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 = 234b = 177c = 86d = 343
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)。 一位患者某病的检验前概率为 40%。一项灵敏度为 83%、特异度为 79% 的检测结果为正数。求该病的检验后概率p′,以百分数表示。 保留一位小数。
检验前 40%Se = 83%Sp = 79%正数
p′ = %
3.描述统计中等
求数据的样本标准差 s:14, 41, 59, 52, 22, 52, 26。
n = 7
s =
4.描述统计困难
某量服从正态分布,平均数为 70,标准差为 8。数值低于 78 的比例 P 是多少?
μ = 70σ = 8x = 78
P =
5.置信区间中等
一个包含 8 个个体的样本,均值为 66.5,标准差 s = 7.5。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 = 8x̄ = 66.5s = 7.590%t(7) = 1.895
E =
6.置信区间困难
10 根机加工轴的直径样本标准差为 9.9 µm。假设直径服从正态分布,求总体标准差 95% 置信区间的上限 σ。df = 9 时,χ² 分布有 2.5% 位于 2.7 以下,2.5% 位于 19.023 以上。
n = 10s = 9.9 µmχ² = 2.7, 19.023
σ = µm
7.假设检验与置信区间中等
比较两种教学方法。第 1 组:5 名学生,平均分 69.5,标准差 2。第 2 组:17 名学生,平均分 59,标准差 6.5。假设总体方差相等,使用合并方差的两样本 t 检验。取差值为 x̄₁ − x̄₂(第 1 组减第 2 组),求 H₀: μ₁ = μ₂ 的检验统计量 t。
n₁ = 5x̄₁ = 69.5s₁ = 2n₂ = 17x̄₂ = 59s₂ = 6.5
t =
8.假设检验与置信区间困难
在一项试验中,接受治疗 A 的 80 名患者中有 20 人康复,接受治疗 B 的 200 名患者中有 42 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。
x₁ = 20n₁ = 80x₂ = 42n₂ = 200
z =
3溶液
1.循证实践统计学
答案: LR− = 0.41
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 = 234/320 = 0.7312
Sp = 343/520 = 0.6596
阴性似然比
LR− = (1 − 0.7312)/0.6596 = 0.4074 ≈ 0.41
2.循证实践统计学
答案: p′ = 72.5 %
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。
似然比
LR+ = 0.83/(1 − 0.79) = 3.952
检验后概率
p′ = 2.635/(1 + 2.635) = 0.7249 ≈ 72.5%
3.描述统计
答案: s = 17.41
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 = (−24)² + 3² + 21² + 14² + (−16)² + 14² + (−12)² = 1818
4.描述统计
答案: P = 0.8413
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 = 5.025
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 = 7, t = 1.895
6.置信区间
答案: σ = 18.07 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。
平方和
(n − 1)s² = 9·9.9² = 882.1
σ² 的限值
882.1/19.023 = 46.37
882.1/2.7 = 326.7
σ 的 95% 区间:[6.81, 18.07] µm。
7.假设检验与置信区间
答案: t = 3.509
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。
合并方差
sp² = (4·2² + 16·6.5²)/20 = 34.6
sp = 5.882
标准误
SE = 5.882·√(1/5 + 1/17) = 2.993
检验统计量
t = (69.5 − 59)/2.993 = 3.509
df = 20 时,双侧 5% 的临界值为 2.086;|t| 更大,所以拒绝 H₀。
8.假设检验与置信区间
答案: z = 0.7282
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 = 20/80 = 0.25
p̂₂ = 42/200 = 0.21
p̂ = 62/280 = 0.2214
H₀ 下的标准误
SE = √(0.2214·0.7786·(1/80 + 1/200)) = 0.05493
检验统计量
z = (0.25 − 0.21)/0.05493 = 0.7282
|z| < 1.96,所以在 5% 水平下不拒绝 H₀(双侧)。