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
事件无事件总数治疗54806860ab对照86864950cd

练习题(虚构数值,不作为临床指导)。 在一项随机试验中,860 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)。 求绝对风险降低ARR,以百分数表示。 保留一位小数。

治疗: 54/860对照: 86/950
ARR = %
2.循证实践统计学困难
p (%)PPV (%)0.5%PPV = ?100

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 78%,特异度为 99%。它用于患病率为 0.5% 的人群。 求阳性预测值PPV,以百分数表示。 保留一位小数。

Se = 78%Sp = 99%p = 0.5%
PPV = %
3.描述统计中等
1520253035

求数据的样本标准差 s:12, 13, 31, 30, 33, 37。

n = 6
s =
4.描述统计困难
z −2−1012

某量服从正态分布,平均数为 50,标准差为 10。数值高于 45 的比例 P 是多少?

μ = 50σ = 10x = 45
P =
5.置信区间中等
x̄E₁ = 5.799%, n = 50x̄E₂ = ?99%, n = 450

基于 50 个观测值且 σ 已知的均值 99% 置信区间,其误差范围为 5.7。 如果同一研究改用 450 个观测值,误差范围 E₂ 是多少?

99%n₁ = 50E₁ = 5.7n₂ = 450
E₂ =
6.置信区间困难
p ≈ 0.1, n = ?p̂ − Ep̂ + Ep̂E = 0.0190%

一项预研究表明,约有 0.1 的产品有缺陷。 必须检验多少件产品 n,才能使比例的 90% 置信区间的误差范围不超过 0.01?

p ≈ 0.1E = 0.0190%
n =
7.假设检验与置信区间中等
−2p = ?

据称某总体的均值为 500;已知总体标准差为 15。一个含 25 个观测值的随机样本均值为 494。检验 H₀: μ = 500 对 H₁: μ < 500。求 p 值 p。

μ₀ = 500σ = 15n = 25x̄ = 494H₁: μ < μ₀
p =
8.假设检验与置信区间困难
μ₀x̄c

在 α = 0.10 下,用容量为 36 的样本对 H₀: μ = 200 与 H₁: μ < 200 进行单侧 z 检验;已知标准差为 15。实际上均值为 195.75。 求第二类错误的概率 β,以百分比表示。

μ₀ = 200μ = 195.75σ = 15n = 36α = 0.10
β = %

3溶液

1.循证实践统计学

答案: ARR = 2.8 %

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 = 54/860 = 0.06279
CER = 86/950 = 0.09053

绝对风险降低

ARR = 0.09053 − 0.06279 = 0.02774 ≈ 2.8%

答案

ARR = 2.8%
2.循证实践统计学

答案: PPV = 28.2 %

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 = 0.78·0.005 = 0.0039
(1 − Sp)·(1 − p) = 0.01·0.995 = 0.00995

阳性预测值

PPV = 0.0039/(0.0039 + 0.00995) = 0.2816 ≈ 28.2%

答案

PPV = 28.2%

患病率越低,同一检测的 PPV 越低。

3.描述统计

答案: s = 10.73

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 = 156/6 = 26

离差平方

Σ(x − x̄)² = (−14)² + (−13)² + 5² + 4² + 7² + 11² = 576

标准差

s = √(576/5) = 10.73

答案

s = 10.73
4.描述统计

答案: P = 0.6915

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 = −0.5

标准正态分布表

Φ(−0.5) = 0.3085
P = 1 − 0.3085 = 0.6915

答案

P = 0.6915
5.置信区间

答案: E₂ = 1.9

Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1.645 (90%), 1.96 (95%), 2.576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.

误差范围之比

E₂/E₁ = (2.576/2.576)·√(50/450) = 0.3333

新的误差范围

E₂ = 5.7·0.3333 = 1.9

答案

E₂ = 1.9
6.置信区间

答案: n = 2436

Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0.5, which gives the largest n.

解出 n

n = 1.645²·0.1·0.9/0.01² = 2435

向上取整

n = 2436

答案

n = 2436
7.假设检验与置信区间

答案: p = 0.02275

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.

检验统计量

SE = σ/√n = 15/√25 = 3
z = (494 − 500)/3 = −2

尾部面积

Φ(2) = 0.9772
1 − Φ(2) = 0.0228

p 值

p = 0.02275

答案

p = 0.02275

p ≤ 0.05,所以在 5% 水平下拒绝 H₀。

8.假设检验与置信区间

答案: β = 33.8 %

检验功效:功效 = 1 − β,是 H₀ 为假时拒绝 H₀ 的概率。由 μ₀ 和 z_α 求出临界值 x̄c,再用真实均值计算落在 x̄c 以外的概率:z = (x̄c − μ)/(σ/√n)。

临界样本均值

SE = 15/√36 = 2.5
x̄c = 200 − 1.282·2.5 = 196.8

真实均值下的 z

z = (196.8 − 195.75)/2.5 = 0.418

第二类错误

功效 = P(Z < 0.418) = 66.2%
β = 100% − 66.2% = 33.8%

答案

β = 33.8%

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