循证实践:速成包

公式表、每个专题的关键方法步骤和 8 道练习题,完整解答附在最后。

新题目返回课程

在打印窗口中选择“另存为 PDF”,即可在设备上保存一份副本。

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

  1. 计算之前先画出 2 × 2 表并标出 a、b、c 和 d。
  2. 灵敏度和特异度沿列读取,预测值沿行读取。
  3. 对于另一个患病率,设想 10 000 人,并用 Se、Sp 和患病率填表。
  4. 对于似然比,把概率换算为比值,相乘,再换算回去。
  5. 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

  1. 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。
  2. 求该置信水平下的临界值。
  3. 误差限:E = 临界值 × 标准差/√n。
  4. 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

  1. 写出 H₀ 和 H₁,并确定是单侧检验还是双侧检验。
  2. 计算检验统计量:(x̄ − μ₀)/(σ/√n),或者用 s 和 t。
  3. 与临界值比较,或求出 p 值。
  4. 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
检测有疾病无疾病总数正数7038108ab负数20592612cd总数90630720

练习题(虚构数值,不作为临床指导)。 一项研究将一种新检测与参考标准进行了比较(见 2 × 2 表)。 求阴性似然比LR−。 保留两位小数。

a = 70b = 38c = 20d = 592
LR− =
2.循证实践统计学困难
检测有疾病无疾病总数正数?负数总数10 000

练习题(虚构数值,不作为临床指导)。 用灵敏度为 81%、特异度为 98% 的检测对 10 000 人进行筛查。该病的患病率为 7%。 预期会有多少假阳性结果FP?

N = 10 000p = 7%Se = 81%Sp = 98%
FP =
3.描述统计中等
1520253035404550

求数据的样本标准差 s:38, 15, 53, 28, 15。

n = 5
s =
4.描述统计困难
z −2−1012

某量服从正态分布,平均数为 170,标准差为 5。数值低于 176.3 的比例 P 是多少?

μ = 170σ = 5x = 176.3
P =
5.置信区间中等
n = 21, s = 8LU = ?x̄ = 85.5E95%

一个包含 21 个个体的样本,均值为 85.5,标准差 s = 8。总体近似服从正态分布。 求均值的 95% 置信区间的上限。

n = 21x̄ = 85.5s = 895%t(20) = 2.086
上限 =
6.置信区间困难
μ₁ − μ₂, t(10) = 1.8120L = ?Ux̄₁ − x̄₂E90%

对两种肥料进行试验。地块组 1:6 块地,平均产量 90.5 kg,标准差 10 kg。地块组 2:6 块地,均值 97.5 kg,标准差 1 kg。假设方差相等(合并 t,df = n₁ + n₂ − 2)。 求 μ₁ − μ₂ 的 90% 置信区间的下限。

n₁ = 6x̄₁ = 90.5s₁ = 10n₂ = 6x̄₂ = 97.5s₂ = 190%t(10) = 1.812
下限 = kg
7.假设检验与置信区间中等
t −2.0302.03

36 名学生的样本平均分为 197,样本标准差为 20。求 H₀: μ = 200 的检验统计量 t。

μ₀ = 200x̄ = 197s = 20n = 36
t =
8.假设检验与置信区间困难
−1.961.96z = ?

在一项试验中,接受治疗 A 的 150 名患者中有 98 人康复,接受治疗 B 的 200 名患者中有 160 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。

x₁ = 98n₁ = 150x₂ = 160n₂ = 200
z =

3溶液

1.循证实践统计学

答案: LR− = 0.24

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。

灵敏度和特异度

Se = 70/90 = 0.7778
Sp = 592/630 = 0.9397

阴性似然比

LR− = (1 − 0.7778)/0.9397 = 0.2365 ≈ 0.24

答案

LR− = 0.24
2.循证实践统计学

答案: FP = 186

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。

患病者和未患病者

10 000·0.07 = 700
10 000 − 700 = 9300

假阳性

FP = 9300·0.02 = 186

答案

FP = 186

在 753 个阳性结果中,只有 567 人患病(PPV 75.3%)。

3.描述统计

答案: s = 16.18

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。

平均数

x̄ = 149/5 = 29.8

离差平方

Σ(x − x̄)² = 8.2² + (−14.8)² + 23.2² + (−1.8)² + (−14.8)² = 1047

标准差

s = √(1047/4) = 16.18

答案

s = 16.18
4.描述统计

答案: P = 0.8944

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。

标准化

z = 1.25

标准正态分布表

Φ(1.25) = 0.8944
P = 0.8944

答案

P = 0.8944
5.置信区间

答案: 上限 = 89.14

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。

临界值

df = n − 1 = 20, t = 2.086

误差范围

E = 2.086·8/√21 = 3.642

区间

85.5 ± 3.642 → [81.86, 89.14]

答案

上限 = 89.14
6.置信区间

答案: 下限 = −14.43 kg

Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.

合并标准差

sp² = (5·10² + 5·1²)/10 = 50.5
sp = 7.106

误差范围

E = 1.812·7.106·√(1/6 + 1/6) = 7.434

区间

−7 ± 7.434 → [−14.43, 0.4344]

答案

下限 = −14.43 kg
7.假设检验与置信区间

答案: t = −0.9

均值检验:检验统计量衡量样本均值离 H₀ 所声称的值有多少个标准误:σ 已知时 z = (x̄ − μ₀)/(σ/√n),由样本估计时 t = (x̄ − μ₀)/(s/√n)。置信区间为 x̄ ±(临界值)·(标准误)。

标准误

SE = 20/√36 = 20/6 = 3.333

检验统计量

t = (197 − 200)/3.333 = −0.9

答案

t = −0.9
t0.025; df = 35 = 2.03

|t| < 2.03,所以在 5% 水平下不拒绝 H₀(双侧)。

8.假设检验与置信区间

答案: z = −3.085

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

样本比例

p̂₁ = 98/150 = 0.6533
p̂₂ = 160/200 = 0.8
p̂ = 258/350 = 0.7371

H₀ 下的标准误

SE = √(0.7371·0.2629·(1/150 + 1/200)) = 0.04755

检验统计量

z = (0.6533 − 0.8)/0.04755 = −3.085

答案

z = −3.085

|z| > 1.96,所以在 5% 水平下拒绝 H₀(双侧)。

ExamProblems · examproblems.com/courses/evidence-based-practice