1、醫學統計學傻瓜教程    作為一名臨床醫師，有時為了完成一些小科研，或晉升職稱，都必須撰寫醫學論文。大多數人會碰到一個難題，醫學論文的數據都必須進行統計學處理，上大學時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，花上十天半個月的時間，還是看得不知所云。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，但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

2、助手 V3.0，因為作數據統計學處理時最令人頭痛的問題是煩瑣的計算，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 V3.0下載地址:     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：62.3±6.1歲，所有入選病例均符合1999年WHO高血壓診斷標準。    舉這

3、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”實在太重要了。【例1】中的數據“62.3±6.1”，“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

4、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120±10.2mmHg。    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、10

5、0、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，只要輸入原始數據，就能自動計算出均數及標準差，即第1組平均身高：100±1.58cm；第2組平均身高：100±15.81cm，如下圖。二、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&#

6、160; 治療組平均退熱時間3.28±1.51d；對照組平均退熱時間5.65±1.96d，兩組間對照差別有極顯著意義（p0.01 ）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”，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

7、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“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5.6±0.

8、3kg；再隨機選2個上海西瓜，平均重量是4.3±0.25kg；    B、隨機選1000個北京西瓜，平均重量是5.6±0.3kg；再隨機選1000個上海西瓜，平均重量是4.3±0.25kg。   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P0.05或P0.01，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

9、有顯著意義；如P0.05，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。P0.05或P0.01，表示陽性結果，兩組數據差異有顯著意義；P>0.05，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。【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）

10、、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這樣的問題了。） 

11、60;  查T界值表，對應自由度34，T0.05=2.032，T0.01=2.728,今T=4.088T0.01，即P0.01,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：三、配對計量資料T檢驗    【例3】目的 研究

12、音樂胎教對胎兒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（p0.05 ）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

13、值，然后按自由度（這時自由度=對子數-1，如本例自由度是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 V3.0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=2.47T0.05，即P0.05,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：21.8±5.31，胎教后視為治療組，求得平均胎

14、動次數是：24.0±6.31，然后套用【例2】的方法，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

15、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%，兩組間差別有顯著意義（p0.05 ）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120±10.2mmHg、身高100±15.81cm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

16、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，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：     如果X23.84，則P0.05；     如果X23.84，則P0.05；     如果X26.63，則P0.01。     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 V3.0非常容易的進行卡方檢驗了，