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,280 名患者接受新疗法,100 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)。 求绝对风险降低ARR,以百分数表示。 保留一位小数。
治疗: 47/280对照: 21/100
ARR = %
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 13%(RRR = 13%)。在某患者群体中,不治疗时五年内的风险(CER)为 35%。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 = 13%CER = 35%
NNT =
3.描述统计中等
求数据的样本标准差 s:37, 52, 16, 43, 22, 31。
n = 6
s =
4.描述统计困难
某量服从正态分布,平均数为 500,标准差为 50。数值高于 460 的比例 P 是多少?
μ = 500σ = 50x = 460
P =
5.置信区间中等
基于 100 个观测值且 σ 已知的均值 99% 置信区间,其误差范围为 4.5。 基于 900 个观测值的 90% 区间,其误差范围 E₂ 是多少?
99%n₁ = 100E₁ = 4.590%n₂ = 900
E₂ =
6.置信区间困难
总体标准差为 6。样本量 n 至少要多大,才能使均值的 95% 置信区间的误差范围不超过 1.5?
σ = 6E = 1.595%
n =
7.假设检验与置信区间中等
81 名学生的样本平均分为 500.6,样本标准差为 8。求 H₀: μ = 500 的检验统计量 t。
μ₀ = 500x̄ = 500.6s = 8n = 81
t =
8.假设检验与置信区间困难
100 次测量的样本均值为 121.3。总体标准差为 8。求均值 95% 置信区间的上限 U。
x̄ = 121.3σ = 8n = 10095%
U =
3溶液
1.循证实践统计学
答案: ARR = 4.2 %
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 = 47/280 = 0.1679
CER = 21/100 = 0.21
绝对风险降低
ARR = 0.21 − 0.1679 = 0.04214 ≈ 4.2%
2.循证实践统计学
答案: NNT = 22
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 = 1/0.0455 = 21.98 → 22
3.描述统计
答案: s = 13.34
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 = 3.5² + 18.5² + (−17.5)² + 9.5² + (−11.5)² + (−2.5)² = 889.5
4.描述统计
答案: P = 0.7881
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(−0.8) = 0.2119
P = 1 − 0.2119 = 0.7881
5.置信区间
答案: E₂ = 0.9579
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 = (1.645/2.576)·√(100/900) = 0.2129
6.置信区间
答案: n = 62
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 = (1.96·6/1.5)² = 61.47
7.假设检验与置信区间
答案: t = 0.675
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)。
标准误
SE = 8/√81 = 8/9 = 0.8889
检验统计量
t = (500.6 − 500)/0.8889 = 0.675
t = 0.675
t0.025; df = 80 = 1.99
|t| < 1.99,所以在 5% 水平下不拒绝 H₀(双侧)。
8.假设检验与置信区间
答案: U = 122.9
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)。
区间端点
U = 121.3 + 1.568 = 122.9