次，统计学在临床试验设计和分析中的应用也非常重要。
临床试验是评估药物、治疗方法或预防措施疗效的科学研究，而统计学可以帮助研究人员设计合理的试验方案，并对试验结果进行可靠的分析。
例如，在进行新药的临床试验时，研究人员需要确定样本容量、随机分组和盲法等设计要素，而统计学可以提供相应的方法和指导。
在试验结果分析阶段，统计学可以通过假设检验、置信区间和效应量等指标，评估治疗效果的显著性和临床意义。
此外，统计学在医疗质量评估中也发挥着重要作用。
医疗质量评估是对医疗机构和医生诊疗水平的评价，而统计学可以帮助研究人员从大量的医疗数据中提取有关质量指标的信息。
例如，通过对手术并发症的发生率进行统计分析，可以评估手术质量的好坏；通过对医疗资源利用率的分析，可以评估医疗效率的高低。
这些统计分析结果可以为医疗机构的管理和医生的职业发展提供重要参考。
最后，统计学在医疗决策支持系统中的应用也越来越受到关注。
医疗决策支持系统是利用计算机技术和统计学方法，为医生提供临床决策和治疗建议的工具。
通过对大量的医疗数据进行统计分析和建模，医疗决策支持系统可以根据患者的个体特征和病情，提供个性化的诊疗方案和预后评估。
这样的系统可以帮助医生更好地理解患者的病情和治疗选项，提高临床决策的准确性和效果。
医学统计学案例分析
医学统计学案例分析医学统计学是医学研究中不可或缺的重要组成部分，它通过对医学数据的收集、整理、分析和解释，为医学研究提供了有力的支持。
本文将通过一个具体的医学统计学案例，来说明统计学在医学研究中的应用和意义。
某医院进行了一项针对心脏病患者的临床研究，研究对象分为两组，一组接受传统治疗，另一组接受新型药物治疗。
研究的目的是比较两种治疗方法在降低心脏病发作率方面的差异。
在研究开始前，研究人员首先收集了参与者的基本信息、病史、生活方式等数据，然后在一定时间内对两组患者的心脏病发作情况进行了观察和记录。
通过对收集到的数据进行统计分析，研究人员得出了如下结论，新型药物治疗组的心脏病发作率明显低于传统治疗组。
经过统计检验，这一差异被证实具有显著性。
此外，研究人员还发现，新型药物治疗组的患者在心脏病发作后的恢复速度也更快，住院时间更短。
这个案例充分展示了医学统计学在临床研究中的重要作用。
首先，通过对参与者的基本信息和病史等数据进行描述性统计分析，研究人员可以更清楚地了解研究对象的特征和分布情况。
其次，通过对不同治疗组的心脏病发作率进行比较，可以得出治疗效果的初步结论。
最后，通过统计检验等方法，可以验证结论的显著性，为临床实践提供科学依据。
在医学研究中，统计学还可以帮助研究人员解决一些实际问题，比如样本量的确定、研究设计的选择、数据分析方法的应用等。
同时，统计学方法的运用也使得研究结果更加客观、可靠，提高了研究的科学性和说服力。
总之，医学统计学在医学研究中发挥着不可替代的作用，它为医学研究提供了科学的数据支持和分析手段，为临床实践提供了科学依据。
希望医学界的研究人员能够更加重视统计学的学习和运用，不断提高自身的统计学素养，从而更好地开展医学研究工作，为保障人民健康做出更大的贡献。
颜虹-医学统计学案例选
医学统计学案例选第一章绪论部分案例1-1着手撰写一份研究计划书，你所选的研究课题应该关系到人类健康。
简单叙述立题依据、研究背景、研究目的、研究内容、研究方法和需要什么样的资料，如何获得和分析资料，用什么方法表达与展示结果等，请保留你的这份作业，并在学习完本书后再重新翻阅。
你发现了什么问题，应如何修改？你的收获是什么？第二章实验设计部分案例2-1《丹栀逍遥散治疗混合性焦虑抑郁障碍的临床研究》（河南中医2004年第24卷第8期第62页）欲观察丹栀逍遥散治疗混合性焦虑抑郁障碍的临床疗效，以某西药作为对照组。
将64例符合纳入标准的病例按诊疗次序交替分组，即单号为中药组，双号为西药组。
请讨论该分组方法是否随机？案例2-2《单宫颈双子宫畸形28例人工流产分析》（中国实用妇科与产科杂志1999年3月第15卷第3期172页）通过回顾分析某医院1990年1月至1998年3月期间28例单宫颈双子宫畸形早孕流产的结果，发现人流术前先给予米索前列醇素制剂可使得流产更容易、安全，减少病人痛苦并且可避免并发症的发生。
而文中两组的分组方法为：所有病例按就诊先后顺序分组，1995年10月以后的为A组，1995年10月以前的为B组。
A组（米索组）于手术前3小时服米索600μg或手术前1小时后穹隆放置米索200μg，然后进行人工流产吸宫术，共14例；B组（对照字）单纯采用常规流产术机械扩张宫颈后吸宫。
作者认为该法“符合随机分配法则”。
请讨论对照组的设置是否合适？案例2-3《用24小时食管pH监测法诊断食管原性胸痛》（中华外科杂志1995年33卷第2期第69页）一文中，作者对30例疑为食管原性胸痛患者的24小时食管pH监测，其中16例昼夜均异常，8例白天异常，2例夜里异常，18例胸痛与酸暴露有关。
得出食管pH监测是诊断胃食管反流所致的食管原发性胸痛的有效方法的结论，请讨论该文结果是否成立？案例2-4《强骨胶囊治疗原发性骨质疏松症的临床试验》（中药新药与临床药理，2004年15卷第4期284页）目的是观察强骨胶囊与骨松宝颗粒对骨质疏松症患者的疗效与安全性。
医学统计学案例分析
指标
表一 很好、好、一般、差的标准
很好
好
一般
疗效
治愈
显效
好转
住院日（天）
≤15
16-20
21-25
费用（元）
≤1400
1400-1800
1800-2200
差 无效 ＞25
＞2200
表二 两年病人按医疗质量等级的频数分配
指标
年份
很好
好
一般
差
2001
160
380
20
40
疗效
2002
170
410
10
60
• 小结 • 卡方检验的用途： • (1)比较两个或多个独立样本频率或独立样本频率分布。
（2）比较配对设计两样本频率分布。 （3）单样本分布的拟合优度。、 注意事项：单项有序的行X列表，不宜用卡方检验比较两组效应，若做卡方检验能证明各处理组
的效应在构成比上有差异。即此种资料采用秩和检验。
秩和检验的适用条件
有统计学意义，更具调查所得的平均住院日与平均费用，可以认
为平均住院日2001年比2002年长，而费用2001年低于2002年。
请讨论以上检验方法是否正确？如不正确，问题出在什么地方？
• 1.本题的研究员用卡方检验对本题做了统计推断而我们知道卡方检验用于计数或计量资料， 而本题是一个等级资料。
• 2.单项有序的行X列表，不宜用卡方检验比较两组效应，若做卡方检验能证明各处理组的效应 在构成比上有差异。
•
水平上不拒绝H0,尚不能认为两年的疗效有差异。
对于住院日和费用的步骤如上述；由SPSS系统得住院日的数据 Z=2.775 P=0.006 P< α 在α=0.05的水 平上拒绝H0,尚不能认为两年的住院日没有差异。由SPSS系统得费用的数据 Z=2.589 P=0.010 P< α 在α=0.05的水平上拒绝H0,尚不能认为两年的没有差异。
趣味统计学经典案例
趣味统计学经典案例1. 生日悖论生日悖论是指在一个房间里，只需要23个人，就有50%以上的概率至少有两个人生日相同。
这个案例经典的体现了概率论中的鸽巢原理和生日悖论的概率计算。
2. 蒙提霍尔问题蒙提霍尔问题是指一个选手会面对三扇门，其中一扇门后面有奖品，另外两扇门后面是空的。
选手先选择一扇门，然后主持人会打开剩下两扇门中的一扇门，露出一扇空门。
选手是否应该换门以增加获奖的概率，这个问题引发了很多争议和讨论。
3. 红绿灯问题红绿灯问题是指在一个红绿灯路口，红灯亮的时间为60秒，绿灯亮的时间为90秒。
假设一个人随机到达这个路口，他等待的时间有多长？这个问题可以用概率统计的方法来解答，并且可以拓展到更复杂的情况。
4. 奇偶校验奇偶校验是一种常用的错误检测方法，常用于计算机数据传输中。
它利用二进制数中1的个数的奇偶性来检测错误。
比如，一个字节中有奇数个1，则奇偶校验位为1，否则为0。
这个案例可以帮助我们理解错误检测的原理和应用。
5. 投掷硬币投掷硬币是统计学中最基础的实验之一。
通过投掷硬币的结果，我们可以计算出正面和反面出现的概率，进而进行概率分布的推断和假设检验。
6. 高尔夫球洞问题高尔夫球洞问题是指在一个高尔夫球场上，有一个球洞和一个标杆。
如果球员将球随机击打，求平均击打到球洞的距离。
这个问题可以通过统计模拟和概率分布计算来解答。
7. 疾病筛查疾病筛查是统计学在医学领域的重要应用之一。
通过对人群进行检测和筛查，可以计算出疾病的发病率、敏感性、特异性等指标，对疾病的预防和控制起到重要作用。
8. 艾滋病传播模型艾滋病传播模型是指通过数学模型和统计方法，研究艾滋病在人群中的传播规律和预测。
通过对不同人群的感染率、传播速度等指标的估计，可以制定有效的防控措施。
9. 电影评分电影评分是一种常见的统计学应用，通过对观众的评分和评论进行统计分析，可以计算出电影的平均评分、评分分布、观众对电影的满意度等指标，对电影的推广和市场研究具有重要意义。
医学统计学案例分析
案例六
• 问题： 处理因素为治疗方法，有三个水平，但各组 根据病情需要加用静脉滴注硝酸甘油。硝酸 甘油有改善心绞痛的症状，因此各组效应既 包括处理因素的效应，又包括硝酸甘油的效 应，混杂在一起，无法分辨到底是谁的作用。 各组治疗时间不同，7天到27天不等，疗效评 价结果缺乏说服力。
设计
• 1、已知正常人乙酰胆碱酯酶的均数为 1.44U，现测得13例慢性气管炎患者的乙酰 胆碱酯酶：1.50 2.19 ……….1.96 2.39 。
实验设计案例分析
2010.11
案例三
• 目的：小剂量干扰素加三氮唑核苷治疗流行 性乙脑效果
• 分组：
治疗组---对发病5天以内接受一般治疗的 患者加用小剂量干扰素与三氮唑核苷治疗
对照组---一般治疗
• 结论：两组比较差别有统计学意义，治疗组 优于对照组。
• 问题：未达到均衡可比要求
案例四：问题
• 问题： 对照不全。如组1与组3差别无统计学意义， 而组2与组3差别有统计学意义，无法判断是 因为污染还是带糠皮米造成的。
• 对照形式：自身前后对照 • 假设检验方法：差值d如为正态，则配对t检验或单
组重复测定设计有关分析方法； • 差值d如为偏态，则配对符号秩检验
设计
• 从8窝大鼠的每窝中选出同性别、体重相近的2只， 分别喂以水解蛋白和酪蛋白饲料，4周后测定其体 重增加量，结果如下。
• 窝别
1
2 。。。 7
8
• 酪蛋白 82 66 。。。 73 90
谢 谢！
• 水解蛋白 15 28 。。。 21 37
• 设计类型：配对设计
• 假设检验方法：差值d如为正态，则配对t检验；
• 差值d如为偏态，则配对符号秩检验。
很有趣的医学统计学故事(一)
很有趣的医学统计学故事(一)医学统计学是一门很奇妙的科学。
要说它简单吧，其实也挺简单的，常见的统计方法也就十余种，在教科书上都能找到，只要熟练掌握了，虽不敢夸下海口说可以“以秋风扫落叶的气概横扫四海之内的杂志”，但足以轻车熟路地应付 99% 的科学研究。
要说它复杂吧，也挺复杂的，毫不夸张地说，绝大部分国内期刊，甚至在很多低分 SCI 杂志上，乱用统计学的现象多如牛毛。
很多同行在学习医学统计学时，都在抱怨自己很难走出“一学就会，一会就用，一用就错，一错就懵”的怪圈。
究其原因，主要是部分同行学习医学统计学时都抱着一副“依葫芦画瓢”的态度，试图“套用统计学方法”来解决自己面临的问题，而不去仔细思考统计学方法的来龙去脉。
本文拟谈几则与医学统计学相关的故事，希望能帮助大家从宏观上正确认识医学统计学这门科学。
1、两个指标诊断疾病的问题路人甲做了一个研究，旨在比较两个指标（A 和 B）对肝癌的诊断价值。
路人甲以 A 和 B 的参考范围上限作为诊断界值，得出了 A 和 B 在该界值下对应的诊断敏感性和特异性。
结果表明，本人系天天论文网就职11年的资深论文编辑；工作中与各大医学期刊杂志社进行学术交流过程中建立了稳定的编辑朋友圈，系多家医学杂志社的特约编辑，常年为医学期刊杂志供稿，负责天天论文网医学论文·分检·编校·推送·指导等工作！工作企鹅1:1550116010 工作企鹅2: 766085044A 的诊断敏感性为 0.80，特异性为 0.90；B 的诊断敏感性为 0.85，特异性为 0.87。
路人甲很快撰写论文报道了自己的研究成果，指出 B 诊断肝癌的敏感性高于 A，而特异性低于 A。
路人乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见中写道：就敏感性而言，B 高于 A；就特异性而言，A 高于 B。
诊断敏感性和特异性与所采用的界值密切相关，作者得出的敏感性和特异性仅仅代表了一个诊断界点下面的诊断效能，无法从全局上反映 A 和 B 的诊断价值。
医学统计学案例分析
医学统计学案例分析一、引言医学统计学是应用统计学原理和方法来研究医学问题的学科。
它通过采集、整理和分析医学数据，匡助医学研究者得出科学、可靠的结论，并为医学决策提供依据。
本文将通过一个医学统计学案例分析，展示如何运用统计学方法解决实际医学问题。
二、背景假设我们正在研究一种新型药物对高血压患者的疗效。
我们需要采集一组高血压患者的数据，包括他们的年龄、性别、血压水平以及使用该药物后的血压变化情况。
我们的目标是评估这种新药物是否能够显著降低高血压患者的血压水平。
三、数据采集与整理我们从一个医院的高血压患者数据库中随机抽取了100名患者作为研究对象。
我们记录了他们的基本信息和血压数据，并将其整理成一个数据表格。
四、数据分析1. 描述性统计分析首先，我们对数据进行描述性统计分析。
我们计算了患者的平均年龄、性别比例以及血压的平均值、标准差等指标。
结果显示，研究对象的平均年龄为55岁，男女比例为1:1，平均收缩压为150mmHg，平均舒张压为90mmHg。
2. 假设检验接下来，我们进行假设检验，以评估新药物对高血压的疗效。
我们设定原假设为“使用新药物后，高血压患者的平均血压不变”，备择假设为“使用新药物后，高血压患者的平均血压降低”。
我们选择t检验作为假设检验方法。
经过计算，我们得到了t值和p值。
结果显示，使用新药物后，高血压患者的平均血压显著降低（t = -2.5, p < 0.05），支持备择假设。
3. 相关分析我们还进行了相关分析，以探索年龄、性别和血压之间的关系。
结果显示，年龄与收缩压呈正相关（r = 0.3, p < 0.05），而性别与血压之间没有显著相关性。
五、结果解释与讨论根据我们的分析结果，我们可以得出以下结论：1. 使用新药物后，高血压患者的平均血压显著降低，证明了该药物的疗效。
2. 年龄与收缩压呈正相关，说明年龄越大，收缩压越高。
3. 性别与血压之间没有显著相关性，表明性别对血压没有直接影响。
颜虹的医学统计学案例选
颜虹的医学统计学案例选引言在医学领域，统计学被广泛应用于增进医疗技术、患者治疗以及药物研制等方面。
而颜虹作为统计学大师，在医学研究领域上也留下了许多研究成果。
本文将介绍颜虹医学统计学案例，以期为科研工作者提供参考和借鉴。
一、颜虹与慢性疾病患者的生命质量颜虹曾经对慢性疾病的患者生活质量进行了研究分析，研究的对象为美国弗吉尼亚州的慢性疾病患者。
他们的研究表明，慢性疾病的患者在感知自身生命质量时会受到一系列因素的影响，例如患病类型、发展程度、患病持续时间以及患者个人特点等。
此外，研究结果还表明，患者基本的人口统计信息也会影响他们的生命质量体验。
这项研究结果对于了解患者的真实需要以及制定相应的医疗计划具有重要意义。
二、颜虹与乳腺癌药物治疗乳腺癌是女性中非常常见的恶性肿瘤疾病，目前多数乳腺癌伴随着激素受体阳性。
因此，避孕药在乳腺癌治疗中也有重要的应用价值。
而颜虹与其他统计学家合作，对有服用避孕药史的乳腺癌患者进行了药物治疗的研究分析。
结果表明，与未服用避孕药的患者相比，服用避孕药的患者在接收药物治疗时，生存期有所延长，治疗效果更加显著，具有一定的优势。
这一研究结果提供了一定的临床实践指导，尤其对于该疾病的治疗具有重要的指导意义。
三、颜虹与基因组学研究颜虹与其他学者还研究了基因组学在医学诊断和治疗中的应用。
这项研究运用了多项统计学方法，包括拟合模型、整合模型和模型选择等。
结果表明，基因组学分析可以帮助科研人员更好地理解基因间互动关系，从而为疾病的诊断和治疗提供更加准确的方法。
此外，该研究还表明，基因组学分析可以为疾病的预后评估和治疗方案的制定提供参考，具有很深远的意义。
四、颜虹与防止新病例发生颜虹与其他统计学家还研究了防止新病例发生的方法。
他们在对政府公共卫生部门的调研中发现，全面的健康教育和公共卫生宣传可以显著地降低新疾病的发生和流行程度。
比如，研究表明在SARS爆发期间，强制执行口罩佩戴和个人卫生习惯的教育宣传可以显著降低SARS的传播速度。
统计学在医学领域的应用分析
统计学在医学领域的应用分析随着社会的发展，人们的生活习惯、环境变化和基因突变等因素在不断影响着人们的健康，同时医疗技术也在不断发展和进步。
而统计学在医学领域的应用越来越受到重视，因为通过统计分析可以将大量的疾病数据变成可以理解的形式，并推断出相应的医学决策与行动，为医生提供更有力的决策支持，同时也为患者提供更科学、更有效的治疗方法。
本文将着重探讨统计学在医学领域中的应用案例。
一、病毒性疾病流行趋势分析当发现某个病毒性疾病开始流行时，医生需要了解疾病的流行趋势，以便更好的为病人提供相应的治疗和预防措施。
例如，在SARS疫情爆发期间，广州市疾病控制中心利用统计学方法进行对疫情的预测和分析，并在相关人员当中加强咨询服务、扩大病毒筛查，帮助政府做出相应的防疫决策。
通过统计学方法，研究人员可以对疾病流行的空间、时间、人口等因素进行分析，并预测流行趋势和疫情高发地区。
这样，政府可以采取控制措施，减少疾病的传播。
二、药物疗效分析药物疗效分析是临床试验中的重要环节，也是统计学在医学领域中的重要应用之一。
疾病的治疗需要选择合适的药物，因此评价药物疗效是临床试验中的一个重要内容。
通过合理的样本大小、实验设计和数据分析，可以减小因样本数据不足或者偏差产生的影响，从而得出更合理和客观的分析结果。
程序中需要处理的问题包括检验药物的有效性、安全性，以及药物与其他因素之间的关系等。
三、医疗质量分析医疗质量是医院的核心竞争力。
质量管理需要系统化的建设，而统计学是质量管理的核心工具之一。
在医疗质量管理中，统计学可以帮助医院检验各项质量指标是否达到规定标准，分析医疗过程和结果的变化趋势，制定补救措施和改进措施。
如果医生在治疗上出现过失，统计学方法可通过分析治疗前后的数据，找出治疗过程中的漏洞和问题。
四、疾病预测分析通过统计学方法，可以对人群进行分类，并做出相应的预测。
例如，根据病人的年龄、代谢情况、生活环境等因素，可以进行心血管疾病的预测，并制定相应的预防方案。
队列研究的经典医学例子
队列研究的经典医学例子
1. 你知道吸烟与肺癌的关系是怎么被发现的吗？就像福尔摩斯探案一样，研究者们通过队列研究慢慢揭开这个谜底！他们长期跟踪那些吸烟和不吸烟的人群，观察谁更容易患上肺癌，这就像是在人生的道路上追踪健康的线索啊！
2. 还记得当初非典时期吗？队列研究在了解疾病的传播和转归上可起了大作用呢！研究者们紧盯着每一个接触者，看他们是否发病，多像一群守护健康的卫士呀！
3. 哇塞，高血压和心血管疾病之间的联系，不也是通过队列研究搞清楚的吗？长期观察不同血压人群，看着心血管疾病会不会找上他们，这真的和警察蹲点守候罪犯一样小心翼翼！
4. 女性朋友们注意啦！乳腺癌的研究中也有队列研究的大功劳哟！观察一群女性多年，看谁会被乳腺癌这个恶魔缠上，难道不像在守护姐妹们的健康城堡吗？
5. 糖尿病和肥胖的关系呢？队列研究就像一双敏锐的眼睛，长期盯着胖瘦不同的人群，看糖尿病会不会偏爱某些人，这过程多紧张刺激呀！
6. 大家想想车祸后康复人群的情况，队列研究也在关注他们呢！看他们后续的健康状况如何变化，就像是追踪受伤的战士如何恢复元气一样！
7. 研究饮食习惯和肠癌的关系时，队列研究就发挥大作用啦！盯着人们吃什么，然后看谁更容易得肠癌，这不就像美食侦探在寻找健康的密码嘛！
8. 说到精神压力和疾病，队列研究也能探出究竟呢！观察不同压力状态的人，看看疾病会不会趁机而入，这就如同在压力的海洋中寻找健康的灯塔呀！9. 运动员的健康状况也是队列研究的关注点呢！长期跟着他们，看高强度运动到底对他们是好是坏，难道不像在关注赛场上的英雄是否安好吗？
我的观点结论就是：队列研究真的超级重要，通过它我们能发现好多疾病和各种因素之间的关系，为保护大家的健康立下汗马功劳！。
有趣的医学史故事
有趣的医学史故事1. The Dancing Plague (舞蹈瘟疫)在1518年，法国斯特拉斯堡市爆发了一种奇怪的现象——大量民众开始疯狂地跳舞，无法停下或控制自己的动作。
据称，这种疯狂持续了数周甚至数月，直到受影响者疲惫不堪或死亡。
医学家对这种现象分析后认为，可能与集体心理暴动、药物中毒或神经病理有关。
2. The Spanish Flu (西班牙流感)在1918年至1920年期间，一场名为"西班牙流感"的全球大流行病肆虐了世界，造成数百万人死亡。
这种流感与一般感冒不同，病程短暂却高度致命，主要攻击年轻而健康的人群。
医学家长时间试图确定其起源和传播途径，由于当时的医学技术有限，事实上一直没有找到确切的答案。
3. The Case of Phineas Gage (菲尼厄斯盖奇事件)1848年，美国铁路工人菲尼厄斯·盖奇发生一起严重的事故，一根长肉钩从他的脑部穿过。
尽管菲尼厄斯没有丧失生命，但他的脑损伤导致了巨大的性格和行为改变。
这个案例对于认识大脑的功能以及脑损伤对人格和情绪的影响产生了重要影响，被视为心理医学历史上的里程碑事件之一。
4. The Discovery of Penicillin (青霉素的发现)青霉素被誉为现代抗生素时代的奠基之一。
在1928年，亚历山大·弗莱明偶然发现一种抑制细菌生长的真菌，在其发电机上留下一滩发霉的样本后，他发现周围的细菌无法在其附近生长。
这个意外的发现最终开启了抗生素研究的新纪元，救了数百万人的生命。
5. The Strange Case of Phineas Fernandes (费内斯·费尔南德斯的奇怪案件)在2000年代早期，一位巴西男子费内斯·费尔南德斯在一次非法手术中失去了大部分上半身，包括内脏器官和四肢，只剩下一个头和胸部。
这个令人难以置信的案例引发了医学界的广泛关注和辩论，医生们为他安装了一个特制的金属外壳并进行了一系列的手术，最终使他得以继续生存。
分享医学统计学科研实验中的几个小故事
医学统计学是一门很值得医生朋友们学习的科学。
只要熟练掌握了，绝大多数的科学研究都不在话下。
然而，绝大部分国内期刊，甚至在很多低分SCI杂志上，乱用统计学的现象多如牛毛。
很多医生朋友在学习医学统计学时，都抱着一副“比葫芦画瓢”的态度，试图套用统计学方法来解决自己面临的问题，而不去仔细思考统计学方法的来龙去脉。
笔者在这里和大家分享几则与医学统计学相关的小故事，并加以分析说明，希望可以帮助大家学到更多的知识。
1、甲经历数十年的研究，动用了各种高精尖的研究手段，发现了一个新的蛋白（命名为蛋白A）。
在肝癌患者中展开的研究表明，蛋白A和甲胎蛋白（AFP）有很好的相关性，其相关程度之好，几乎可以用“一塌糊涂”来形容，相关系数达到了0.99（P<0.0001）。
甲欣喜若狂，尽管蛋白A的检测过程还十分繁琐，检测费用还十分高，但是甲还是把持不住内心的激动，日夜兼程地撰写论文，宣称自己找到了一个新的肝癌标志物。
乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：统计结果表明蛋白A和AFP的相关性十分明显。
如果是这样，在临床实践中，通过检测AFP完全就可以得知蛋白A的浓度了，蛋白A在肝癌中的临床价值完全可以被AFP代替，还不说蛋白A的检测过程繁琐，费用太高的问题，你说蛋白A还有什么价值？小故事大道理：统计学阳性的结果未必是“好结果”。
2.甲发明了两套诊断肺癌的方案，分别命名为A和B。
为了明确这两种方到底谁“更胜一筹”，甲找了100个肺癌患者和100个疑似肺癌患者（结核、肺炎等），分别用A、B两套方案去进行鉴别诊断。
在200个研究对象中（100个肺癌和100个非肺癌），方案A正确了100回，准确率50％，方案B仅仅正确了50回，准确率仅为25%。
卡方检验表明：方案A和B准确率之间的差异有统计学意义（P<0.01）。
很明显，方案A的准确性要高于方案B。
甲赶紧发表论文，指出：方案A诊断肺癌的准确性优于方案B。