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)。 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 = 189b = 66c = 111d = 344
LR− =
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 83%,特异度为 83%。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 = 83%Sp = 83%p = 0.5%
NPV = %
3.描述统计中等
求数据的样本标准差 s:37, 48, 30, 42, 60。
n = 5
s =
4.描述统计困难
考试成绩服从正态分布,平均数为 170,标准差为 10。求成绩 160 的 z 分数 z。
μ = 170σ = 10x = 160
z =
5.置信区间中等
一个包含 10 个个体的样本,均值为 87.5,标准差 s = 19。总体近似服从正态分布。 求均值的 99% 置信区间的上限。
n = 10x̄ = 87.5s = 1999%t(9) = 3.25
上限 =
6.置信区间困难
总体标准差为 13。样本量 n 至少要多大,才能使均值的 90% 置信区间的误差范围不超过 3?
σ = 13E = 390%
n =
7.假设检验与置信区间中等
8 名员工在培训课程前后各参加一次打字测试。记录每人的差值 d = 培训后 − 培训前(每分钟字数)。平均差值为 −10.19,差值的标准差为 9.3。求 H₀: μd = 0 的配对检验统计量 t。
n = 8d̄ = −10.19sd = 9.3
t =
8.假设检验与置信区间困难
16 次测量的样本均值为 49.9。总体标准差为 4。求均值 99% 置信区间的上限 U。
x̄ = 49.9σ = 4n = 1699%
U =
3溶液
1.循证实践统计学
答案: LR− = 0.44
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 = 189/300 = 0.63
Sp = 344/410 = 0.839
阴性似然比
LR− = (1 − 0.63)/0.839 = 0.441 ≈ 0.44
2.循证实践统计学
答案: NPV = 99.9 %
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) = 0.83·0.995 = 0.8258
(1 − Se)·p = 0.17·0.005 = 0.00085
阴性预测值
NPV = 0.8258/(0.8258 + 0.00085) = 0.999 ≈ 99.9%
3.描述统计
答案: s = 11.39
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 = (−6.4)² + 4.6² + (−13.4)² + (−1.4)² + 16.6² = 519.2
4.描述统计
答案: z = −1
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: 上限 = 107
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。
区间
87.5 ± 19.53 → [67.97, 107]
6.置信区间
答案: n = 51
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。
解出 n
n = (1.645·13/3)² = 50.81
7.假设检验与置信区间
答案: t = −3.099
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)。
检验统计量
t = −10.19/3.288 = −3.099
df = 7 时,双侧 5% 的临界值为 2.365;|t| 更大,所以拒绝 H₀。
8.假设检验与置信区间
答案: U = 52.48
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)。