1公式与方法
循证实践统计学
- 灵敏度和特异度
- Se = a/(a + c), Sp = d/(b + d)
- 预测值
- PPV = a/(a + b), NPV = d/(c + d)
- 准确度
- (a + d)/n
- 似然比
- LR+ = Se/(1 − Sp), LR− = (1 − Se)/Sp
- 患病率为 p 时的 PPV
- Se·p / (Se·p + (1 − Sp)(1 − p))
- 比值
- 比值 = p/(1 − p); p = 比值/(1 + 比值); 检验后比值 = 检验前比值 × LR
- 风险指标
- RR = EER/CER, ARR = CER − EER, RRR = ARR/CER
- 需要治疗人数
- NNT = 1/ARR,向上取整; NNH = 1/(EER − CER)
- 比值比
- OR = ad/(bc)
- 发病率
- 新发病例 / 人时
方法
- 计算之前先画出 2 × 2 表并标出 a、b、c 和 d。
- 灵敏度和特异度沿列读取,预测值沿行读取。
- 对于另一个患病率,设想 10 000 人,并用 Se、Sp 和患病率填表。
- 对于似然比,把概率换算为比值,相乘,再换算回去。
- 对于试验,先求 EER 和 CER;然后 RR = EER/CER,ARR = CER − EER,NNT = 1/ARR 向上取整。
描述统计
- 平均数
- x̄ = Σx/n
- 样本标准差
- s = √(Σ(x − x̄)²/(n − 1))
- 中位数
- 排序后数据的中间值
- z 分数
- z = (x − μ)/σ
- 正态分布
- 68% 落在 ±1σ 内,95% 落在 ±2σ 内
置信区间
- σ 已知
- x̄ ± z·σ/√n
- σ 未知
- x̄ ± t·s/√n, df = n − 1
- 临界 z 值
- 90%: 1.645, 95%: 1.96, 99%: 2.576
- 样本量
- n = (z·σ/E)², rounded up
方法
- 在 z(已知总体 σ)和 t(只有样本 s,自由度为 n − 1)之间作出选择。
- 求该置信水平下的临界值。
- 误差限:E = 临界值 × 标准差/√n。
- 区间:x̄ ± E。
假设检验与置信区间
- 均值的 z 检验
- z = (x̄ − μ0)/(σ/√n)
- 均值的 t 检验
- t = (x̄ − μ0)/(s/√n), df = n − 1
- 5% 双侧
- 若 |z| > 1.96 则拒绝 H0
- 置信区间
- x̄ ± z·σ/√n
方法
- 写出 H₀ 和 H₁,并确定是单侧检验还是双侧检验。
- 计算检验统计量:(x̄ − μ₀)/(σ/√n),或者用 s 和 t。
- 与临界值比较,或求出 p 值。
- 若统计量超出临界值(p 小于 α),则拒绝 H₀,并用文字写出结论。
2练习题
1.循证实践统计学中等
练习题(虚构数值,不作为临床指导)。 在一项随机试验中,550 名患者接受新疗法,950 名接受对照治疗。表中显示每组有多少人出现了结局(如卒中等不良事件)。 求预防一次事件所需的治疗人数NNT。 向上取整到整数患者。
治疗: 154/550对照: 380/950
NNT =
2.循证实践统计学困难
练习题(虚构数值,不作为临床指导)。 一项筛查检测的灵敏度为 93%,特异度为 81%。它用于患病率为 0.5% 的人群。 求阴性预测值NPV,以百分数表示。 保留一位小数。
Se = 93%Sp = 81%p = 0.5%
NPV = %
3.描述统计中等
求数据的样本标准差 s:21, 51, 54, 19, 50, 45。
n = 6
s =
4.描述统计困难
考试成绩服从正态分布,平均数为 70,标准差为 20。求成绩 100 的 z 分数 z。
μ = 70σ = 20x = 100
z =
5.置信区间中等
一个包含 9 个个体的样本,均值为 55.5,标准差 s = 5.5。总体近似服从正态分布。 求均值的 90% 置信区间的误差范围 E。
n = 9x̄ = 55.5s = 5.590%t(8) = 1.86
E =
6.置信区间困难
20 根机加工轴的直径样本标准差为 8 µm。假设直径服从正态分布,求总体标准差 95% 置信区间的下限 σ。df = 19 时,χ² 分布有 2.5% 位于 8.907 以下,2.5% 位于 32.852 以上。
n = 20s = 8 µmχ² = 8.907, 32.852
σ = µm
7.假设检验与置信区间中等
据称某总体的均值为 250;已知总体标准差为 30。一个含 144 个观测值的随机样本均值为 247.95。检验 H₀: μ = 250 对 H₁: μ < 250。求 p 值 p。
μ₀ = 250σ = 30n = 144x̄ = 247.95H₁: μ < μ₀
p =
8.假设检验与置信区间困难
在一项试验中,接受治疗 A 的 150 名患者中有 60 人康复,接受治疗 B 的 80 名患者中有 22 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。
x₁ = 60n₁ = 150x₂ = 22n₂ = 80
z =
3溶液
1.循证实践统计学
答案: NNT = 9
似然比和风险指标:LR+ = 灵敏度/(1 − 特异度),LR− = (1 − 灵敏度)/特异度。在试验中,EER 和 CER 分别是治疗组和未治疗组的事件发生率:RR = EER/CER,ARR = CER − EER,RRR = ARR/CER,NNT = 1/ARR,向上取整。在病例对照研究中,只能使用比值比 OR = ad/(bc)。发病率(率)= 新发病例/人时。
事件发生率
EER = 154/550 = 0.28
CER = 380/950 = 0.4
需要治疗人数
ARR = 0.4 − 0.28 = 0.12
NNT = 1/0.12 = 8.333 → 9
2.循证实践统计学
答案: NPV = 100 %
预测值取决于患病率:PPV = Se·p/(Se·p + (1 − Sp)(1 − p)),NPV = Sp(1 − p)/(Sp(1 − p) + (1 − Se)p)。用似然比计算:检验前比值 = p/(1 − p),检验后比值 = 检验前比值 × LR,概率 = 比值/(1 + 比值)。对于 N 人的人群,真阳性 = N·p·Se,假阳性 = N·(1 − p)·(1 − Sp)。NNT = 1/(CER × RRR),向上取整。
真阴性和假阴性(按每人计)
Sp·(1 − p) = 0.81·0.995 = 0.806
(1 − Se)·p = 0.07·0.005 = 0.00035
阴性预测值
NPV = 0.806/(0.806 + 0.00035) = 0.9996 ≈ 100%
3.描述统计
答案: s = 15.77
描述统计:平均数是总和除以 n;中位数是排序后数据的中间值(n 为偶数时取中间两个数的平均)。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
离差平方
Σ(x − x̄)² = (−19)² + 11² + 14² + (−21)² + 10² + 5² = 1244
4.描述统计
答案: z = 1.5
描述统计:平均数是总和除以 n;中位数是排序后数据的中间值(n 为偶数时取中间两个数的平均)。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
5.置信区间
答案: E = 3.41
均值的置信区间:x̄ ± 误差范围。总体 σ 已知时,误差范围为 z·σ/√n;只有样本标准差 s 时,用自由度为 n − 1 的 t:t·s/√n。临界值:z = 1.645(90%)、1.96(95%)、2.576(99%)。要使误差范围不超过 E,需要 n ≥ (z·σ/E)²,并向上取整。
6.置信区间
答案: σ = 6.084 µm
方差的区间:(n − 1)s²/σ² 服从自由度为 n − 1 的 χ² 分布。σ² 的 95% 区间从 (n − 1)s² 除以上侧 χ² 值(其上方占 2.5%)到 (n − 1)s² 除以下侧 χ² 值(其下方占 2.5%);σ 的区间是这两个限值的平方根。它关于 s 不对称。
σ² 的限值
1216/32.852 = 37.01
1216/8.907 = 136.5
σ 的 95% 区间:[6.084, 11.68] µm。
7.假设检验与置信区间
答案: p = 0.2061
假设检验:检验统计量 =(估计值 − H₀ 下的值)/(H₀ 下的标准误)。p 值是在假定 H₀ 为真时,统计量至少与观测值一样极端的概率:单侧 H₁ 取一个尾部的面积,双侧 H₁ 取尾部面积的两倍。当 p ≤ α 时拒绝 H₀。
检验统计量
SE = σ/√n = 30/√144 = 2.5
z = (247.95 − 250)/2.5 = −0.82
尾部面积
Φ(0.82) = 0.7939
1 − Φ(0.82) = 0.2061
p > 0.05,所以在 5% 水平下不拒绝 H₀。
8.假设检验与置信区间
答案: z = 1.885
假设检验:检验统计量 =(估计值 − H₀ 下的值)/(H₀ 下的标准误)。p 值是在假定 H₀ 为真时,统计量至少与观测值一样极端的概率:单侧 H₁ 取一个尾部的面积,双侧 H₁ 取尾部面积的两倍。当 p ≤ α 时拒绝 H₀。
样本比例
p̂₁ = 60/150 = 0.4
p̂₂ = 22/80 = 0.275
p̂ = 82/230 = 0.3565
H₀ 下的标准误
SE = √(0.3565·0.6435·(1/150 + 1/80)) = 0.06631
检验统计量
z = (0.4 − 0.275)/0.06631 = 1.885
|z| < 1.96,所以在 5% 水平下不拒绝 H₀(双侧)。