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
Se74%Sp84%LR+ = ?

练习题（虚构数值，不作为临床指导）。 一项检测的灵敏度为 74%，特异度为 84%。 求阳性似然比LR+。 保留两位小数。

Se = 74%Sp = 84%
LR+ =
2.循证实践统计学困难
CER39%EER?RRR 22%

练习题（虚构数值，不作为临床指导）。 一种治疗使事件风险相对降低 22%（RRR = 22%）。在某患者群体中，不治疗时五年内的风险（CER）为 39%。求五年内预防一次事件所需的治疗人数NNT。 向上取整到整数患者。

RRR = 22%CER = 39%
NNT =
3.描述统计中等
2025303540455055

求数据的样本标准差 s：41, 50, 45, 43, 17, 51, 58。

n = 7
s =
4.描述统计困难
z −2−1012

某量服从正态分布，平均数为 70，标准差为 15。数值高于 92.5 的比例 P 是多少？

μ = 70σ = 15x = 92.5
P =
5.置信区间中等
n = 30, s = 15.5LU = ?x̄ = 66E95%

一个包含 30 个个体的样本，均值为 66，标准差 s = 15.5。总体近似服从正态分布。 求均值的 95% 置信区间的上限。

n = 30x̄ = 66s = 15.595%t(29) = 2.045
上限 =
6.置信区间困难
σ = 27, n = ?x̄ − Ex̄ + Ex̄E = 295%

总体标准差为 27。样本量 n 至少要多大，才能使均值的 95% 置信区间的误差范围不超过 2？

σ = 27E = 295%
n =
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 497.1，样本标准差为 8。求 H₀: μ = 500 的检验统计量 t。

μ₀ = 500x̄ = 497.1s = 8n = 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 120 名患者中有 42 人康复，接受治疗 B 的 150 名患者中有 61 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。

x₁ = 42n₁ = 120x₂ = 61n₂ = 150
z =

3溶液

1.循证实践统计学

答案: LR+ = 4.63

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。

阳性似然比

LR+ = 0.74/(1 − 0.84) = 4.625 ≈ 4.63

答案

LR+ = 4.63
2.循证实践统计学

答案: NNT = 12

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。

绝对风险降低

ARR = 0.39·0.22 = 0.0858

需要治疗人数

NNT = 1/0.0858 = 11.66 → 12

答案

NNT = 12

相同的相对效果，在基线风险越高时，NNT 越小。

3.描述统计

答案: s = 13.04

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 = 305/7 = 43.57

离差平方

Σ(x − x̄)² = (−2.571)² + 6.429² + 1.429² + (−0.5714)² + (−26.57)² + 7.429² + 14.43² = 1020

标准差

s = √(1020/6) = 13.04

答案

s = 13.04
4.描述统计

答案: P = 0.06681

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 = 1.5

标准正态分布表

Φ(1.5) = 0.9332
P = 1 − 0.9332 = 0.06681

答案

P = 0.06681
5.置信区间

答案: 上限 = 71.79

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 = 29, t = 2.045

误差范围

E = 2.045·15.5/√30 = 5.787

区间

66 ± 5.787 → [60.21, 71.79]

答案

上限 = 71.79
6.置信区间

答案: n = 701

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 = (1.96·27/2)² = 700.1

向上取整

样本量是整数，向下取整会使误差范围过大。

n = 701

答案

n = 701
7.假设检验与置信区间

答案: t = −2.175

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 = 8/√36 = 8/6 = 1.333

检验统计量

t = (497.1 − 500)/1.333 = −2.175

答案

t = −2.175
t0.025; df = 35 = 2.03

|t| > 2.03，所以在 5% 水平下拒绝 H₀（双侧）。

8.假设检验与置信区间

答案: z = −0.9525

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 = 42/120 = 0.35
p̂₂ = 61/150 = 0.4067
p̂ = 103/270 = 0.3815

H₀ 下的标准误

SE = √(0.3815·0.6185·(1/120 + 1/150)) = 0.05949

检验统计量

z = (0.35 − 0.4067)/0.05949 = −0.9525

答案

z = −0.9525

|z| < 1.96，所以在 5% 水平下不拒绝 H₀（双侧）。

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