第9章 关联性分析案例辨析及参考答案

第9章关联性分析

案例辨析及参考答案

案例9-1 有研究者以“正常血糖、糖耐量减低及2型糖尿病人群胰岛素抵抗与非酒精性脂肪肝的相关分析”为题，研究了非酒精性脂肪肝的患病率与糖尿病分级（即正常血糖、糖耐量减低和2型糖尿病三级）的关系。以正常血糖者、糖耐量减低者和2型糖尿病患者为研究对象，年龄、性别可比，无大量饮酒史、肝炎史，脂肪肝的诊断以影像学结果为准。指标以均数±标准差表示，统计分析采用两组独立样本比较的t检验。结果发现，三组血糖、胰岛素、血脂水平等和脂肪肝患病率差别有统计学意义（数据及统计结果见教材表9-7），糖耐量减低组与正常血糖组比较P＜0.05，2型糖尿病组与糖耐量减低组比较P＜0.05。结论，随着正常血糖向糖耐量减低及糖尿病发展，血糖、血脂、胰岛素抵抗指数及脂肪肝患病率等指标值皆升高并逐渐加重，差异有统计学意义，认为脂肪肝患病率与血糖水平、血胰岛素、血脂、胰岛素抵抗、糖耐量减低和2型糖尿病等成正相关。

教材表9-7 三种血糖水平人群的血生化及脂肪肝患病率

组别例

血糖

/1

L

mmol-

⋅

胰岛素

/1

L

mmol-

⋅

三酰甘油

/1

L

mmol-

⋅

总胆固醇

/1

L

mmol-

⋅

胰胰素

抵抗指数

/1

L

mmol-

⋅

脂肪

肝患

病率

/% 空腹餐后空腹餐后

正常血糖87

0.5 1.0 1.8

24±8 0.9±0.3 3.0±0.9 0.6±0.5 48.3

糖耐量减低62 6.5±

0.5

8.2±

1.3

11.4±

2.7

134±

58

2.1±1.0 4.6±0.8 1.2±0.7 69.4

2型糖尿病68 8.3±

2.6

12.5±

3.4

16.8±

3.2

114±

44

2.6±1.5 5.1±0.8 1.9±0.7 8

3.8

经t检验，糖耐量减低组与正常血糖组比较，以及2型糖尿病与正常血糖组比较，各指标比较的P值均<0.01；而2型糖尿病与糖耐量减低组比较，餐后胰岛素两组比较P<0.05，脂肪肝患病率比较P<0.05，其余各指标比较的P值均<0.01。

请问：该研究的目的与设计方法吻合吗？该研究设计属于何种类型？有无更好的设计方案？本设计最适合哪种统计分析法？本例的统计分析方法有何不妥？本例的统计分析结果能推出本例的结论吗？若否，则可以推出什么结论？本例的统计表达有何不妥吗？

案例辨析这里，题目是“相关分析”，结果也得到了“相关”的结果，但仔细分析其研究内容与统计学方法，发现其测量了三组人群的血糖、血脂和脂肪肝患病率，这样的设计属于多组比较的设计，不能达到相关分析的目的，最多只能认为研究的结局指标与分组因素“有关”。

正确做法欲进行相关分析，必须从特定人群（如正常人或糖耐量减低但未患糖尿病的人或2型糖尿病患者）中抽取一组随机样本，直接采用Pearson相关分析研究定量观测指标血糖、胰岛素、血脂水平等之间的相关关系；若希望研究以上三个人群之间血糖、胰岛素、

血脂水平等与脂肪肝患病率之间的关系，应采用较复杂的统计分析方法（如多重logistic 回归分析）处理，此处从略。

案例9-2 有研究者欲评价两种量表对某疾病的严重程度得分的一致性，评分者A 用量表1，评分者B 用量表2，对同一批患者（5人）进行了评分，结果见教材表9-8，研究者在Excel 中采用Pearson 函数计算了两次评分的相关系数，结果两者相关系数非常之高（r =0.866 3），因此认为，两种量表得分是一致的。

教材表9-8 两种量表评分的结果

量表 评分人 患者1 患者2 患者3 患者4 患者5 1 A 86 90 73 88 78 2

B

45

47

39

42

40

请问：该研究的目的与设计方法吻合吗？就本例的设计而言，存在任何不妥吗？本例可否采用Pearson 相关系数进行计算？计算的结果正确吗？推论正确吗？

案例辨析 在本例中，突出的问题有两个。第一个问题是样本量太小，只有5人，难以得出有统计学意义的结论。查表得知，当样本量只有5时，自由度为3，此时在05.0=α的水平要得到有统计学意义的相关系数值的最低界限是0.878，本例系数为0.86，尚未达到有统计学意义的临界值，原研究者必定是对相关系数未作假设检验而妄下断论。第二个问题是以“相关”推断“一致”。实际上，“相关”与“一致”有本质的区别。“相关”可以是不同指标间的相关，可以正相关，可以负相关，只表示变量间的联系，而“一致”则是同指标间

同方向且基本同值的概念。令52+=X Y

，则Y X ,间相关系数为1，但它们并不一致，在

不考虑截距项的前提下，X 增加1倍，Y 平均增加2倍。实际研究中也有这样的例子，如仪器未校正时与校正后的数据，两者相差一个系统误差，但相关系数为1。

正确做法 ①增加样本量。②将同一病人的两份量表评分总分视为X 、Y 两变量的取值，采用后面将要讲到的简单线性回归分析方法处理，进行回归参数假设检验时，应检验总体截距是否等于0、总体斜率是否等于1。③对两份量表的分级的符合性进行Kappa 系数分析。

案例9-3 有研究者欲研究某药口服量与血药浓度关系，把口服药物设定为1, 2.5, 5, 7.5, 10, 15, 20, 30等档次，每档各取3只动物（共24只）进行试验，于服药后1 h 抽血检验血药浓度（教材表9-9）。在SPSS 中作散点图（教材图9-4），计算得口服药物量与血药浓度的Pearson 相关系数=0.979，经假设检验P <0.001，认为口服药物量与血药浓度呈线性正相关。

教材表9-9 不同口服量与相应血药浓度

1-