解螺旋公眾號·陪伴你科研的第2540天
解救你的臨床統計
做科研為什麼要講究統計？無非是因為人對周遭世界的理解會有主觀偏倚。用資料說話，則顯得更客觀。
然而，醫學統計，無論何時都是科研狗心中的痛，每一位科研狗都曾在醫學統計的陰影下活的戰戰兢兢。
面對文獻裡五花八門的統計學名詞、層出不窮的測試和模型，真是悔不當初！若是當初沒在統計課上睡大覺，又何至於在解讀研究資料結果時有種無從下手的感覺！
臨床醫生的時間寶貴，怎能在此處原地踏步？但醫學統計的方法辣麼多，到底哪一個才是自己真正要用的呢？
本文就來整理一下各個統計方法的選擇方式，讓大家再也不用擔心迷失在統計的世界裡。
其實，
選擇統計方法，是從瞭解自己的資料特徵開始的
。先要決定做什麼型別的分析，是描述還是推論；其次判斷資料型別；再次看變數多少，以及各變數的設計特徵，就可以做出決策了。
而在得到資料的第一件事就是要分辨這個資料是計量資料還是計數資料
——
計量資料
指連續的資料，通常有具體的數值，如身高、體重、血壓、血紅蛋白、膽紅素和白蛋白等。
計數資料
則是對每組觀察單位只研究其數量的多少，而不具體考慮某指標的質量特徵，屬非連續性資料。如將研究人群按照血型分為O型、A型、B型和AB型來統計各型的人數。
計量資料
兩組樣本資料
計量資料分析有兩種：單因素和多因素。首先來說下簡單的單因素比較，當要比較兩組樣本均數時首先要進行
正態分佈檢驗
，之後才能進一步分析。
1）在樣本與總體比較時，適用單樣本t檢驗。
2）當設計資料是一一對應（配對資料），研究者關注個對的差值時，可以用配對t檢驗（變數的差值要服從正態分佈）。
3）若兩個樣本的資料是完全隨機化設計的，要用獨立樣本t檢驗（兩樣本都服從正態分佈，且方差齊）。
4）只有服從正態分佈的資料才能使用t檢驗！
如果樣本資料
不服從正態分佈
的話，那就只能用非引數檢驗，但其檢驗效能低於引數檢驗。
1）樣本資料為配對資料時，用符號秩和檢驗。
2）樣本資料為完全隨機資料時，用Wilcoxon秩和檢驗。
3）只在不服從正態分佈時使用，檢驗效能較低。
多組樣本資料
當有兩個以上樣本的資料時，就不能再使用t檢驗了。這時候就要用到
F檢驗
，也就是SPSS裡面的方差分析（ANOVA）。ANOVA應用的條件也和上面t檢驗一樣，需要各組樣本均服從正態分佈，各樣本的方差齊。
1）要比較多組完全隨機的資料之間有無差異，可以用單因素方差分析（one-way ANOVA）。
2）多個完全隨機資料組兩兩比較時，常用q檢驗（Nweman-Keuls test）。
3）多組資料是配對資料時，用兩因素方差分析（two-way ANOVA）。
同樣的，多組樣本資料有一組不服從正態分佈或不滿足方差齊性時，就不能用ANOVA，也要使用
非引數檢驗
。
1）多組完全隨機樣本用Kruskal-Wallis秩和檢驗。
2）多組配對樣本用Friedman秩和檢驗。
多因素分析一般都用迴歸分析，包括直線迴歸和Logistic迴歸。
計數資料
計數資料裡最常見的2×2表資料和R×C表資料。
2×2表資料
2×2表資料的統計分析是用卡方檢驗，但是需要根據不同的情況來做不同的處理。這裡
n代表表內的樣本量，T代表理論數
。
1）當n≥40，所有T≥5時，可以直接用卡方檢驗。
2）當n≥40，且有1≤T
3）當n
R×C表資料
R×C表資料也是用
卡方檢驗
，不過還有幾點注意事項。
卡方檢驗的理論數
T不能太小（
。
1）多個構成比的比較所得結論為有統計學差異，也只能說各組的構成比與總的構成比不全相等，並不說明各組之間也有差異。若要進行多重比較，需要用x2分割法檢驗。
2）對於有序R×C表資料屬於等級資料，如臨床檢驗結果分為-、+、++、+++，疼痛等症狀的嚴重程度分為0（無疼痛）、1（輕度）、2（中度）、3（重度）等。就不宜使用卡方檢驗，宜選用秩和檢驗中的Kruskal-Wallis檢驗。
最簡單來說就是下面這張圖。
除了上述兩類資料型別，還有生存資料和診斷試驗資料，這兩種資料則屬於特定的分析方法，其資料特徵和分析目的有其固定的特徵——
生存分析：
將終點時間的出現與否和達到終點所歷經的時間結合起來分析的一類統計分析方法，需考慮每個研究物件出現某一結局所經歷的時間長短，同時考慮時間的觀察和隨訪時間。
診斷試驗：
對疾病進行診斷和鑑別診斷的試驗方法，一般根據其目的可分為兩類：準確度檢驗和一致性檢驗。
生存分析
生存分析一般有3類方法：
壽命表
使用用於分段統計的資料，即將整個觀察時間劃分成很多小的時間段，然後統計各時間段內發生終點時間（如死亡）和失訪的數目。
Kanplan-Meier
資料為各研究物件出現終點事件的具體時間或發生失訪的具體時間，研究目的為比較兩組或多組的研究物件生存曲線，一般需要同時繪製生存曲線。
Cox迴歸
其因變數（結果變數）為觀察時間以及到達該觀察時間時終點事件是否發生，而自變數（解釋變數）可有多個變數（如連續變數、等級變數和分離變數）。
診斷試驗資料
診斷試驗統計分析中應用最廣泛的是ROC曲線和Bland-Altman圖
ROC曲線
要求資料為連續變數或等級變數，以金標準為分組依據，圖示靈敏度和特異度來探討該方法的準確性，也可以探討多種試驗診斷方法的檢測效果。
Bland-Altman圖
要求兩種檢測方法的檢測結果為連續變數，用圖表示兩種檢測方法的一致性。如果一致性較好，則兩種方法可以相互替代。
至於其他那些花樣繁複的統計學方法名稱，已經不用管了，順著這條路走，就能在各種統計軟體的選單中找到它們了。
當然，這些還僅僅是理論，醫生們若要真正掌握這些醫學統計方法，還得靠具體實踐。因此，
《臨床醫學研究中的統計分析和圖形表達例項詳解（第2版）》
一書以“一切為了應用”為出發點，力圖透過具體例項的解剖，在最短時間最大限度的滿足臨床醫生在醫學科研中的實際需求，幫助大家迅速有效地掌握統計知識，打造出科研核心競爭力。
本書分為預備篇、統計分析篇、統計繪圖篇、量表（問卷）分析篇和Meta分析篇。
預備篇
介紹了統計學基本知識、統計方法的選擇和建立資料檔案；
統計分析篇
以SPSS中文版為介紹物件，例項解說了計量資料、計數資料、生存資料和診斷試驗中的統計分析；
統計繪圖篇
則介紹如何採用GraphPad Prism繪製出版級統計圖；
量表（問卷）分析篇
介紹了網路問卷製作和發放、問卷中的多選題分析以及量表中的區分度、信度和效度分析；
Meta分析篇
則以RevMan為介紹物件，例項分析了分類資料（結局指標為RR、OR、RD）和計量資料（結局指標為SMD、WMD）的分析流程和結果解釋。
本書見解獨到、語言幽默、簡單實用、適合臨床醫生、護理專業、研究生和高年級本科生，同時對基礎醫學科研工作者也有極大的參考價值。
想來，這本書一定能夠幫助每一個科研人能夠更好地理解生物醫學統計，透過學習大大提升統計能力，完成屬於自己的第一篇SCI論文！
想必說到這裡，很多同學已經心動了！等不及的同學，
直接拉到文章最底部免費領取吧！（只有300份，先到先得）
如果你還想具體瞭解下這本書裡到底都有什麼？那不妨聽我詳細介紹一下
1
為什麼你值得擁有這本書
統計分析的完整分析流程包括：統計方法選擇——統計分析——統計圖形繪製。
傳統統計學教科書以統計理論為框架，從分佈開始談起，不斷深入；而統計軟體教程則往往以軟體介面為框架，逐個選單欄進行介紹。這兩種框架在實際應用中會產生一些問題，如資料資料該如何進行統計分析以及選擇哪些統計分析等問題。
而本書以資料資料（能做什麼）為框架，並以研究假設（想做什麼）為分類標準，詳盡介紹了計量資料、計數資料、生存資料和診斷試驗這四類臨床科研中最常用的統計方法。
統計方法單獨成節，採用
SPSS中文版
，由
“
方法原理——分析例項——研究假設——資料錄入——操作流程——結果解釋——注意事項
”
7步組成，讀者按照書中提示一步步完成即可掌握該統計方法。
本書以統計方法為框架，將統計分析和統計圖形聯絡起來，採用
Graphad
，由
“
示例——該示例的圖形表達——圖形型別的選擇——資料錄入——座標軸和圖形調整——文字修飾
”
6步組成，幫助大家快速選擇並繪製合適的統計圖形。
2
如何擁有這本書
說了這麼多，這本真正教你如何分析資料，提供資料分析思路而非公式的統計書《
臨床醫學研究中的統計分析和圖形表達例項詳解（第2版）
》，絕對值得你立刻入手。
為了用最簡單的方式幫助你成長，
這本書免費贈送
，
限量300本
。拼手速的時候到了，
快快掃描下方海報中的二維碼領取吧
。
—END—
撰文丨萌董董
排版丨豨薟
國人刊文佔比58%的5分SCI，審稿快，國內多位大佬主編！
Cell子刊萬字重磅綜述闡述腫瘤的這2個特徵
【建議儲存】這套表情包我覺得你應該用得到……
本週直播預告
領 悟 科 研 優 人 一 步
直播主題：《酸談社群日》
直播時間：4月24日晚18點-20點
本次直播將在嗶哩嗶哩和微信影片號同步播出，同時也會在雙平臺進行直播抽獎。大家可以去微信影片號進行直播預約，點贊推薦直播預告還有機會贏得199元解螺旋精品課。
戳按鈕預約直播
解螺旋期待與你共同成長
