1、最新資料推薦醫學統計學傻瓜教程醫學統計學傻瓜教程作為一名臨床醫師，不管你愿意不愿意，某些時候必須撰寫醫學論文。這時， 大多數人會遇到一個難題，醫學論文的數據都必須進行統計學處理，早些年學過的醫學統計學早已忘得差不多了，重新翻開統計學書本，看得基本上是云里霧里。醫學統計學傻瓜教程有別于其他任何的統計學教程，其特點是略去一些高深難懂的統計學原理及計算公式，直奔解決實際問題的方法。本教程的學習時間約需要23小時，前提是你必須曾經學過醫學統計學，不管學得好或學得差，或是否已忘記，只要有一點印象即可，同時還需要下載一個簡明統計學處理軟件臨床醫師統計學助手V4.0， 因為作數據統計學處理時最令人頭痛的問題

2、是煩瑣的計算，則由預存在本軟件內的計算公式來完成。臨床醫師統計學助手V4. 0 下載地址 : http: /www.onlinedown. net/soft/63895. htm這是一個全傻瓜化的教程，由 4 個實例組成，只要認真看完這4 個實例，將實際中碰到的問題對號入座，就足以解決絕大多數問題了。接下來我們開始輕松愉快的學習過程。一、 均數與標準差【例 1 】 本組 105 例， 男 55例， 女 50 例； 平均年齡：62.36. 1歲，所有入選病例均符合1999年WHO高血壓診斷標準。舉這個例子是為了說明均數與標準差的概念。我實在不愿意多花時間闡述一些概念性的東西，但是由于標準差實在太

3、重要了。【例 1 】 中的數據62. 36. 1， 62. 3 就是年齡的均數，均數的概念大家都懂，那么后面的6. 1 是什么呢？它就是標準差。有人可能會問，表達一組人的平均年齡，用均數就夠了， 為什么還要加一個標準差呢？先看下面的一個例子：有兩組人，第 1 組身高（cm）：98 、99 、100 、101 、102 ；第 2 組身高（cm）：80 、90 、100 、110 、120 ，這兩組人雖然身高的均數都是100cm， 但是， 仔細觀察，第 1 組的身高很接近，第 2 組的身高差別很大，故僅僅用一個平均數表達一組數據的特征是不完整的，還需要用另一個指標來表達其參差不齊的程度，這就是標準

4、差。統計學上對一組測量結果的數據都要用均數標準差表示， 習慣表達代號是：， 具體例子如：平均收縮壓12010. 2mmHg。我想現在大家都已知道標準差是什么東東了，那么， 標準差是怎樣得到的呢？有一個比較復雜的計算公式，我們不必去深究這個公式是怎么樣的，只需知道標準差越小，說明數據越集中，標準差越大，說明數據越分散。撰寫醫學論文的第一步是收集原始數據，如：第 1 組身高（cm） ：98、99 、100 、101 、102 ；第 2 組身高（cm）：80、90 、100 、110 、120 。在論文中并不是直接給出原始數據，而是要以方式表示。利用軟件 臨床醫師統計學助手V3. 0 ， 只要輸入原

5、始數據，就能自動計算出均數及標準差，即第 1 組平均身高：1001. 58cm ； 第 2 組平均身高：10015. 81cm ， 如下圖。2、 兩樣本均數差別T 檢驗【例 2 】 目的 研究中藥板蘭根對非典療效。方法 將 36 例非典 患者隨機分為治療組19 例， 采用常規治療 +板蘭根口服，對照組 17 例， 僅采用常規治療。結果 治療組平均退熱時間3. 281. 51d ； 對照組平均退熱時間5. 651. 96d ,兩組間對照差別有極顯著意義（p<0. 01 ）結論 中藥板蘭根對非典有顯效療效，實為國之瑰寶。這是最常見的一種統計學數據處理類型，統計學述語叫做兩樣本均數差別T 檢驗

6、 ， 說得通俗易懂一些，就是檢驗兩組方法所得到的數據到底有沒有差異，或者說，差異是否有意義。我們平時的思維習慣是，數據的大小還用得著檢驗嗎？這是小學生都會的問題。可是別忘記了現在是在搞科研，科學方法看問題可不一定這么簡單。可能還沒有說明白這個問題，下面舉一個簡單的例子。我們的目的是得出這樣一個結論：北京出產的西瓜比上海出產的西瓜大。最可靠的方法是把所有北京的西瓜和上海的西瓜都測量重量，得到兩個均數，然后比大小即可，可是智商正常的人并不會這樣去做， 通常的做法是，隨機選一部分北京的西瓜和一部分上海的西瓜，先讓這兩部分西瓜比大小，然后推斷到底那里的西瓜大。這種方法是窺一斑可見全豹， 統計學述語叫做

7、由樣本推斷總體 ， 事實上，我們所做的醫學科研都是基于這種方法。再回到上面的例子，假如我們有二種做法：A 、 隨機選 2 個北京西瓜，平均重量是5. 60. 3kg； 再隨機選 2 個上海西瓜，平均重量是4. 30. 25kg；B 、 隨機選 1000 個北京西瓜，平均重量是5. 60. 3kg； 再隨機選1000 個上海西瓜，平均重量是4. 30. 25kg 。憑生活常識，由 B 推出北京的西瓜比上海西瓜大這個結論的把握性就非常的大，而 A 則基本上推不出這個結論。現在， 終于可以引出我們的主題了，統計學處理本質是考查由樣本差異推斷總體差異的把握性有多大，這種把握性在統計學上由P 值表示。如

8、P<0. 05或P<0. 01,可以理解為由樣本差異推斷總體差異的把握性達95%或 99%以上，兩組數據差異有顯著意義；如 P>0. 05,可以理解為這種把握性在 95%以下，兩組數據差異沒有顯著意義。上面所講的實已為統計學之精髓，建議多看幾遍，如果天生愚魯，還是看不太懂，也沒有關系，現在進一步傻瓜化， 即所謂統計學處理，只要求得P 值即可。P <0. 05或P<0. 01,表示陽性結果，兩組數據差異有顯著意義； P0. 05 ， 表示陰性結果，兩組數據差異沒有顯著意義。所以， 統計學處理的中心任務是求P 值。下面講解遇到【例2 】 這樣的問題，如何求 P 值。【

9、例 2 】 中一共有6 個數據：第一組均數（X1）、標準差（S1）、例數（N1）與第二組均數（X2）、 標準差（S2） 、 例數（N2）， 就是根據這6 個數據， 先通過復雜計算，求出 T 值 （如果沒有想成為統計學專家，就不必去理解T 是什么了，知道 T 是為了求P 用的就可以了） ， 求出 T 值后， 再查 T 界值表 ， 就知道 P 值 了。具體解法步驟如下： 通過計算 （這里略去計算公式，可由軟件求出）， T=4.088 計算自由度：自由度=N1+N2-2=19+17-2=34計算自由度是為了查 T界值表用的，自由度即兩組例數之和減去2 ， 不要問我為什么不減去3 或減去1 這樣的問題

10、了。） 查 T 界值表，對應自由度34， T0. 05=2. 032 ，word.最新資料推薦T0. 01=2. 728, 今 T=4. 088 >T0. 01 , 即 P<0. 01, 差別有高度顯著意義。T=4. 088是如何求出的呢？我們再回到軟件臨床醫師統計學助手V3. 0 ， 只要把第一組均數（X1） 、 標準差（S1） 、 例數（N1） 與第二組均數（X2） 、 標準差（S2） 、例數（N2）這 6 個數據輸入對應的框內，該軟件就會利用預先存儲的公式自動計算T 值， 并查 T 界值表，得到 P 值， 如圖：3、 配對計量資料T 檢驗【例 3 】 目的 研究音樂胎教對胎兒

11、運動技能培養的效果。方法10例2832周孕婦，分別記錄聽音樂（水滸傳主題曲）前每小時的胎動次數及聽音樂后每小時的胎動次數，結果 數據如表1所示，音樂胎教后胎動次數增多，差別有顯著意義（p<0.05 ） 結論 音樂胎教可增強胎兒運動技能，對培養我國運動天才有現實意義。顯然【例3 】 與【例 2 】 有所不同，主要是【例3 】兩組間的數據可以前后配對的。我們經常碰到這種情況，即同一個體做兩次處理，如治療前檢測某一指標，治療后再檢測某一指標，而后做治療前后配對比較，以判斷療效，正如【例3 】。這種情況如何進行統計學處理呢？同樣也是先計算T 值， 然后按自由度（這時自由度=對子數-1 ， 如本例

12、自由度是9 。） 查 T 界值表，求得 P 值。但是配對T 檢驗 計算 T 值的方法與兩樣本均數T 檢驗有所不同，這里不再作介紹，由軟件 臨床醫師統計學助手V4. 0自動完成即可，如下圖。本例 T=2. 47， 自由度 =10-1=9， 查 T 界值表，對應自由度9，T0. 05=2. 26, T0. 01=3. 25,今 T=2. 47>T0. 05, 即 P<0. 05, 差別有顯著意義。可能有人會問, 【例 3 】 的情況，也可以把胎教前視為對照組，求得平均胎動次數是：21. 85. 31， 胎教后視為治療組，求得平均胎動次數是：24.06. 31 ， 然后套用【例2 】 的

13、方法，用兩樣本均數T 檢驗 行不行？這樣雖無大錯誤，但是將會導致檢驗效率的下降，就是說， 如果數據差異較大時，兩種方法均可，如果數據差異較小時， 用配對 T 檢驗 會顯示出差異有意義，而用兩樣本均數T 檢驗 時， 可能差異無意義。切記， 非配對資料誤用配對T 檢驗， 則是錯誤的。四、 計數資料卡方檢驗【例 4 】目的 研究醫患關系對重癥病人死亡率的影響。方法 根據問卷調查對收住重癥監護病房的病人分為醫患關系良好組與醫患關系緊張組， 比較兩組間的住院死亡率。結果 醫患關系良好組25 例， 住院間死亡3 例， 死亡率 13.6%， 醫患關系緊張組23 例， 住院間死亡9 例， 死亡率 39. 1%

14、，兩組間差別有顯著意義（p<0. 05 ）結論 醫患關系緊張增加重癥病人的住院死亡率，可能與醫師害怕被病人告而治療方案趨向保守有關。【例 4 】 又是一個非常常見的一種統計學數據處理類型。【例 4 】 中所提供的數據是比例， 或百分數，與前面三個例子不同， 前面三個例子所提供的數據則是直接在病人身上測量到的數據， 如收縮壓12010. 2mmH、g 身高 10015. 81cm 等， 我們把【例4】中的數據叫做計數資料，而【例 1 、 2 、 3 】 中的數據叫做計量資料。計數資料無法用形式表示，只能用比例表示，如：死亡率 13. 6%、 30 例中顯效10 例（ 10/30） 等。顯然

15、， 對于計數資料，再用 T 檢是不適合了，必須用卡方檢驗。卡方檢驗的步驟是：先求出X2 （類似于T檢驗時先求T值）值，然后進行判斷：（1）如果 X2<3. 84,貝 U P>0. 05; 如果 X2>3. 84,則 P<0. 05;如果 X2>6. 63,則 P<0. 01。解釋一下， 上面的兩個數字3. 84 與6. 63是查X2界 值表 得來的，只要記住即可。所以， 卡方檢驗的關鍵是求出X2 值。為了求出X2 值， 必須先介紹四表格概念。四表格 的形式如下，關鍵數據是a 、 b 、 c、 d 四個數，X2值就是通過這四個數據計算出來的（這里仍不介紹公式，由軟件計算。）。現將【例4 】 中的數據填入四表格即如下圖。當你學會了填四表格數據之后，就能利用軟件臨床醫師統計學助手V4. 0 非常容易的進行卡方檢驗了，本軟件提供與四表格完全相同的界面，把數據填寫正確之后，就自動