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1199110ab对照26134160cd

练习题(虚构数值,不作为临床指导)。 在一项随机试验中,110 名患者接受新疗法,160 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: 11/110对照: 26/160
NNT =
2.循证实践统计学困难
p (%)NPV (%)20%NPV = ?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 70%,特异度为 80%。它用于患病率为 20% 的人群。 求阴性预测值NPV,以百分数表示。 保留一位小数。

Se = 70%Sp = 80%p = 20%
NPV = %
3.描述统计中等
253035404550

求数据的样本标准差 s:29, 31, 45, 37, 47, 53, 22。

n = 7
s =
4.描述统计困难
z −2−1012

考试成绩服从正态分布,平均数为 70,标准差为 15。求成绩 88.75 的 z 分数 z。

μ = 70σ = 15x = 88.75
z =
5.置信区间中等
n = 7, s = 19LU = ?x̄ = 115.5E90%

一个包含 7 个个体的样本,均值为 115.5,标准差 s = 19。总体近似服从正态分布。 求均值的 90% 置信区间的上限。

n = 7x̄ = 115.5s = 1990%t(6) = 1.943
上限 =
6.置信区间困难
σ = 29, n = ?x̄ − Ex̄ + Ex̄E = 0.595%

总体标准差为 29。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 0.5?

σ = 29E = 0.595%
n =
7.假设检验与置信区间中等
t −1.98401.984

100 名学生的样本平均分为 196.9,样本标准差为 12。求 H₀: μ = 200 的检验统计量 t。

μ₀ = 200x̄ = 196.9s = 12n = 100
t =
8.假设检验与置信区间困难
−1.961.96z = ?

在一项试验中,接受治疗 A 的 200 名患者中有 140 人康复,接受治疗 B 的 80 名患者中有 66 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。

x₁ = 140n₁ = 200x₂ = 66n₂ = 80
z =

3溶液

1.循证实践统计学

答案: NNT = 16

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 = 11/110 = 0.1
CER = 26/160 = 0.1625

需要治疗人数

ARR = 0.1625 − 0.1 = 0.0625
NNT = 1/0.0625 = 16 → 16

答案

NNT = 16

治疗 16 名患者约可预防一次事件。

2.循证实践统计学

答案: NPV = 91.4 %

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) = 0.8·0.8 = 0.64
(1 − Se)·p = 0.3·0.2 = 0.06

阴性预测值

NPV = 0.64/(0.64 + 0.06) = 0.9143 ≈ 91.4%

答案

NPV = 91.4%
3.描述统计

答案: s = 11.12

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 = 264/7 = 37.71

离差平方

Σ(x − x̄)² = (−8.714)² + (−6.714)² + 7.286² + (−0.7143)² + 9.286² + 15.29² + (−15.71)² = 741.4

标准差

s = √(741.4/6) = 11.12

答案

s = 11.12
4.描述统计

答案: z = 1.25

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 = (88.75 − 70)/15 = 1.25

答案

z = 1.25
5.置信区间

答案: 上限 = 129.5

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 = 6, t = 1.943

误差范围

E = 1.943·19/√7 = 13.95

区间

115.5 ± 13.95 → [101.5, 129.5]

答案

上限 = 129.5
6.置信区间

答案: n = 12924

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 = (1.96·29/0.5)² = 12923

向上取整

样本量是整数,向下取整会使误差范围过大。

n = 12924

答案

n = 12924
7.假设检验与置信区间

答案: t = −2.583

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 = 12/√100 = 12/10 = 1.2

检验统计量

t = (196.9 − 200)/1.2 = −2.583

答案

t = −2.583
t0.025; df = 99 = 1.984

|t| > 1.984,所以在 5% 水平下拒绝 H₀(双侧)。

8.假设检验与置信区间

答案: z = −2.143

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。

样本比例

p̂₁ = 140/200 = 0.7
p̂₂ = 66/80 = 0.825
p̂ = 206/280 = 0.7357

H₀ 下的标准误

SE = √(0.7357·0.2643·(1/200 + 1/80)) = 0.05833

检验统计量

z = (0.7 − 0.825)/0.05833 = −2.143

答案

z = −2.143

|z| > 1.96,所以在 5% 水平下拒绝 H₀(双侧)。

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