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,230 名患者接受新疗法,300 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: 8/230对照: 21/300
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)。 一项筛查检测的灵敏度为 90%,特异度为 86%。它用于患病率为 15% 的人群。 求阴性预测值NPV,以百分数表示。 保留一位小数。
Se = 90%Sp = 86%p = 15%
NPV = %
3.描述统计中等
求数据的样本标准差 s:13, 26, 50, 10, 35, 19。
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 100。数值高于 300 的比例 P 是多少?
μ = 500σ = 100x = 300
P =
5.置信区间中等
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 8.2。 基于 72 个观测值的 90% 区间,其误差范围 E₂ 是多少?
95%n₁ = 36E₁ = 8.290%n₂ = 72
E₂ =
6.置信区间困难
总体标准差为 39。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 1.5?
σ = 39E = 1.590%
n =
7.假设检验与置信区间中等
据称某总体的均值为 250;已知总体标准差为 12。一个含 36 个观测值的随机样本均值为 246.08。检验 H₀: μ = 250 对 H₁: μ < 250。求 p 值 p。
μ₀ = 250σ = 12n = 36x̄ = 246.08H₁: μ < μ₀
p =
8.假设检验与置信区间困难
在 α = 0.01 下,用容量为 25 的样本对 H₀: μ = 100 与 H₁: μ > 100 进行单侧 z 检验;已知标准差为 15。实际上均值为 106.3。 求第二类错误的概率 β,以百分比表示。
μ₀ = 100μ = 106.3σ = 15n = 25α = 0.01
β = %
3溶液
1.循证实践统计学
答案: NNT = 29
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 = 8/230 = 0.03478
CER = 21/300 = 0.07
需要治疗人数
ARR = 0.07 − 0.03478 = 0.03522
NNT = 1/0.03522 = 28.4 → 29
2.循证实践统计学
答案: NPV = 98 %
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。
真阴性和假阴性(按每人计)
Sp·(1 − p) = 0.86·0.85 = 0.731
(1 − Se)·p = 0.1·0.15 = 0.015
阴性预测值
NPV = 0.731/(0.731 + 0.015) = 0.9799 ≈ 98%
3.描述统计
答案: s = 15.03
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 = (−12.5)² + 0.5² + 24.5² + (−15.5)² + 9.5² + (−6.5)² = 1130
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。
标准正态分布表
Φ(−2) = 0.02275
P = 1 − 0.02275 = 0.9772
5.置信区间
答案: E₂ = 4.866
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 = (1.645/1.96)·√(36/72) = 0.5935
6.置信区间
答案: n = 1830
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 = (1.645·39/1.5)² = 1829
7.假设检验与置信区间
答案: p = 0.025
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 = 12/√36 = 2
z = (246.08 − 250)/2 = −1.96
尾部面积
Φ(1.96) = 0.9750
1 − Φ(1.96) = 0.0250
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: β = 58.94 %
检验功效:功效 = 1 − β,是 H₀ 为假时拒绝 H₀ 的概率。由 μ₀ 和 z_α 求出临界值 x̄c,再用真实均值计算落在 x̄c 以外的概率:z = (x̄c − μ)/(σ/√n)。
临界样本均值
SE = 15/√25 = 3
x̄c = 100 + 2.326·3 = 107
真实均值下的 z
z = (107 − 106.3)/3 = 0.226
第二类错误
功效 = P(Z > 0.226) = 41.06%
β = 100% − 41.06% = 58.94%