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)。 在一项随机试验中,750 名患者接受新疗法,440 名接受对照治疗。表中显示每组有多少人出现了结局(如卒中等不良事件)。 求预防一次事件所需的治疗人数NNT。 向上取整到整数患者。
治疗: 45/750对照: 44/440
NNT =
2.循证实践统计学困难
练习题(虚构数值,不作为临床指导)。 一种治疗使事件风险相对降低 23%(RRR = 23%)。在某患者群体中,不治疗时五年内的风险(CER)为 34%。求五年内预防一次事件所需的治疗人数NNT。 向上取整到整数患者。
RRR = 23%CER = 34%
NNT =
3.描述统计中等
求数据的样本标准差 s:16, 54, 15, 32, 57。
n = 5
s =
4.描述统计困难
某量服从正态分布,平均数为 50,标准差为 10。数值低于 65 的比例 P 是多少?
μ = 50σ = 10x = 65
P =
5.置信区间中等
测量 6 名患者治疗前后的血压。差值 d = 治疗前 − 治疗后 (mmHg) 的均值为 1.9,标准差为 5。 求平均差值的 90% 置信区间的误差范围 E。
n = 6d̄ = 1.9sd = 590%t(5) = 2.015
E = mmHg
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 86 kg,标准差 8 kg。地块组 2:14 块地,均值 75 kg,标准差 8 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 = 86s₁ = 8n₂ = 14x̄₂ = 75s₂ = 899%t(20) = 2.845
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 493.8,样本标准差为 10。求 H₀: μ = 500 的检验统计量 t。
μ₀ = 500x̄ = 493.8s = 10n = 25
t =
8.假设检验与置信区间困难
64 次测量的样本均值为 118.1。总体标准差为 5。求均值 99% 置信区间的下限 L。
x̄ = 118.1σ = 5n = 6499%
L =
3溶液
1.循证实践统计学
答案: NNT = 25
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。
事件发生率
EER = 45/750 = 0.06
CER = 44/440 = 0.1
需要治疗人数
ARR = 0.1 − 0.06 = 0.04
NNT = 1/0.04 = 25 → 25
2.循证实践统计学
答案: NNT = 13
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。
需要治疗人数
NNT = 1/0.0782 = 12.79 → 13
3.描述统计
答案: s = 20.09
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 = (−18.8)² + 19.2² + (−19.8)² + (−2.8)² + 22.2² = 1615
4.描述统计
答案: P = 0.9332
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(1.5) = 0.9332
P = 0.9332
5.置信区间
答案: E = 4.113 mmHg
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。
6.置信区间
答案: 下限 = 0.9127 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 = (7·8² + 13·8²)/20 = 64
sp = 8
误差范围
E = 2.845·8·√(1/8 + 1/14) = 10.09
区间
11 ± 10.09 → [0.9127, 21.09]
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 = (493.8 − 500)/2 = −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: L = 116.5
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)。