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)。 一项检测的灵敏度为 79%,特异度为 70%。 求阳性似然比LR+。 保留两位小数。
Se = 79%Sp = 70%
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)。 不用某种药物时,24% 的患者在一年内出现某种副作用。该药使此风险升高,相对危险度 RR = 2.48。求需要伤害人数NNH:需要多少患者服药一年,才会多出一名患者发生该副作用? 向上取整到整数患者。
对照 24%RR = 2.48
NNH =
3.描述统计中等
求数据的样本标准差 s:44, 19, 27, 23, 44。
n = 5
s =
4.描述统计困难
考试成绩服从正态分布,平均数为 70,标准差为 8。求成绩 63.6 的 z 分数 z。
μ = 70σ = 8x = 63.6
z =
5.置信区间中等
一个包含 13 个个体的样本,均值为 107,标准差 s = 19。总体近似服从正态分布。 求均值的 99% 置信区间的下限。
n = 13x̄ = 107s = 1999%t(12) = 3.055
下限 =
6.置信区间困难
对两种肥料进行试验。地块组 1:8 块地,平均产量 25 kg,标准差 1.5 kg。地块组 2:8 块地,均值 18 kg,标准差 8.5 kg。假设方差相等(合并 t,df = n₁ + n₂ − 2)。 求 μ₁ − μ₂ 的 99% 置信区间的下限。
n₁ = 8x̄₁ = 25s₁ = 1.5n₂ = 8x̄₂ = 18s₂ = 8.599%t(14) = 2.977
下限 = kg
7.假设检验与置信区间中等
25 名学生的样本平均分为 496.9,样本标准差为 5。求 H₀: μ = 500 的检验统计量 t。
μ₀ = 500x̄ = 496.9s = 5n = 25
t =
8.假设检验与置信区间困难
在 α = 0.01 下的单侧 z 检验,必须以 95% 的功效检测出均值 5 个单位的偏移。标准差为 10。求最小样本量 n。
α = 0.01功效 = 95%δ = 5σ = 10zα = 2.326zβ = 1.645
n =
3溶液
1.循证实践统计学
答案: LR+ = 2.63
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+ = 0.79/(1 − 0.7) = 2.633 ≈ 2.63
2.循证实践统计学
答案: NNH = 3
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。
绝对风险增加
ARI = 0.5952 − 0.24 = 0.3552
需要伤害人数
NNH = 1/0.3552 = 2.815 → 3
3.描述统计
答案: s = 11.84
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 = 12.6² + (−12.4)² + (−4.4)² + (−8.4)² + 12.6² = 561.2
4.描述统计
答案: z = −0.8
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: 下限 = 90.9
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 = 12, t = 3.055
区间
107 ± 16.1 → [90.9, 123.1]
6.置信区间
答案: 下限 = −2.085 kg
差值的区间:估计值 ± 临界值 × 标准误。对 σ 已知的两个独立均值:SE = √(σ₁²/n₁ + σ₂²/n₂),用 z。方差相等但未知时:用合并的 s_p 和自由度为 n₁ + n₂ − 2 的 t。对配对数据,用差值计算:d̄ ± t·s_d/√n。
合并标准差
sp² = (7·1.5² + 7·8.5²)/14 = 37.25
sp = 6.103
误差范围
E = 2.977·6.103·√(1/8 + 1/8) = 9.085
区间
7 ± 9.085 → [−2.085, 16.08]
7.假设检验与置信区间
答案: t = −3.1
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)。
检验统计量
t = (496.9 − 500)/1 = −3.1
t = −3.1
t0.025; df = 24 = 2.064
|t| > 2.064,所以在 5% 水平下拒绝 H₀(双侧)。
8.假设检验与置信区间
答案: n = 64
检验的样本量:在水平 α 下的单侧 z 检验中,要以功效 1 − β 检测出真实偏移 δ,标准误必须满足 δ = (z_α + z_β)·σ/√n,所以 n = ((z_α + z_β)·σ/δ)²,向上取整。
解出 n
n = ((2.326 + 1.645)·10/5)² = 63.08