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
Se81%Sp60%LR+ = ?

练习题(虚构数值,不作为临床指导)。 一项检测的灵敏度为 81%,特异度为 60%。 求阳性似然比LR+。 保留两位小数。

Se = 81%Sp = 60%
LR+ =
2.循证实践统计学困难
p (%)PPV (%)1%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 75%,特异度为 99%。它用于患病率为 1% 的人群。 求阳性预测值PPV,以百分数表示。 保留一位小数。

Se = 75%Sp = 99%p = 1%
PPV = %
3.描述统计中等
10152025303540

求数据的样本标准差 s:26, 41, 25, 10, 38, 33。

n = 6
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 100,标准差为 20。求成绩 125 的 z 分数 z。

μ = 100σ = 20x = 125
z =
5.置信区间中等
x̄E₁ = 4.495%, n = 36x̄E₂ = ?99%, n = 36

基于 36 个观测值且 σ 已知的均值 95% 置信区间,其误差范围为 4.4。 用同样的数据计算 99% 区间,其误差范围 E₂ 是多少?

95%n₁ = 36E₁ = 4.499%
E₂ =
6.置信区间困难
σ = 16, n = ?x̄ − Ex̄ + Ex̄E = 0.590%

总体标准差为 16。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 0.5?

σ = 16E = 0.590%
n =
7.假设检验与置信区间中等
1.48p = ?

据称某总体的均值为 120;已知总体标准差为 20。一个含 100 个观测值的随机样本均值为 122.96。检验 H₀: μ = 120 对 H₁: μ > 120。求 p 值 p。

μ₀ = 120σ = 20n = 100x̄ = 122.96H₁: μ > μ₀
p =
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 250 名患者中有 125 人康复,接受治疗 B 的 150 名患者中有 69 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。

x₁ = 125n₁ = 250x₂ = 69n₂ = 150
z =

3溶液

1.循证实践统计学

答案: LR+ = 2.03

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+ = 0.81/(1 − 0.6) = 2.025 ≈ 2.03

答案

LR+ = 2.03
2.循证实践统计学

答案: PPV = 43.1 %

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 = 0.75·0.01 = 0.0075
(1 − Sp)·(1 − p) = 0.01·0.99 = 0.0099

阳性预测值

PPV = 0.0075/(0.0075 + 0.0099) = 0.431 ≈ 43.1%

答案

PPV = 43.1%

患病率越低,同一检测的 PPV 越低。

3.描述统计

答案: s = 11.2

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。

平均数

x̄ = 173/6 = 28.83

离差平方

Σ(x − x̄)² = (−2.833)² + 12.17² + (−3.833)² + (−18.83)² + 9.167² + 4.167² = 626.8

标准差

s = √(626.8/5) = 11.2

答案

s = 11.2
4.描述统计

答案: z = 1.25

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 = (125 − 100)/20 = 1.25

答案

z = 1.25
5.置信区间

答案: E₂ = 5.783

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 = (2.576/1.96)·√(36/36) = 1.314

新的误差范围

E₂ = 4.4·1.314 = 5.783

答案

E₂ = 5.783
6.置信区间

答案: n = 2771

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 = (1.645·16/0.5)² = 2771

向上取整

样本量是整数,向下取整会使误差范围过大。

n = 2771

答案

n = 2771
7.假设检验与置信区间

答案: p = 0.06944

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 = 20/√100 = 2
z = (122.96 − 120)/2 = 1.48

尾部面积

Φ(1.48) = 0.9306
1 − Φ(1.48) = 0.0694

p 值

p = 0.06944

答案

p = 0.06944

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: z = 0.7749

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。

样本比例

p̂₁ = 125/250 = 0.5
p̂₂ = 69/150 = 0.46
p̂ = 194/400 = 0.485

H₀ 下的标准误

SE = √(0.485·0.515·(1/250 + 1/150)) = 0.05162

检验统计量

z = (0.5 − 0.46)/0.05162 = 0.7749

答案

z = 0.7749

|z| < 1.96,所以在 5% 水平下不拒绝 H₀(双侧)。

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