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)。 一项病例对照研究比较了 330 名患某病的患者(病例)和 280 名未患该病的人(对照)。表中显示每组有多少人暴露于某危险因素。求该暴露的比值比OR。 保留两位小数。
a = 86b = 50c = 244d = 230
OR =
2.循证实践统计学困难
练习题(虚构数值,不作为临床指导)。 用灵敏度为 92%、特异度为 84% 的检测对 10 000 人进行筛查。该病的患病率为 26%。 有多少患病者被这项检测漏掉了(假阴性,FN)?
N = 10 000p = 26%Se = 92%Sp = 84%
FN =
3.描述统计中等
求数据的样本标准差 s:36, 55, 48, 25, 36。
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 15。数值低于 42.5 的比例 P 是多少?
μ = 50σ = 15x = 42.5
P =
5.置信区间中等
一个包含 21 个个体的样本,均值为 96,标准差 s = 5.5。总体近似服从正态分布。 求均值的 90% 置信区间的下限。
n = 21x̄ = 96s = 5.590%t(20) = 1.725
下限 =
6.置信区间困难
10 根机加工轴的直径样本标准差为 10.6 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 = 9 时,χ² 分布有 2.5% 位于 2.7 以下,2.5% 位于 19.023 以上。
n = 10s = 10.6 µmχ² = 2.7, 19.023
σ = µm
7.假设检验与置信区间中等
7 名员工在培训课程前后各参加一次打字测试。记录每人的差值 d = 培训后 − 培训前(每分钟字数)。平均差值为 −1.77,差值的标准差为 1.2。求 H₀: μd = 0 的配对检验统计量 t。
n = 7d̄ = −1.77sd = 1.2
t =
8.假设检验与置信区间困难
100 次测量的样本均值为 73。总体标准差为 15。求均值 99% 置信区间的上限 U。
x̄ = 73σ = 15n = 10099%
U =
3溶液
1.循证实践统计学
答案: OR = 1.62
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。
暴露比值
病例: 86/244 = 0.3525
对照: 50/230 = 0.2174
比值比
OR = (86·230)/(50·244) = 1.621 ≈ 1.62
2.循证实践统计学
答案: FN = 208
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。
患病者和未患病者
10 000·0.26 = 2600
10 000 − 2600 = 7400
3.描述统计
答案: s = 11.68
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 = (−4)² + 15² + 8² + (−15)² + (−4)² = 546
4.描述统计
答案: P = 0.3085
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(−0.5) = 0.3085
P = 0.3085
5.置信区间
答案: 下限 = 93.93
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 = 20, t = 1.725
区间
96 ± 2.07 → [93.93, 98.07]
6.置信区间
答案: σ = 19.35 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 = 9·10.6² = 1011
σ² 的限值
1011/19.023 = 53.16
1011/2.7 = 374.5
σ 的 95% 区间:[7.291, 19.35] µm。
7.假设检验与置信区间
答案: t = −3.902
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 = −1.77/0.4536 = −3.902
df = 6 时,双侧 5% 的临界值为 2.447;|t| 更大,所以拒绝 H₀。
8.假设检验与置信区间
答案: U = 76.86
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)。
误差范围
E = 2.576·15/√100 = 3.864