医学期刊统计学错误研究
医学论文常见统计学错误与纠正
医学论文常见统计学错误与纠正一、设计与实施1.对象合格标准不明确●只报告来源和时间段，总体不清晰：大杂烩,得不到科学结论；●事前未规定合格标准和排除标准，事后排除；●不报告按照合格标准和排除标准筛选对象的过程。
2.结局指标多而杂--是事先规定的最重要的结局指标，通常以此为准来计算样本量。
常见错误：终点指标过多, 大海捞针临床试验时，不知道哪个指标在组与组间有差异；“确定某个指标后，万一组间没有差异，岂不被动?！”生理、生化、组织学、基因，都做；“内容丰富，显得水平高?！”许多仪器一下子可以做许多项目；“许多项目一一分析，哪个有意义，就报告哪个指标?！”哪些指标可能有组间差异，必须心中有数。
假说：预计将要得到的结论——假说是科研的灵魂心中无数，不要“先上马再说”●指标多，实验工作量大。
大海捞针——碰运气，不是科研！●指标多，翻来覆去分析，制造假阳性！Nature杂志统计学指南：➢常见错误之一。
仅分析1个指标时，P(假阳性)=0.05，P(1次分析不犯错误)=0.95 λ，同时分析2个指标时，P(2次分析均不犯错误) = [P(1 次分析不犯错误)] 2 P(假阳性)=1 - 0.952 ≈ 0.10, 同时分析3 个指标时，P(假阳性)=1 - 0.953 ≈ 0.14 λ同时分析10个指标时，P(假阳性)=1 - 0.9510 ≈ 0. 40➢常见错误之一(Nature) ----多重比较不校正多重比较: 对一组数据作多项比较时，必须说明如何校正α水平，以避免增大第一类错误的机会---- Bonfferoni校正（α/k来校正，k为两两比较次数）3 不重视对照为何必需对照？●消除非研究因素的混杂实验组和对照组受非研究因素的影响尽可能相同，使两组的差异主要反映研究因素的效应。
●鉴别研究因素的效应和自然发展结果。
例如，研究某药物对口腔溃疡模型兔的疗效，口腔溃疡有自愈的倾向，必须有对照扣除自愈效应。
常见错误➢没有对照！千方百计省去对照组，以减少一半工作量!? ω自身前后对照/历史对照/文献对照/ “标准”对照➢对照不当ω对照太弱：安慰剂对照/对照过强：西药+加中药~西药/对照剂量有争议：试验药，大剂量~对照药，中小剂量/对照基线不可比：试验组年轻、病轻~ 对照组年老、病重应当如何？ω事先明确研究假说，例如，新药比常规药好：以常规药为对照ω设计：研究组新药~ 对照组常规药可比性：基线可比、过程可比、终点可比ω保证可比性措施：干预性研究: 随机化观察性研究：匹配4样本量无根据ω干预性研究：“ 500 例患者随机分成两组……” 为什麽500 例？不多不少？500 例从天而降？现成送上门来？ω观察性研究：“ 10年期间A组3000例，B组258例……” ---- 有多少用多少!?应当如何？---- 报告最小样本量估算及其依据1. 比较两组测定值的均数依据：（1）预计欲比较的两总体参数的差值δ（2）预计总体标准差σ（3）允许出现假阳性结果的机会α（4）允许出现假阴性结果的机会β :例：格列美脲、格列苯脲对比研究以HbA1c 为主要终点报告依据✓欲检出HbA1c临床差异≥0.65%✓假定标准差为1.3%✓双侧检验水平0.05✓功效80% ω✓退出率20% 计算：157例2. 比较两组达标率依据：（1）预计一组发生某结局的百分比为π1（2）预计另一组发生某结局的百分比为α（3）允许犯假阳性错误的机会β（4）允许犯假阴性错误的机会π2例：格列美脲、格列苯脲对比研究以HbA1c达标为主要终点（1）预计一组发生某结局的百分比为45%（2）预计另一组发生某结局的百分比为25%（3）允许犯假阳性错误的机会α= 5%（4）允许犯假阴性错误的机会β= 20% 计算: 176 例5. 随机化，说而不做，做而不严处理分配的随机化为什么这么重要?(1) 消除分配处理有意或无意的偏倚。
医学杂志论文中常见统计学错误分析及对策
随机分组与随机抽样的错误的对策
随机化原则是由Fisher在创建实验设计理 论的过程中首先提出的,随机化原则是实验研 究中保证取得无偏估计的重要措施。随机化 方法由最初的抽签、掷硬币和抓阄等方法发 展到随机数字表、随机排列表和用计算机软 件或计算器产生的伪随机数。
对照的错误与对策 医学研究,尤其是实验设计的研究,需要 设立合适的对照组,只有设立了对照,才能消 除非处理因素对实验结果的影响,从而将所 关心的处理因素的效应分离出来。在论文 中应说明对照取自的总体,如何得来的,样本 含量多大？ 是否与实验匹配或配伍,与试验 组的均衡性如何？
假设检验的案例二的分析与对策 原文作者用配对比较t检验对不同时间两个处 理方式血浆ET浓度的差异进行检验, 发现有统计 学差异, 并认为A 组术后ET浓度相对稳定, 术后 无明显升高。我们认为资料的统计处理不恰当, 因为这时一个典型的重复测量的多个样本均数 的比较, 故应该采用重复测量方差分析检验不同 处理组间和时间因素及处理因素与时间的交互 效应是否具有统计学意义, 如果差异有显著性, 然 后再作两均数间的两两比较。
本例正确的计算结果为P = 0. 011(双侧概率)。 很多分析人员认为两种方法分析的结果都是认 为不同分娩方式重症肝炎孕妇结局有差别, 但 统计学意义是不一样的, 因为P 值大小不一样, 拒绝和不拒绝无效假设的概率是不一样的。
假设检验的案例四
假设检验的案例四的分析与对策
本文作者将资料中三个等级中的“有效” 和“显效”合并, 使之成为二分变量。然后, 用 四格表卡方检验, 得卡方值 =3.302, P=0.069, 作出两组治疗总有效率差异无统计学的结论 。原统计分析中将三个等级合并为两个等级, 导致信息丢失, 结果得出两处理组总疗效无显 著性差异的结论。
医学论文中常见统计学概念误用分析
（精品收藏）医学论文中常见统计学概念误用分析医学统计学作为一种认识医学现象数量特征的重要工具，在医学研究的过程中起着非常重大的作用。
但国内外研究者通过调查发现，在现代医学期刊中，统计方法的运用及表述却存在着较多的问题［1，2］。
笔者在医学论文的编辑过程中，也发现有些作者对统计学中最常见、最基本的概念常混淆不清，因此其论文很难符合刊用的要求。
我们知道，概念是逻辑思维的基本要素，只有概念明确，才能准确地表达思想，才能对事物的本质进行客观的描述，才能作出正确的判断和推理，从而得出科学的结论。
为与作者共同提高论文质量，现对编辑工作中经常碰到的一些概念方面的误用问题，试图进行一些粗略的分析。
1概念混淆1.1以比代率比与率是临床医学研究中最常用的相对数指标。
比是表示某一事物或现象各组成部分之间或各个部分在全体中所占的比重或分布。
较常用的有构成比、相对比等。
而率是指某种现象或事件在一定条件下，其实际发生数与可能发生此现象或事件总数的比例。
临床医学论文中很多作者常把构成比当作率进行比较，造成对疾病的发生作出错误估计。
如在研究性别与其疾病发病率的关系文章中，作者把男女的构成比当作发病率，从而得出某种性别的发病率高的错误结论。
还有作者由于对构成比与率的概念不明确，造成计算错误。
如某农村卫生单位对7250名少儿进行粪检，检出蛔虫卵者4300人，需要进行治疗。
因各种原因，有900人未行治疗。
结果：已治率为79.07%，未治率为20.93%。
很明显，这是典型的以构成比代率的例子。
我们根据定义，可计算如下：出现这种错误的原因，是因为不能正确理解比与率的区别所致。
一般来说，率的分子源于分母，但分子、分母具有不同的事件属性，构成比虽然分子也源于分母，但分子、分母具有相同的事件属性。
1.2不同率混用在临床医学研究中，一些具有特殊性质的率很容易用错。
最常见的有发病率与患病率，死亡率与病死率。
发病率与患病率相混淆的原因主要是没有把握住观察、统计的时间。
医学期刊中常见统计学问题分析及解决对策
［ 关 键词】 医学期刊
统 计学 问题
编辑 【 文章 编号】 １ ０ ０ ９ ． ５ ８ ５ ３（ ２ ０ １ ３ ）０ ５ ． ０ ０ ６ ７ ． ０ ３
【 中图分类 号】 Ｇ２ ３ ０
【 文献标识 码】 Ａ
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ］ Ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ａ ｓ ｅ ｓ ｔ ｕ ｄ ｉ ｅ ｓ ，ｔ ｈ ｅ ａ ｕ ｔ ｈ ｏ ｒ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｓ ｃ ｏ ｍｍｏ ｎ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ｉ ｎ ｍｅ ｄ ｉ ｃ ａ ｌ ｊ ｏ ｕ ｒ ｎ ａ ｌ ｓ ，
医学统 计学是 一 门以统计学 原理和 方法 为基 础 ， 探 索 医学科 研 工作 中遇 到 的有 关数据 的收集 、整 理 和分析 方法 的应用科 学 ，又 可被看 成一个 收集信 息 、
统 计学 方法的描 述不清或错 用 、统计值或 Ｐ值 不全 或 描述 不清 、统计 学结果 分析或 描述错 误等 ［ ３ － ４ ］ ｏ王 倩 等 对 ５种 “ 中华” 系列杂 志刊登 的文章 的统计 学应用进行 回顾性 分析 ，发现 １ ９ ８ ５年 统计学 方法应 用 的错 误率 占 ２ ４ ％，１ ９ ９ ５年 占 ３ ６ ％。沈进等 选取 ８种 医学期 刊 ，分析 发表 于 １ ９ ９ ８年至 ２ ０ ０ ５年 的 ５ ４ ４ 篇论 著文章 的统计 学方 法应用情 况 ，结果 显示 ，１ ３ ６ 篇 的统计 学 出现 明显错 误 ，错 误率 达到 ２ ５ ％，其 中 以 资料 处理 方法不 当所 占比例 最高 ， 达到 ６ １ ． ７ ６ ％， 其 次 为图表错 误 、未作 统计 学处理等 。我刊 ２ ０ １ １年刊 登的２ ４ ０ 篇 论文 中 ， 排 除个案 报道 、教 学论文 、棕 色
忧心：我国80%的医学杂志论著有统计学错误范文一份
忧心：我国８０％的医学杂志论著有统计学错误范文一份忧心：我国８０％的医学杂志论著有统计学错误 1军事医学科学院__研究所胡良平教授对医学界出现的统计学错误很是忧心。
他提及了一个令人触目惊心的数据：全国各类医学期刊中，有统计学错误的论著竟占到８０％。
他说：“随便拿起一本我国的医学杂志，我就几乎肯定能找出其中的统计错误。
”胡良平教授说：“让人忧虑的不仅是上述现象，它们背后所反映出来的是我国整个医学界对统计学的不重视，对统计学方法掌握和应用的不合格。
”他谈到，不可否认，__为了自己的私利，增添、省略或篡改某些实验数据是造成医学统计错误的原因之一，但就整个医学界的整体来看，统计学的处境不容乐观__行政主管部门没有给予医学统计以正确、恰当的认识；有关业务人员统计学知识和基本功底太薄弱；相关学校的统计教学内容陈旧，方法落后，以为完成了教学大纲布置的任务便能让学生有足够的统计知识去完成日后的工作和研究；有关医学杂志并没有统计学专家参与稿件审阅；有关科研课题和科研成果的评审也没有统计学专家参与。
于是，在这种氛围下，一系列不良现象不可避免地发生了：许多课题缺乏统计研究设计方案或设计方案经不起推敲；有些实验研究缺乏必要的预实验，以至出现异常现象时，研究者措手不及；有些因收集数据不当，不可避免地导致误用统计分析方法；有些实验设计的基本原则有误，用单因素设计取代多因素设计，以至于无法考察因素之间的交互作用；有些研究人员误用ｔ检验分析一切定量资料，误用χ２检验分析一切定性资料，误用直线回归方程表示有明显曲线变化趋势的资料，用一元统计分析方法取代多元统计分析方法。
更为严重的是，这些在错误的统计研究设计指导下收集的错误数据，又用错误的方法进行处理后得出的错误结论常被写进论文，“证明”了新发现或新发明，然后这些充斥错误统计数据和结论的论文堂而皇之地刊登在我国优秀期刊上。
“其后果可想而知。
有严重统计学错误的论文怎能说明作者的观点，质量不高的杂志怎能推动医学新知识的严肃交流，有错不改或根本不知道有错误存在又怎能促进整个国家医学的发展呢？”胡良平教授十分忧虑地说道。
医学论文中常用统计分析方法错误大全
医学论文中常用统计分析方法错误大全在医学研究领域，准确合理地运用统计分析方法对于得出可靠的研究结论至关重要。
然而，在实际的医学论文中，却存在着各种各样的统计分析方法错误，这些错误可能会导致研究结果的偏差，甚至得出错误的结论。
下面，我们就来详细探讨一下医学论文中常见的统计分析方法错误。
一、数据类型判断错误数据类型的正确判断是选择合适统计分析方法的基础。
医学研究中常见的数据类型包括计量资料、计数资料和等级资料。
然而，很多研究者在数据类型判断上出现失误。
例如，将原本应该是计数资料的数据（如疾病的治愈、好转、无效等）当成计量资料进行分析，错误地使用了均值和标准差等统计指标，而应该使用频率和百分比等指标，并采用卡方检验等方法。
二、样本量计算不合理样本量的大小直接影响到研究结果的可靠性和准确性。
一些医学论文在研究设计阶段没有充分考虑样本量的计算，导致样本量过小或过大。
样本量过小，可能会使研究结果缺乏统计学意义，无法检测出真实存在的差异；样本量过大，则会造成资源的浪费，同时增加研究的难度和成本。
正确的样本量计算应该综合考虑研究的设计类型、预期效应大小、检验水准和检验效能等因素。
三、选择错误的统计方法这是医学论文中常见的错误之一。
例如，对于两组独立样本的均数比较，应该使用 t 检验，但如果两组数据的方差不齐，就需要使用校正的 t 检验或者非参数检验方法（如 Wilcoxon 秩和检验）。
然而，很多研究者在这种情况下仍然使用了普通的 t 检验，导致结果不准确。
再比如，对于多组均数的比较，如果方差分析结果有统计学意义，还需要进一步进行多重比较。
但有些研究在这一步没有进行恰当的多重比较方法选择，导致结论不够准确。
四、忽视数据的正态性检验在进行某些统计分析（如 t 检验、方差分析等）时，要求数据服从正态分布。
然而，很多研究者在使用这些方法之前，没有对数据进行正态性检验。
如果数据不服从正态分布，却仍然使用基于正态分布假设的统计方法，就会得出错误的结论。
医学统计学错误案例
医学统计学错误案例【篇一：医学统计学错误案例】【关键词】医学统计学；案例教学；教学改革【中国图书分类法分类号】r1951 application ‘inorrectcses’in medic sttistis tching wang jin鄄quan，yuan hui， yue鄄e，jinyue鄄long，yo ying 鄄shui. department reventivemedicine，wannan medi鄄 cal college，uhu 24100，china corresponding author：yo ying鄄shui，email：yingshuiyao@163com 【bstrt】 objetiv applicationeffect ‘incorrectcases’in medical statis鄄 tics teaching methos juniorstudents （n=307）of clinical medicine were selected researchsubjects randomcluster sampling werep>然而医学统计学概念和方法误用与滥用的现象普遍存在，李长平和胡良平查阅了150篇医学博士论文，发现有92 篇（6.30%）存在统计学问题。
姚实篇中医药期刊论文进行分析，发现论文在统计描述、结果分析、统计方法的选择和科研设计等方面存在问题。
bakker 和wicherts 心理学杂志，8篇中有8.%的文献报道统计学结果不正确。
这表明，医学统计学教学要注重培养学生的统计思维，提升学生分析问题和解决问题的能力。
医学统计学作为所有医学专业本科生的必修课，学生普遍认为该课程概念抽象、计算繁多，不易理解和掌握。
将“错误案例”引入统计学教学中，通过错误辨析从逆向思维角度激发学生的学习动力，启发其思索质疑，对培养其自主学习能力有较好效果。
对象与方法1.1 教学对象整群抽取某校临床医学专业个教学平行班学生（37 人）作为教学对象，随机抽取其中个班学生（人）为教学改进组，其余人）作为传统教学组。
医学期刊统计学误用分析
18
实验设计的基本原则
重复 随机 对照 均衡
19
重复原则的作用
重复的三层含义： 重复实验、重复测量、重复取样 重复的作用： 掷硬币实验10次与10000次的结果可
知： 其作用就是“让随机变量的变化规
律性更好地显露出来”。
20
《重量法测定血苯-白蛋白加合物的初 步研究》
用气-质联仪（GC-MS）测定血液中的苯-白蛋 白加合物，由于采用昂贵的仪器和同位素内标 物，在一般实验室难以进行。本研究采用重量 法测定，并与GC-MS法进行比较，同一标样用
分析
图中x轴上用等长的间隔代表不等的时间段， 这样绘制线图，其折线的倾斜程度是一种假象 ，歪曲了事实。
37
释疑
统计图坐标轴上的刻度应符合数学原则，即对 于算术尺度来说，等长的间隔应代表相等的数 量。
修改见下图（右），可见散光轴夹角度数术后 1周上升很快，以后下降较缓。
38
《600例小儿烧伤休克期治疗分析》
33
提高均衡性的对策
（1）研究者自身应有丰富的专业知 识和统计学知识
（2）请同行专家审阅实验设计方案 （3）请统计学专业人员提建议
34
2.2资料的表达与描述中常见的统计学 错误
编制统计表时纵、横标目颠倒，同一表中 表达不同性质的内容，表中数据含义表达 不清；
绘制统计图时资料类型与所选用的统计图 不匹配，坐标轴上所标的刻度值违背数学 原则；
9
2.1实验设计中常见的统计学错误
缺乏完善的实验设计计划； 未严格遵循“随机”、“对照”、“重复”、
“均衡”的原则； 用单因素设计取代多因素设计； 未严格按照实验设计类型正确地进行实验和收
集数据。
10
实验因素
医学论文中常用统计分析方法错误大全
医学论文中常用统计分析方法错误大全在医学研究领域，准确和恰当的统计分析是得出可靠结论的关键。
然而，在众多医学论文中，却存在着各种各样的统计分析方法错误，这些错误可能会导致研究结果的偏差甚至错误解读，从而影响医学研究的质量和临床实践的指导价值。
接下来，我们就来详细探讨一下医学论文中常见的统计分析方法错误。
一、样本量计算错误样本量的合理计算对于研究的可靠性和有效性至关重要。
许多研究在设计阶段未能充分考虑研究的主要目的、预期效应大小、检验效能以及显著性水平等因素，导致样本量过小或过大。
样本量过小可能使研究无法检测到真实存在的差异，从而得出假阴性结论；样本量过大则会造成资源浪费，同时可能增加研究的复杂性和误差。
例如，在一项比较新药物与传统药物疗效的临床试验中，如果预期的疗效差异较小，而研究者没有充分考虑这一点，计算出的样本量不足，那么即使新药物实际上更有效，也可能由于样本量的限制而无法得出有统计学意义的结果。
二、数据类型错误医学研究中数据类型多样，包括计量资料（如身高、体重、血压等）、计数资料（如疾病的发生例数、治愈例数等）和等级资料（如疾病的严重程度分为轻、中、重）。
错误地判断数据类型会导致选择错误的统计分析方法。
例如，将原本属于计数资料的数据（如疾病的治愈与未治愈），错误地当作计量资料进行 t 检验，这样得出的结果是不准确的。
反之，将计量资料当作计数资料处理，也会造成同样的问题。
三、选择错误的统计检验方法不同的研究问题和数据类型需要相应的统计检验方法。
常见的错误包括：在多个组间比较时，错误地使用 t 检验而不是方差分析；在非正态分布的数据中使用参数检验方法；在不符合独立性假设的情况下使用独立样本检验等。
比如，在比较三种不同治疗方法对患者生存率的影响时，应该使用方差分析或非参数的KruskalWallis 检验，而不是多次进行两两t 检验，因为这样会增加一类错误（即假阳性）的概率。
四、忽视方差齐性检验在进行 t 检验和方差分析时，通常需要先进行方差齐性检验。
医学统计论文15篇(医学科技论文统计学误用分析)
医学统计论文15篇医学科技论文统计学误用分析医学统计论文摘要：医学统计学是医学与统计学的交叉学科，是一门运用统计学的原理和方法，研究医学中有关数据的收集、整理和分析的应用科学[1]。
随着现代医疗信息化，大量的医疗数据及生命现象，均需要借助统计学和计算机去探寻规律。
因此，医学统计学在医疗大数据和循证医学中发挥着越来越重要的作用。
为了应对大数据时代的挑战，医学各专业学生都应培养统计学思维，掌握一些统计学方法及应用技能。
关键词医学统计统计论文统计医学统计论文:医学科技论文统计学误用分析1统计学应用中存在的常见问题1.1单因素方差分析(ANOVA)两两比较误用独立样本t检验单因素方差分析设计3组以上的均数比较,如果总体比较有差异,需进行两两比较,一般用SNK法或LSD法。
但部分研究者却将资料进行拆分,应用独立样本t检验进行两两比较,导致第Ⅰ类统计学错误发生率(假阳性率)增加,从而掉进了一个常见的“统计陷阱”,使所得结论可信度大大降低甚至得出错误结论。
SNK法与LSD法虽然并非等价,实质是一致的。
SNK法一般用于经方差分析结果具有统计学意义时才决定进行的两两事后比较,而LSD法可用于方差分析不足以具有统计学意义时也能进行两两比较[1]。
比较两种方法在SPSS的输出结果形式,SNK是“分堆”比较,一目了然,对于组别数较多的研究更为好用,但没有具体P值,而LSD是在进行“两两”比较时,能给出具体的P值。
1.2两两比较时检验水准的重新调定χ2检验或秩和检验3组以上整体比较有差异时,需应用分割法进行两两比较,这时检验水准应由原0.05调定为0.0167,否则会增加第Ⅰ类统计学错误的发生率。
特别当P值处于0.0167~0.05时,按照P<0.0167的标准,差异无统计学意义,而按照P<0.05的标准,却有意义,与事实相悖,出现假阳性,很容易得出错误结论。
这种分割法有时很保守,当行列表资料分组多且为有序时可用Mantel-Haenszel卡方检验,也称线性趋势检验(testforlineartrend)或定序检验(Linear-by-Lineartest)[2]。
《山东医药》论文中统计学错误分析
够重视 ，主要表现在论文 中统 计处理随机 化不突 出，随 机化缺失情况 比较 常见 ，有
保持一致 。特别对疾病预后有重要影 响的
临床特性一定要在组 间分布均衡 。各组间 的论文甚 至将随机 误解为随意 、随便 ，不 越均衡 ，可比性 越强。有些作者 在对 病例 采用随机化处理方 法 ， 导致结 果缺乏可靠 进 行分组时 ，忽视 了均衡性原则 ，两组之
数据表达等方面 作一些分析与讨论 ， 望 希 能引起各位专家学者和临床医生的共识与 重视 ，促进 我国医学期刊 质量的提 高。
Hale Waihona Puke １ 实验 设计 方面存 在 的 问题
实验 分组仅从专业 角度考虑问题 ， 未
对 照组 选择不 当， 还表现 在两组间重
要的临床特征 和基线情况相差太大 ，无 可
滥用 问题却较 为普 遍…。本 文总结 了 （ （ 山 东医 药 》近 年来 发表 论 文 中的统 计 学问 题， 就其 中实验设计 、 统计分析方法选 用、
中 ，不设 对照组 ，缺 乏对照观察 ，得出的
结论缺乏科学性 ，令人怀疑 。有的文章 虽 然设立 了对 照组 ，但在分析结果时 ，却没 有将试验组与 对照组的结果进行 比较 ，而 仅将各组 间的 自身前后进行比较 ，从而使 该研究失去对 照意 义。
性 。还有 些文章中没有提 出 “ 随机 ”抽样 间没有可比性 ，结 论 自然是错误的 。具体
的设计与方法 ，没有排除标准 ，给人随意 选择病例之感 ，且病例数少 ，因此没有代
表性 ，所 得出的结论不可靠 。部 分文章虽 然注明 了 “ 随机 ” 但未提及采取 什么方法 ， 进行 随机 化研 究 或两 组 间的 例数 相差甚
《中国骨伤》杂志论文中存在的统计学错误辨析(12)
在 生 物 医学 领 域 ，统计 学 的重 要 性得 到 了越 来 越 多人 的 认 可 。科研 工作 者 自觉 地将 专 业 与 统 计学 相结 合 来 制 定合 适 的 实验 设 计 方案 ， 使用 统 计 学 方 法 表达 和 分 析 实 验数 据 ， 并 从 而 得 出更 有 科学 性 、 更具 说 服 力 的 结论 。 由于 实际 问题 的 复 但 杂 性及 科 研 工作 者 的主 观 原 因 ，也 导 致 了统计 学 误 用 的 屡 屡 发 生 ， 在 统 计 分 析 方 面 尤 其 突 出 。本 文 以《 国骨 伤 》 志 这 中 杂 ２０ ０ ６年 与 ２０ ０ ７年 第 ｌ ２期 发 表 的 部 分论 文数 据 为基 础 ， 出 给 若 干种 科 研 工作 者 常用 的错 误 做 法 ，并 分 析 这 些方 法 的不 妥 之 处 ， 后 给 出适 合 此 资 料 的正 确 的统 计分 析 方 法 。 最
（ 军事 医学 科 学 院生 物 医 学 统计 学 咨 询 中心 ， 京 １０ ５ ） 北 ０ ８０
Ｚ ｏ ｇ ｕ ｕ ｈ ｎ ／ ｈｎ Ｏａ ｏ ｈ ｎ ｇ ｏＧ ｓ ａ ｇ Ｃ ｉａＪ ｈ ｐ＆ Ｔ ａ ｍａ ２ ０ ２ （ ） ７ — ５ ｗ ．ｇ ｓｚｃ ｍ ｒｕ ， ０ ９，２ １ ：２７ ｗｗｚ ｇｚ．ｏ
的不 同状 况 之 间 （ 态 小 或 质 量 状 ）
究 中 ， 究 者 在 治疗 前 分 别 测 量 了 两组 患 者 的 有 关指 标 情 况 ， 研 为平 衡 两 组 患者 在 治 疗 前 测量 指 标 取 值 上 的差 异 ，可 以 治疗 前 这 些 指 标 的数 值 作 为 “ 础 值 ”采 用 相 应 设 计 类 型定 量 资 基 ， 料 的协 方 差 分 析 。 ２ ３ 腰 椎 间盘 突 出 症 患 者 被 随 机分 为两 ３例 组 ， 别 接受 两 种 不 同 的方 式 治 疗 ， 实 验设 计 类 型 应 为 成组 分 其 没计 定 量 资 料 或称 单 因素 两 水平 设 计 定 量 资 料 ，考 虑 到 治疗 前观 测 指 标 取 值 这个 定 量 的影 响 因素 的 存 在 ，对 此 资 料 选用 成组 设 计 定 量 资 料 的协 方 差 分 析为 宜 。若 分 别对 两 组 患 者在 治疗 前 、治 疗 后 每 个观 测 指 标 的取 值 采 用 成 组设 计 定 量 资料
医学稿件中统计学方法误用研究的回顾和评价
问题 》发表于 １ ９ ９ １年 ３期的 《 中华护理杂志》 。２ ３篇发表 较两种治疗方法 的远期 临床不 良事件 发生情况 ，应 采用率表 于２ ０ ０ Ｏ 一２ ｏ ｌ １ 年， 其 中 近 ５年 发 表 的 论文 占 ６ ９ ． ６ ％（ １ ６ ／ ２ ３ ） 。 示，分析应采用 ） （ ２ 检验，而有的研究却误用了 ｔ 检验，从而
２ ． 研究性论文发表刊物分布及 论文作者情况 。 ８篇发表于 导致结果完全不 同。随着 多数 作者科研水平 的提高 ，这种“ 简 编辑 出版专业刊物 《 编辑学报》和 《 中国科 技期 刊研 究》上， 单错误” 已经较少见 。 其他主要发表在医学院学报 、预防医学杂志及其他医学类专
２ ． 将 检验视为处理定性资料的“ 通 用方法” 。常见的误 业期刊 。论文第一作者专业为编辑学者 １ ４ 人， 占 ４ ８ － ３ ％ 用类型有： （ １ ）误用 ） ［ ２ 检验代替确切概率法。当四格表资 料的 ｎ ＜４ ０或最小理论频数＜ １ 时，应该用确切概率’ ７ 去ｌ 。但 （ １ ４ ／ ２ ９ ）；为流行病和卫生统计者 ８人，占 ２ ７ ． ６ ％ （ ８ ／ ２ ９ ）。
０ ０ ０ 年之后 。８篇是杂志 社邀请 的有关专 学 方 法 误 用 方 面 的文 献 进 行 系 统 分 析 ，总 结 归纳 出主 要 的统 中 ，有 ７篇刊登于 ２ 家书写的专题论文，多是连续刊登多个专题，刊登在“ 教育 园 计学 问题 ，并提出应对措 施
地” 和“ 继续医学教育” 等栏 目；余下 ３篇是期刊编辑部在 自己
一
、
研 究对象和方法
期刊上发表的有关医学统计学方面 的继教文章 ， 多刊登在“ 读 者・ 编者・ 作者” 栏 目。
以“ 医学 ” 、“ 期 刊” 、“ 稿件” 、“ 文章” 、“ 论文” 、“ 统 计 学
“医学论文中统计分析错误辨析”资料汇总
“医学论文中统计分析错误辨析”资料汇总目录一、医学论文中统计分析错误辨析与释疑统计资料的表达与描述之三二、医学论文中统计分析错误辨析与释疑定性资料分析方法的合理选择三、医学论文中统计分析错误辨析与释疑直线相关与回归四、医学论文中统计分析错误辨析与释疑实验设计类型的合理选择五、医学论文中统计分析错误辨析与释疑实验设计原则的正确把握六、医学论文中统计分析错误辨析与释疑定性资料统计分析方法的合理选择医学论文中统计分析错误辨析与释疑统计资料的表达与描述之三本文旨在探讨医学论文中统计分析错误辨析与释疑统计资料的表达与描述之三。
通过对前人研究的回顾，总结了医学论文中常见的统计分析错误辨析与释疑统计资料的表达与描述之三的类型和原因。
同时，本文采用实证研究方法，对医学论文中的统计分析错误进行辨析，并探讨其对学生成绩的影响。
结果表明，医学论文中的统计分析错误会影响学生对统计资料的理解和正确使用，应引起重视。
医学论文中的统计分析是研究医学领域问题的重要手段之一。
然而，由于多种原因，医学论文中的统计分析存在一些错误辨析与释疑统计资料的问题，这会影响研究结果的准确性和可靠性。
本文旨在探讨医学论文中统计分析错误辨析与释疑统计资料的表达与描述之三，以帮助学生更好地理解和使用统计资料。
先前的研究表明，医学论文中的统计分析错误辨析与释疑统计资料的表达与描述之三主要包括以下几个方面：（1）统计学假设前提的误解；（2）不恰当的统计学方法；（3）统计结果的不合理解释；（4）误用和滥用统计指标；（5）统计样本的偏差和质量问题。
这些错误辨析与释疑统计资料的问题会影响医学论文的质量和研究结果的可靠性。
本文采用实证研究方法，随机选取了多篇医学论文，对其中的统计分析进行仔细阅读和分析。
同时，本文还对这些医学论文中存在的统计分析错误进行分类和归纳，并对其产生的原因和影响进行探讨。
通过分析发现，医学论文中常见的统计分析错误辨析与释疑统计资料的表达与描述之三主要包括以下几个方面：统计学假设前提的误解。
医学杂志论文中常见的统计学错误分析及对策
医学杂志论文中常见的统计学错误分析及对策随着医学科研的发展，统计学在医学杂志论文中扮演着重要的角色。
但是，由于研究者对统计学方法的理解不足或应用不当，常常会出现一些统计学错误。
本文将分析常见的统计学错误，并提出相应的对策，以帮助研究者提高论文质量。
2.样本量不足：样本量的大小对于统计结果的可靠性和代表性至关重要。
样本量不足可能导致结果不具有统计学意义。
因此，研究者在进行实验设计时，应该根据研究目的和预期效应大小，通过统计学方法计算出所需的最小样本量，并确保实际样本量达到或超过计算的结果。
3.忽略数据分布的假设：一些统计学方法要求数据满足特定的分布假设，例如正态分布。
然而，研究者在应用统计方法时往往忽略了这个前提条件，并未对数据的分布进行充分检验。
为了避免这个问题，研究者应该在应用统计方法之前，使用合适的统计检验或图表来检验数据是否符合假设的分布。
4. 未进行多重比较校正：当进行多组比较时，如果未进行多重比较校正，可能会导致假阳性结果的出现，即错误地认为存在差异或关联。
为了避免这种错误，研究者应该在进行多重比较时采用适当的校正方法，例如Bonferroni校正或Benjamini-Hochberg过程。
5.缺乏效应大小的解释：纯粹依靠显著性检验结果来判断研究结果的重要性是不足够的。
研究者应该解释效应的大小，例如使用点估计和置信区间来表示效应的大小范围，并进行实际意义和临床可应用性的讨论。
6.忽略混杂因素的校正：在观察性研究中，混杂因素可能会影响到统计分析的结果。
如果在统计分析中未对混杂因素进行校正，可能会引入偏差。
因此，研究者应该在进行统计分析之前，充分考虑可能的混杂因素，并使用适当的统计方法进行校正。
7.未进行复杂数据分析：对于复杂数据结构，例如多层次数据（例如医生-病人数据）或长期纵向数据，简单的统计方法可能无法提供准确的结果。
研究者应该使用适当的复杂数据分析方法，例如多层次回归分析或混合效应模型，以更好地处理这种类型的数据。
医学论文中常见的统计学错误0525
文章结果中的统计学方法表达
• • • • • 充分但不过分 内容： 使用软件名称、版本号、版权公司 各种资料的描述方法：计量、计数、等级 分析方法介绍有层次： 单因素到多因素、同一属性的共同表达 • 分析方法的分析条件和表达内容： 多因素的筛选条件和方法、表达结果的参数
结果解释
• P值的解释 • P值为由抽样导致对目前结论错误判断的可 能性，而并非实际显著性差别的大小，避免 只根据P值下“肯定”、“一定”、“显著 意义”的结论，以“有/无统计学意义”表达 • 阳性结论获得步骤： 统计学检验有意义 专业结论有意义 结果中需给出统计量和P值，结合样本描 述 结果下结论
• 常见问题 • （3）忽略了配对资料的特性 • 如用药前后的血压测量值采用成组t检验 而不是配对t检验。 • （4）忽略了重复测量资料特性 • 如用药后重复测量血压值大于2次，由于 每个人资料间的不独立性，应该采用重 复测量F检验或Frideman检验而不是F检 验或K-W检验。
统计分析-统计推断-单因素
统计分析-统计推断-单因素
计量资料 两组： 成组/t检验（或U检验）或Wilcoxon秩和检
验， 如年龄 t检验条件：每组正态分布 、两组方差齐性 对于两测量水平配对设计，采用配对t检验或配对秩 和检验。
• 大于等于两组：
• F检验或Kruskal-Wallis检验 • F检验条件：每组正态分布 、多组方差齐性 • 对于多组重复测量，采用重复测量F检验或Frideman • 秩和检验。
计数和等级资料 描述方法：例数、百分数表示
统计分析-统计描述
• 常见问题 1.非正态资料仍用均数、标准差描述。 例如：术中输血量508±1203ml，范围 200~3000ml，中位数982ml 2.标准误代替标准差 标准差：数据相对于均数的离散程度；标 准误：样本均数的变异程度。前者用于 常用于数据个体变异大小测量，后者用 于评估样本和总体的接近程度。
医学科研论文中的统计学问题汇总分析
------------------------------------------ 最新资料推荐------------------------------------ 医学科研论文中的统计学问题汇总分析医学科研论文中的统计学问题汇总分析作者：郑华宾ARS医学统计学是一门帮助人们透过偶然现象，分析和判断事物内在规律的科学。
随着医学科研工作的深入，医学统计学的应用越来越广泛。
由于统计学的内容非常丰富，并且仍在不断发展，而医务工作者常因各种原因不愿花费许多精力钻研统计学知识，故医学论文中误用统计学的现象较为严重。
为了减少这一现象，提高论文的水平，现就论文中常见的统计学错误，分析讨论如下。
1 .文中未交待所用统计方法论文中应将所用的统计方法交待清楚，例如，是配对设计的t检验还是成组设计的t检验，是Ridit 分析还是卡方检验，是作相关分析还是作回归推断。
使用不正确的统计方法会得出错误的结论，所以统计方法交待不清或根本不予交待，会使读者对论文结论的正确与否无法判断。
有的作者只提一句经统计学处理后，就写出结论;有的甚至于直接用P值说明问题了事。
正确的做法应写明具体的统计方法，如有特殊情况，还应说明是否采用了校正，这样才有说服力。
严格地说，应写明精确的统计量值和P值,如t值、F值、2 值等,不应笼统地以P0.05或P0.05代替。
此外,最好能交待所使用的计算工具与统计软件名称。
因采用公认的统计软件（如SAS、SPSS等）或程序型计算器进行计算，与手工计算相比,既准确又快捷，其计算结果易于被人接受。
2.使用统计方法时不考虑其应用条件每一种统计方法都有其适用条件。
在表示数值变量资料（计量资料）的平均水平时常用到平均数。
然而平均数有算术平均数（均数）、几何均数和中位数，各有其应用条件。
应用均数时，必须首先确定数据为正态分布。
如果数据是偏态分布，仍用均数表示其平均水平势必导致错误的结论，不少作者没有注意到这一点。
医学论文中常见统计学错误案例分析
医学论文中常见统计学错误案例分析一、概述在医学研究领域，统计学方法的应用至关重要，它有助于科研人员对复杂数据进行深入的分析与解读，从而得出科学的结论。
由于统计学知识的复杂性和多样性，医学论文中常常会出现各种统计学错误。
这些错误不仅可能影响研究结果的准确性和可靠性，还可能误导读者对研究的理解和评价。
本文旨在通过分析医学论文中常见的统计学错误案例，揭示其产生原因和可能带来的后果，以提高医学科研人员和论文作者在统计学应用方面的准确性和规范性。
常见的医学论文统计学错误包括但不限于样本量计算不当、数据分布误判、统计方法选择错误、假设检验理解偏差、多重共线性问题以及P值解读不当等。
这些错误往往源于对统计学基本概念和方法理解不深入，或是忽视了对数据特征和实际研究问题的综合考量。
通过案例分析，我们可以更直观地了解这些错误在实际研究中的表现形式和潜在影响。
每个案例都将详细剖析错误发生的具体原因，并指出正确的处理方法或避免策略。
这将有助于医学科研人员和论文作者在今后的研究中更加谨慎地应用统计学方法，提高研究质量和学术水平。
本文还将强调加强统计学知识和技能的培训在医学科研中的重要性。
只有具备扎实的统计学基础，才能更好地理解和运用各种统计方法，避免或减少统计学错误的发生。
医学科研人员和论文作者应不断学习和更新统计学知识，提高自己在统计学应用方面的能力和素养。
1. 医学论文中统计学的重要性在医学研究中，统计学扮演着至关重要的角色。
它是确保研究设计合理性、数据收集和分析准确性以及结论可靠性的基石。
通过运用统计学方法，医学研究人员能够系统地评估治疗方法的疗效、疾病的发病机制和预后因素，从而为临床实践和政策制定提供科学依据。
统计学在医学论文中有助于确保研究的内部和外部有效性。
通过运用适当的统计学方法，研究人员可以控制潜在的混杂变量和偏倚，从而提高研究的准确性和可靠性。
这有助于避免由于研究设计不当或数据分析错误而导致的误导性结论。
- 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)。
医学期刊统计学错误研究1统计设计存在的常见问题统计设计是整个研究中最重要的一环,是研究工作应遵循的依据。
常见的统计设计问题有:忽视组间均衡性,样本缺乏代表性,样本例数不足,未设置对照组,未随机分组,未提出统计分析方法等。
针对以上问题,在科研设计中一定要遵循实验设计的四大原则即“随机、对照、均衡、重复”的原则。
不遵循或不重视随机化原则随机化是科研设计的重要原则,直接影响研究结果的可信度。
随机化既要随机抽样,还要随机分组,并有足够的样本量作前提。
然而,在医学论文中许多作者对此不够重视,主要表现在论文中统计处理随机化不突出,随机化缺失情况比较常见,有的论文甚至将随机误解为随意、随便,不采用随机化处理方法,导致结果缺乏可靠性。
还有些文章中没有提出“随机”抽样的设计与方法,没有排除标准,给人随意选择病例之感,且病例数少,因此没有代表性,所得出的结论不可靠。
部分文章虽然注明了“随机”,但未提及采取什么方法进行随机化研究或两组间的例数相差甚远,不符合随机化的一般规律,没有临床参考价值。
缺少对照研究或对照组设计不合理正确设立对照是临床或实验研究的一个核心问题,设立对照的意义在于说明临床试验或实验研究中干预措施的效应,减少或防止偏倚和机遇产生的误差对试验结果的影响。
目前,国内许多期刊发表的论文对照组设计不合理现象比较普遍,尤其有些作者对某种新药或新技术在临床的应用观察研究中,不设对照组,缺乏对照观察,得出的结论缺乏科学性,令人怀疑。
有的文章虽然设立了对照组,但在分析结果时,却没有将试验组与对照组的结果进行比较,而仅将各组间的自身前后进行比较,从而使该研究失去对照意义。
对照组选择不当,还表现在两组间重要的临床特征和基线情况相差太大,无可比性,如性别、年龄、病情、经济情况和文化程度等不一致,如有些论文将健康人或志愿者作为对照组,使结果受到非处理因素的影响,产生偏倚或系统误差,使结论不可信。
均衡性原则掌握不够均衡性原则要求实验中的各组之间除处理因素不同外,其他可控制的非处理因素要尽可能保持一致。
特别对疾病预后有重要影响的临床特性一定要在组间分布均衡。
各组间越均衡,可比性越强。
有些作者在对病例进行分组时,忽视了均衡性原则,两组之间没有可比性,结论自然是错误的。
具体表现在:有的文章对治疗组与对照组的相应统一指标没有设在均衡的水平上。
对治疗组情况交代的比较详细,而对对照组的年龄、性别、病情等不予交代,或所选对照组的年龄与治疗组不在一个年龄段,影响了作者对指标的观察。
重复的原则掌握不好所谓重复,一是指重复试验或平行试验,二是指各样本组的例数要有一定的数量,即样本的例数要足够大。
虽然随机化是增强非处理因素均衡性的重要方法,但当各组内例数过少时,尽管采用了随机化分组的方法,也难以保证非处理因素的均衡一致。
在随机化分组的基础上,只有样本例数足够大,才能使非处理因素均衡一致,同时也才能使抽样误差减小,增强样本对总体的代表性。
一般来说,在随机分组的前提下,样本例数越大,各组之间非处理因素的均衡性越好;但当样本量太大时,往往又会给整个实验和质量控制工作带来更多的困难,同时也会造成浪费。
为此,在实验设计时,还应保证在实验结果具有一定可靠性的前提下,确定最少的样本例数。
一般说来,计数指标每组样本不得少于20~30例,计量指标每组样本不得少于5~10例。
在多因素分析时,一般认为样本例数至少为观察指标的5~10倍。
样本的含量样本的含量的大小直接影响到结论的可靠性。
样本量过少,则抽样误差大,结果可靠性差,且经不起重复验证;反之,盲目加大样本量也会造成人、财、物的浪费,同时也造成非抽样误差增大。
故应在保证研究结果精确可靠的前提下,确定最小的样本量。
如某篇论文报道某药治疗的临床疗效,实际总例数为10例,其中6例有效,于是作者得出有效率为60%。
显然,有限的病例数不能充分说明该药是否有效,作者贸然得出结论,容易给他人造成假象甚至误导。
2统计方法选择与使用不当在选择统计方法之前,首先应确定研究资料是计数资料还是计量资料。
只划分其类别而得到的资料为计数资料,也叫定性资料,如根据治疗结果计算出的治愈率、阴性率、阳性率等。
测定某个具体数值而得到的资料为计量资料,如血压值、血细胞计数、血氧分压测定等许多物理诊断和化验检查的结果。
目前,医学论文中计数资料最常用的统计方法为χ2检验,计量资料最常用的统计方法为t检验。
值得注意的是,各种假设检验方法均有其适用条件,应根据资料特点来选用最适当的方法。
均数与标准差分别是描述正态分布资料集中和离散趋势的指标。
能否选用“均数±标准差”来描述某一资料的分布特征,关键看该资料是否符合正态分布。
当资料不符合正态分布或方差不齐时,应将资料转换使之符合正态分布,方差齐性后再用t检验或方差分析,否则用秩和检验。
有些作者在使用t 检验时,未考虑到上述适用条件而盲目使用,造成统计学处理不当或统计学计算错误。
统计指标应用不当描述计量资料的统计指标描述计量资料的统计指标主要有平均数指标(算术均数、中位数M等)和变异指标(标准差s和四分位数间距Q等),在应用时一定要注意它们各自的适用范围。
对于非对称分布资料,算术均数不能反映数据的平均水平,应采用中位数描述。
一般地,正态资料或对称资料用描述,偏态资料用M和Q来描述。
在不能确定数据的分布类型时,应选用M和Q进行统计描述。
四分位数间距Q是75%分位数P75和25%分位数P25之差,即Q=P75-P25,所谓百分位数Px是将全部观察值分为两部分,理论上x%的观察值比它小,(100-x)%的观察值比它大,中位数M是50%分位数P50。
、s、M、Px与Q可通过统计软件直接输出。
描述计数资料的统计指标描述计数资料的统计指标有绝对数和相对数。
绝对数是原始资料经汇总得到的小计或总计数。
相对数是两个有关的绝对数之比,主要包括率和构成比(百分比)。
医学论文中相对数应用的主要问题之一是分母较小。
分母较小时,相对数的可靠性不能保证,在这种情况下,宜直接用绝对数进行描述而不宜计算相对数。
医学论文中相对数应用的主要问题之二是将构成比误用来说明事物发生的强度。
构成比只能反映事物的内部构成,不能说明事物的发生强度。
医学的研究对象主要是人以及与人体有关的各种因素。
由于生物现象的变异较大,各种影响因素又错综复杂,研究常是抽样观察,使事物本质差异与抽样误差混杂,故需用统计方法透过偶然现象来探测其规律性。
如果不能正确运用统计学方法,造成统计学上的偏差或失误,就很容易把本来成功的结果当成失败而放弃,或把失败的教训误认为成功的结论而加以宣传。
在进行科研设计时要严格遵循科学的统计学分析方法,不能留下隐患,否则,再高明的统计学专家和统计学软件也无法弥补科研设计缺陷造成的损失。
总之,统计学分析在医学研究和论文写作中意义重大。
作者在撰写论文时,应注意识别、总结有代表性的、有借鉴意义的统计学领域的缺陷、失误或错误的多发点,特别留心易出现统计错误的险区,从而使论文中的统计学问题减到最低限度。
认真检查、仔细核验,尽量避免上述错误,必要时还可以请统计学专家帮助把关[12]。
统计方法描述或选择不当统计方法选择非常重要,它直接影响结论的可靠性[12]。
临床资料的结果变量可分为计数资料、计量资料和等级资料。
计数资料指将观察对象按两种属性分类,如生存、死亡,治愈、未治愈,有效、无效等,通常转化为率。
如果是两组间的比较,则采用四格表χ2检验或其校正公式,如果是多组间率的比较,则采用行×列表资料χ2检验。
计量资料指对某一个研究对象用定量的方法测定某项指标得到的资料,一般均有计量单位。
通常资料呈正态分布时,两组间均数比较用t 检验,多组间均数比较用方差分析和q检验。
当资料不呈正态分布或方差不齐时,也可用秩和检验等非参数检验法。
统计方法描述不清医学论文中常可发现作者未交代所用的统计方法,如是配对设计的t检验还是成组设计的t检验,是Ridit分析还是χ2检验,是作相关分析还是作回归推断。
统计方法交代不清或根本不予交代,使读者对论文结论的正确与否无法判断。
有的作者只提一句“经统计学处理”后,就写出结论。
有的甚至直接用P值说明问题,笼统地以P便称结果差异有无显着性,P值的大小不说明差值的大小,它还与抽样误差大小有关[13]。
因此,还应写明具体的统计方法,如有特殊情况,还应说明是否采用了校正,应写出描述性统计量的可信区间,注明精确的统计量值和P值,然后根据P值大小作出统计学推断,并作出相应的医学专业结论。
假设检验方法交代不清不交代假设检验方法或假设检验方法交代的不具体、不清楚是医学科研论文中常见的错误。
如果不交代假设检验方法或假设检验方法交代的不具体,读者就无法考察论文的统计学方法选择的是否正确,无法核对计算结果是否准确。
每一种假设检验方法都有其特定的适应条件和严格的适用范围。
对于同一组资料,采用不同的假设检验方法可能得出截然相反的结论。
如将配对设计的资料按成组设计资料的方法处理,将会损失样本提供的信息、降低检验效率,可能使原本有统计学意义的结果无统计学意义[14]。
在论文写作时,不但要交代选用的是什么统计学方法,而且统计学方法要尽可能具体。
如选择t检验,要说明是配对t检验,还是成组t检验;选择方差分析时,要说明是完全随机设计的方差分析,还是配伍组设计的方差分析。
对于四格表资料,应说明是一般四格表χ2检验、配对四格表χ2检验及四格表资料的精确概率法等。
统计方法选择常见错误①误用χ2检验。
χ2检验有一定的适用条件,n>40且理论数(T)>5时,可用一般χ2检验;n>40,但至少有1个T>1且T<5时,可用校正χ2检验;n<40或T<1时用χ2检验的确切概率法[15]。
②t检验误用于多组资料的比较。
在医学期刊中常会出现将t检验误用于多组资料的比较。
多组资料的比较应该采用方差分析(F检验),当差异具有统计学意义时,再进一步作两两比较。
当各组均与一个对照组比较时采用Dunnettt检验;当各组相互循环比较时,则常采用Student-Newman-keuls(SNK)检验,又称q检验[16]。
③配对t检验与成组t检验误用。
大部分论文只注明采用t检验,而未注明是配对t检验还是成组t检验。
配对t检验常用于处理前后的自身对照,即差值均数与总体均数“0”的比较;成组t检验适用于成正态分布的两个小样本均数间的比较。
④资料不呈正态分布时未用非参数检验。
t检验F检验等适用于呈正态分布、方差齐且有确切的测量数值的资料,而非参数检验(如符号检验、秩和检验Wilcoxon法、秩检验-KruskalWallis法、Friedman法、Ridit分析、Seperman相关等)对资料无特殊要求,对按大小顺序、评分、等级、反应程度甚至色调深浅等资料都可进行分析比较[17-18]。