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)。 在一项队列研究中,不同人群被随访了不同的时间长度(见表:每组的人数和随访年数)。随访期间发生了 234 例新发病例。求发病率IR,每 1000 人年。 保留一位小数。
420 × 2.5 年400 × 5 年460 × 4 年234 新发病例
IR = 每 1000 人年
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 10%。一项灵敏度为 96%、特异度为 78% 的检测结果为负数。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 10%Se = 96%Sp = 78%负数
p′ = %
3.描述统计中等
求数据的样本标准差 s:25, 10, 42, 24, 21, 21, 45。
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 10。数值高于 80 的比例 P 是多少?
μ = 70σ = 10x = 80
P =
5.置信区间中等
基于 25 个观测值且 σ 已知的均值 90% 置信区间,其误差范围为 7.8。 基于 100 个观测值的 99% 区间,其误差范围 E₂ 是多少?
90%n₁ = 25E₁ = 7.899%n₂ = 100
E₂ =
6.置信区间困难
总体标准差为 15。样本量 n 至少要多大,才能使均值的 99% 置信区间的误差范围不超过 0.5?
σ = 15E = 0.599%
n =
7.假设检验与置信区间中等
据称某总体的均值为 100;已知总体标准差为 6。一个含 36 个观测值的随机样本均值为 98.38。检验 H₀: μ = 100 对 H₁: μ < 100。求 p 值 p。
μ₀ = 100σ = 6n = 36x̄ = 98.38H₁: μ < μ₀
p =
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 90% 置信区间的误差范围不超过 1.5?标准差为 20。求最小样本量 n。
σ = 20E = 1.590%
n =
3溶液
1.循证实践统计学
答案: IR = 47.9 每 1000 人年
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。
人年
PY = 420·2.5 + 400·5 + 460·4 = 4890
发病率
IR = 234/4890·1000 = 47.9 每 1000 人年
2.循证实践统计学
答案: p′ = 0.6 %
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− = (1 − 0.96)/0.78 = 0.05128
检验后比值
0.1111·0.05128 = 0.005698
检验后概率
p′ = 0.005698/(1 + 0.005698) = 0.005666 ≈ 0.6%
3.描述统计
答案: s = 12.4
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 = (−1.857)² + (−16.86)² + 15.14² + (−2.857)² + (−5.857)² + (−5.857)² + 18.14² = 922.9
4.描述统计
答案: P = 0.1587
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。
标准正态分布表
Φ(1) = 0.8413
P = 1 − 0.8413 = 0.1587
5.置信区间
答案: E₂ = 6.107
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。
误差范围之比
E₂/E₁ = (2.576/1.645)·√(25/100) = 0.783
6.置信区间
答案: n = 5973
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 = (2.576·15/0.5)² = 5972
7.假设检验与置信区间
答案: p = 0.05262
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。
检验统计量
SE = σ/√n = 6/√36 = 1
z = (98.38 − 100)/1 = −1.62
尾部面积
Φ(1.62) = 0.9474
1 − Φ(1.62) = 0.0526
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: n = 482
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 = (1.645·20/1.5)² = 481.1