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
事件无事件总数治疗95695790ab对照18212230cd

练习题(虚构数值,不作为临床指导)。 在一项随机试验中,790 名患者接受新疗法,230 名接受对照治疗。表中显示每组有多少人出现了副作用。 求需要伤害人数NNH:需要治疗多少名患者,才会多出一名患者发生该副作用? 向上取整到整数患者。

治疗: 95/790对照: 18/230
NNH =
2.循证实践统计学困难
p (%)PPV (%)2%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 78%,特异度为 84%。它用于患病率为 2% 的人群。 求阳性预测值PPV,以百分数表示。 保留一位小数。

Se = 78%Sp = 84%p = 2%
PPV = %
3.描述统计中等
1520253035404550

求数据的样本标准差 s:53, 47, 26, 40, 32, 14。

n = 6
s =
4.描述统计困难
z −2−1012

某量服从正态分布,平均数为 70,标准差为 15。数值高于 47.5 的比例 P 是多少?

μ = 70σ = 15x = 47.5
P =
5.置信区间中等
n = 9, s = 11LUx̄ = 57E = ?95%

一个包含 9 个个体的样本,均值为 57,标准差 s = 11。总体近似服从正态分布。 求均值的 95% 置信区间的误差范围 E。

n = 9x̄ = 57s = 1195%t(8) = 2.306
E =
6.置信区间困难
p = 0.5, n = ?p̂ − Ep̂ + Ep̂E = 0.02599%

事先对缺陷产品的比例一无所知。 必须检验多少件产品 n,才能使比例的 99% 置信区间的误差范围不超过 0.025?

p = 0.5E = 0.02599%
n =
7.假设检验与置信区间中等
−2.12.1p = ?

据称某总体的均值为 80;已知总体标准差为 5。一个含 25 个观测值的随机样本均值为 77.9。检验 H₀: μ = 80 对 H₁: μ ≠ 80。求 p 值 p。

μ₀ = 80σ = 5n = 25x̄ = 77.9H₁: μ ≠ μ₀
p =
8.假设检验与置信区间困难
σ = 8, n = ?x̄ − Ex̄ + Ex̄E = 290%

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 2?标准差为 8。求最小样本量 n。

σ = 8E = 290%
n =

3溶液

1.循证实践统计学

答案: NNH = 24

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 = 95/790 = 0.1203
CER = 18/230 = 0.07826

需要伤害人数

ARI = 0.1203 − 0.07826 = 0.04199
NNH = 1/0.04199 = 23.81 → 24

答案

NNH = 24

每治疗约 24 名患者,就有一名患者因治疗而出现该副作用。

2.循证实践统计学

答案: PPV = 9 %

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 = 0.78·0.02 = 0.0156
(1 − Sp)·(1 − p) = 0.16·0.98 = 0.1568

阳性预测值

PPV = 0.0156/(0.0156 + 0.1568) = 0.09049 ≈ 9%

答案

PPV = 9%

患病率越低,同一检测的 PPV 越低。

3.描述统计

答案: s = 14.31

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 = 212/6 = 35.33

离差平方

Σ(x − x̄)² = 17.67² + 11.67² + (−9.333)² + 4.667² + (−3.333)² + (−21.33)² = 1023

标准差

s = √(1023/5) = 14.31

答案

s = 14.31
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。

标准化

z = −1.5

标准正态分布表

Φ(−1.5) = 0.06681
P = 1 − 0.06681 = 0.9332

答案

P = 0.9332
5.置信区间

答案: E = 8.455

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 = 8, t = 2.306

误差范围

E = 2.306·11/√9 = 8.455

答案

E = 8.455
6.置信区间

答案: n = 2655

Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0.5, which gives the largest n.

解出 n

n = 2.576²·0.5·0.5/0.025² = 2654

向上取整

n = 2655

答案

n = 2655
7.假设检验与置信区间

答案: p = 0.03573

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

检验统计量

SE = σ/√n = 5/√25 = 1
z = (77.9 − 80)/1 = −2.1

尾部面积

Φ(2.1) = 0.9821
1 − Φ(2.1) = 0.0179

p 值

p = 2·0.0179 = 0.03573

答案

p = 0.03573

p ≤ 0.05,所以在 5% 水平下拒绝 H₀。

8.假设检验与置信区间

答案: n = 44

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 = (1.645·8/2)² = 43.3

向上取整

n = 44

答案

n = 44

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