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)。 一项病例对照研究比较了 280 名患某病的患者(病例)和 530 名未患该病的人(对照)。表中显示每组有多少人暴露于某危险因素。求该暴露的比值比OR。 保留两位小数。
a = 69b = 239c = 211d = 291
OR =
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 95%,特异度为 82%。它用于患病率为 30% 的人群。 求阳性预测值PPV,以百分数表示。 保留一位小数。
Se = 95%Sp = 82%p = 30%
PPV = %
3.描述统计中等
求数据的样本标准差 s:25, 28, 59, 14, 55。
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 20。求成绩 150 的 z 分数 z。
μ = 170σ = 20x = 150
z =
5.置信区间中等
一个包含 6 个个体的样本,均值为 109,标准差 s = 11。总体近似服从正态分布。 求均值的 95% 置信区间的上限。
n = 6x̄ = 109s = 1195%t(5) = 2.571
上限 =
6.置信区间困难
一项预研究表明,约有 0.8 的产品有缺陷。 必须检验多少件产品 n,才能使比例的 95% 置信区间的误差范围不超过 0.05?
p ≈ 0.8E = 0.0595%
n =
7.假设检验与置信区间中等
两条生产线生产同一种零件。生产线 1:100 个零件的样本平均长度为 139.5 mm,该生产线的已知标准差为 19 mm。生产线 2:50 个零件的样本均值为 142.6 mm,已知标准差为 12 mm。取差值为 x̄₁ − x̄₂(生产线 1 减生产线 2),求 H₀: μ₁ = μ₂ 的检验统计量 z。
n₁ = 100x̄₁ = 139.5 mmσ₁ = 19 mmn₂ = 50x̄₂ = 142.6 mmσ₂ = 12 mm
z =
8.假设检验与置信区间困难
样本至少要多大,才能使均值的 95% 置信区间的误差范围不超过 0.5?标准差为 15。求最小样本量 n。
σ = 15E = 0.595%
n =
3溶液
1.循证实践统计学
答案: OR = 0.4
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。
暴露比值
病例: 69/211 = 0.327
对照: 239/291 = 0.8213
比值比
OR = (69·291)/(239·211) = 0.3982 ≈ 0.4
OR 小于 1:暴露在病例中较少见,提示有保护作用。
2.循证实践统计学
答案: PPV = 69.3 %
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。
真阳性和假阳性(按每人计)
Se·p = 0.95·0.3 = 0.285
(1 − Sp)·(1 − p) = 0.18·0.7 = 0.126
阳性预测值
PPV = 0.285/(0.285 + 0.126) = 0.6934 ≈ 69.3%
3.描述统计
答案: s = 19.74
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 = (−11.2)² + (−8.2)² + 22.8² + (−22.2)² + 18.8² = 1559
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 = 120.5
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 = 5, t = 2.571
区间
109 ± 11.55 → [97.45, 120.5]
6.置信区间
答案: n = 246
比例的置信区间:p̂ ± z·√(p̂(1 − p̂)/n),其中 p̂ = x/n。要使误差范围达到 E,需要 n ≥ z²·p(1 − p)/E²,向上取整;没有事先估计时用 p = 0.5,此时 n 最大。
解出 n
n = 1.96²·0.8·0.2/0.05² = 245.9
7.假设检验与置信区间
答案: z = −1.217
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。
差值的标准误
SE = √(19²/100 + 12²/50) = √6.49 = 2.548
检验统计量
z = (139.5 − 142.6)/2.548 = −1.217
|z| < 1.96,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: n = 3458
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)。
解出 n
n = (1.96·15/0.5)² = 3457