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 48 例新发病例。求发病率IR，每 1000 人年。 保留一位小数。
130 × 5 年320 × 1.5 年48 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）。 一项筛查检测的灵敏度为 90%，特异度为 87%。它用于患病率为 0.5% 的人群。 求阳性预测值PPV，以百分数表示。 保留一位小数。
Se = 90%Sp = 87%p = 0.5%
PPV = %
3.描述统计中等
求数据的样本标准差 s：52, 56, 47, 13, 40, 55, 57。
n = 7
s =
4.描述统计困难
考试成绩服从正态分布，平均数为 500，标准差为 75。求成绩 575 的 z 分数 z。
μ = 500σ = 75x = 575
z =
5.置信区间中等
一个包含 11 个个体的样本，均值为 50.5，标准差 s = 17.5。总体近似服从正态分布。 求均值的 99% 置信区间的上限。
n = 11x̄ = 50.5s = 17.599%t(10) = 3.169
上限 =
6.置信区间困难
总体标准差为 21。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 2？
σ = 21E = 299%
n =
7.假设检验与置信区间中等
100 名学生的样本平均分为 52.1，样本标准差为 10。求 H₀: μ = 50 的检验统计量 t。
μ₀ = 50x̄ = 52.1s = 10n = 100
t =
8.假设检验与置信区间困难
在 α = 0.05 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 22。求最小样本量 n。
α = 0.05功效 = 95%δ = 5σ = 22zα = 1.645zβ = 1.645
n =
3溶液
1.循证实践统计学
答案: IR = 42.5 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 = 130·5 + 320·1.5 = 1130
发病率
IR = 48/1130·1000 = 42.5 每 1000 人年
2.循证实践统计学
答案: PPV = 3.4 %
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 = 0.9·0.005 = 0.0045
(1 − Sp)·(1 − p) = 0.13·0.995 = 0.1293
阳性预测值
PPV = 0.0045/(0.0045 + 0.1293) = 0.03362 ≈ 3.4%
3.描述统计
答案: s = 15.62
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 = 6.286² + 10.29² + 1.286² + (−32.71)² + (−5.714)² + 9.286² + 11.29² = 1463
4.描述统计
答案: z = 1
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: 上限 = 67.22
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 = 10, t = 3.169
误差范围
E = 3.169·17.5/√11 = 16.72
区间
50.5 ± 16.72 → [33.78, 67.22]
6.置信区间
答案: n = 732
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 = (2.576·21/2)² = 731.6
7.假设检验与置信区间
答案: t = 2.1
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）。
t = 2.1
t0.025; df = 99 = 1.984
|t| > 1.984，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 = 210
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 = ((1.645 + 1.645)·22/5)² = 209.6