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
病例对照暴露19180ab未暴露91440cd

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 110 名患某病的患者(病例)和 620 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 = 19b = 180c = 91d = 440
OR =
2.循证实践统计学困难
p (%)PPV (%)30%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 97%,特异度为 94%。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 = 97%Sp = 94%p = 30%
PPV = %
3.描述统计中等
152025303540455055

求数据的样本标准差 s:53, 34, 13, 55, 29。

n = 5
s =
4.描述统计困难
z −2−1012

考试成绩服从正态分布,平均数为 50,标准差为 8。求成绩 66 的 z 分数 z。

μ = 50σ = 8x = 66
z =
5.置信区间中等
x̄E₁ = 9.899%, n = 100x̄E₂ = ?99%, n = 200

基于 100 个观测值且 σ 已知的均值 99% 置信区间,其误差范围为 9.8。 如果同一研究改用 200 个观测值,误差范围 E₂ 是多少?

99%n₁ = 100E₁ = 9.8n₂ = 200
E₂ =
6.置信区间困难
σ = 10, n = ?x̄ − Ex̄ + Ex̄E = 190%

总体标准差为 10。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 1?

σ = 10E = 190%
n =
7.假设检验与置信区间中等
−1.06p = ?

据称某总体的均值为 80;已知总体标准差为 36。一个含 144 个观测值的随机样本均值为 76.82。检验 H₀: μ = 80 对 H₁: μ < 80。求 p 值 p。

μ₀ = 80σ = 36n = 144x̄ = 76.82H₁: 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 25 的样本对 H₀: μ = 80 与 H₁: μ < 80 进行单侧 z 检验;已知标准差为 15。实际上均值为 71.6。 求第二类错误的概率 β,以百分比表示。

μ₀ = 80μ = 71.6σ = 15n = 25α = 0.10
β = %

3溶液

1.循证实践统计学

答案: OR = 0.51

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: 19/91 = 0.2088
对照: 180/440 = 0.4091

比值比

OR = (19·440)/(180·91) = 0.5104 ≈ 0.51

答案

OR = 0.51

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 = 87.4 %

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 = 0.97·0.3 = 0.291
(1 − Sp)·(1 − p) = 0.06·0.7 = 0.042

阳性预测值

PPV = 0.291/(0.291 + 0.042) = 0.8739 ≈ 87.4%

答案

PPV = 87.4%

患病率越低,同一检测的 PPV 越低。

3.描述统计

答案: s = 17.53

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 = 184/5 = 36.8

离差平方

Σ(x − x̄)² = 16.2² + (−2.8)² + (−23.8)² + 18.2² + (−7.8)² = 1229

标准差

s = √(1229/4) = 17.53

答案

s = 17.53
4.描述统计

答案: z = 2

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 = (66 − 50)/8 = 2

答案

z = 2
5.置信区间

答案: E₂ = 6.93

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)·√(100/200) = 0.7071

新的误差范围

E₂ = 9.8·0.7071 = 6.93

答案

E₂ = 6.93
6.置信区间

答案: n = 271

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 = (1.645·10/1)² = 270.6

向上取整

样本量是整数,向下取整会使误差范围过大。

n = 271

答案

n = 271
7.假设检验与置信区间

答案: p = 0.1446

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 = 36/√144 = 3
z = (76.82 − 80)/3 = −1.06

尾部面积

Φ(1.06) = 0.8554
1 − Φ(1.06) = 0.1446

p 值

p = 0.1446

答案

p = 0.1446

p > 0.05,所以在 5% 水平下不拒绝 H₀。

8.假设检验与置信区间

答案: β = 6.451 %

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/√25 = 3
x̄c = 80 − 1.282·3 = 76.15

真实均值下的 z

z = (76.15 − 71.6)/3 = 1.518

第二类错误

功效 = P(Z < 1.518) = 93.55%
β = 100% − 93.55% = 6.451%

答案

β = 6.451%

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