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
检测有疾病无疾病总数正数861197ab负数44129173cd总数130140270

练习题(虚构数值,不作为临床指导)。 一项研究将一种新检测与参考标准进行了比较(见 2 × 2 表)。 求阴性似然比LR−。 保留两位小数。

a = 86b = 11c = 44d = 129
LR− =
2.循证实践统计学困难
CER10%EER?RRR 39%

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 39%(RRR = 39%)。在某患者群体中,不治疗时五年内的风险(CER)为 10%。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 = 39%CER = 10%
NNT =
3.描述统计中等
20253035404550

求数据的样本标准差 s:52, 48, 26, 27, 37, 19, 23。

n = 7
s =
4.描述统计困难
z −2−1012

某量服从正态分布,平均数为 170,标准差为 8。数值高于 154 的比例 P 是多少?

μ = 170σ = 8x = 154
P =
5.置信区间中等
μ₁ − μ₂0L = ?Ux̄₁ − x̄₂E99%

比较两种手机型号的电池续航时间。型号 1:80 部手机,均值 148 h,已知标准差 10 h。型号 2:60 部手机,均值 136 h,已知标准差 8 h。 求 μ₁ − μ₂ 的 99% 置信区间的下限。

n₁ = 80x̄₁ = 148 hσ₁ = 10 hn₂ = 60x̄₂ = 136 hσ₂ = 8 h99%
下限 = h
6.置信区间困难
n = 25Lσ = ?s = 3.895%

25 根机加工轴的直径样本标准差为 3.8 µm。假设直径服从正态分布,求总体标准差 95% 置信区间的上限 σ。df = 24 时,χ² 分布有 2.5% 位于 12.401 以下,2.5% 位于 39.364 以上。

n = 25s = 3.8 µmχ² = 12.401, 39.364
σ = µm
7.假设检验与置信区间中等
t −1.9901.99

81 名学生的样本平均分为 46.33,样本标准差为 15。求 H₀: μ = 50 的检验统计量 t。

μ₀ = 50x̄ = 46.33s = 15n = 81
t =
8.假设检验与置信区间困难
H₀H₁μ₀x̄cμ₀ + 4α = 0.05βσ = 15, 功效 90%, n = ?

在 α = 0.05 下的单侧 z 检验,必须以 90% 的功效检测出均值 4 个单位的偏移。标准差为 15。求最小样本量 n。

α = 0.05功效 = 90%δ = 4σ = 15zα = 1.645zβ = 1.282
n =

3溶液

1.循证实践统计学

答案: LR− = 0.37

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。

灵敏度和特异度

Se = 86/130 = 0.6615
Sp = 129/140 = 0.9214

阴性似然比

LR− = (1 − 0.6615)/0.9214 = 0.3673 ≈ 0.37

答案

LR− = 0.37
2.循证实践统计学

答案: NNT = 26

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。

绝对风险降低

ARR = 0.1·0.39 = 0.039

需要治疗人数

NNT = 1/0.039 = 25.64 → 26

答案

NNT = 26

相同的相对效果,在基线风险越高时,NNT 越小。

3.描述统计

答案: s = 12.8

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 = 232/7 = 33.14

离差平方

Σ(x − x̄)² = 18.86² + 14.86² + (−7.143)² + (−6.143)² + 3.857² + (−14.14)² + (−10.14)² = 982.9

标准差

s = √(982.9/6) = 12.8

答案

s = 12.8
4.描述统计

答案: P = 0.9772

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 = −2

标准正态分布表

Φ(−2) = 0.02275
P = 1 − 0.02275 = 0.9772

答案

P = 0.9772
5.置信区间

答案: 下限 = 8.079 h

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。

点估计

x̄₁ − x̄₂ = 148 − 136 = 12

标准误

SE = √(10²/80 + 8²/60) = 1.522

误差范围

E = 2.576·1.522 = 3.921

区间

12 ± 3.921 → [8.079, 15.92]

答案

下限 = 8.079 h

区间不包含 0,所以两个均值有显著差异。

6.置信区间

答案: σ = 5.286 µm

方差的区间:(n − 1)s²/σ² 服从自由度为 n − 1 的 χ² 分布。σ² 的 95% 区间从 (n − 1)s² 除以上侧 χ² 值(其上方占 2.5%)到 (n − 1)s² 除以下侧 χ² 值(其下方占 2.5%);σ 的区间是这两个限值的平方根。它关于 s 不对称。

平方和

(n − 1)s² = 24·3.8² = 346.6

σ² 的限值

346.6/39.364 = 8.804
346.6/12.401 = 27.95

σ 的限值

σ = √27.95 = 5.286 µm

答案

σ = 5.286 µm

σ 的 95% 区间:[2.967, 5.286] µm。

7.假设检验与置信区间

答案: t = −2.202

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 = 15/√81 = 15/9 = 1.667

检验统计量

t = (46.33 − 50)/1.667 = −2.202

答案

t = −2.202
t0.025; df = 80 = 1.99

|t| > 1.99,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 = 121

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 + 1.282)·15/4)² = 120.5

向上取整

n = 121

答案

n = 121

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