醫(yī)學(xué)統(tǒng)計論文范文

前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)醫(yī)學(xué)統(tǒng)計論文文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

在各種醫(yī)學(xué)期刊中，半數(shù)以上是療效觀察方面的論著。現(xiàn)擇其較普遍存在的統(tǒng)計學(xué)問題，結(jié)合實驗設(shè)計基本原則加以討論。

（一）對照與均衡性測定

國內(nèi)醫(yī)學(xué)期刊有關(guān)臨床療效觀察的文章甚多，不少雜志刊登了一些事先未設(shè)計對照的文章，其結(jié)論難以令人信服。如《用柴葛解肌湯治療上呼吸感染》一文，報道治愈好轉(zhuǎn)率為97.7％，因無對照，無法斷定其效果如何，因此，治愈好轉(zhuǎn)率中含有假像。

對照的方法雖有多種，但對照的基本原則是與實驗組齊同可比，最好作均衡性測定。

（二）安慰劑與盲法試驗

安慰劑與盲法試驗是醫(yī)研（主要是比較性研究）中常用的科研方法，結(jié)果準(zhǔn)確、誤差性小。安慰劑在形、量、色、味等要與實驗藥物一樣，不能給受試者和執(zhí)行者任何暗示。這種試驗就是雙盲法試驗。但近年來，尚有人用改良的雙盲法，此法分兩期：第一期（公開期）試驗有效者留，無效者棄。有效者進入第二期（雙盲試驗），以確定療效是否系安慰劑的作用。在預(yù)防效果觀察時可采用該法，臨床上應(yīng)用諸多困難，應(yīng)視具體情況而定。

（三）樣本含量與重復(fù)原則

沒有足夠樣本的研究結(jié)果，是經(jīng)不起重復(fù)試驗的，有的論文憑少數(shù)病例觀實的結(jié)果下結(jié)論，是不慎重的。如《重癥肺炎并發(fā)DIC29例》一文，作者觀察腦型患者3例，其中死亡一例，就得出“一般腦型病死率高達57％，本組腦型病死率較低，看來及早用肝素阻斷DIC過程，對降低腦型病死率可能具有重要意義”的結(jié)論。因無對照，結(jié)論不可靠。

（四）隨機分組與實驗設(shè)計類型

隨機化分組即每個實驗對象有同等機會被抽樣（分配）到各組去，而不受任何系統(tǒng)因素的影響。常用的實驗設(shè)計類型有完全隨機設(shè)計、自身對照設(shè)計、交義設(shè)計、配偶設(shè)計、隨機區(qū)組設(shè)計、拉丁方設(shè)計、正文（析因）設(shè)計、序貫設(shè)計、半數(shù)效量實驗設(shè)計（動物試驗），回顧性與前贍性調(diào)查研究設(shè)計等。科研設(shè)計時應(yīng)根據(jù)研究目的要求選擇不同類型的實驗設(shè)計方法，進行相應(yīng)的統(tǒng)計處理。

第2篇

合理的試驗設(shè)計與統(tǒng)計處理的可信度存在直接聯(lián)系，研究者在編寫醫(yī)學(xué)論文時應(yīng)對醫(yī)學(xué)研究設(shè)計方法進行說明。在進行試驗設(shè)計時應(yīng)遵循隨機、對照、均衡和重復(fù)四大原則。在進行試驗設(shè)計的時候通常會涉及到研究對象的選擇，研究對象的分組及選擇合理的檢測指標(biāo)三個方面的內(nèi)容。醫(yī)學(xué)論文就是通過對樣本的研究來進行推斷總體，找出其共性，得出結(jié)論。因此研究者在選擇研究對象時應(yīng)注意選擇樣本應(yīng)具有一定數(shù)量，能反映出該事物的規(guī)律性特征，但又應(yīng)注意例數(shù)不能太多，以免造成不必要的浪費。其選擇的原則就是在保證試驗結(jié)果可靠性的前提下選擇最少的樣本例數(shù)。研究者在選擇樣本對象后應(yīng)對其基本特征進行詳細(xì)的描述，比如患者的年齡、性別、病理分期、疾病診斷的標(biāo)準(zhǔn)等。此外在試驗中所用到的試劑、儀器的型號、規(guī)格等都應(yīng)作出說明，以供讀者借鑒和做出判斷。選定好研究對象后就要對其進行分組。在進行分組時研究者一般遵循統(tǒng)計學(xué)中的“隨機分配”、“設(shè)立對照”以及“均衡”、“重復(fù)”的原則。隨機化原則是提高組間均衡性的一個重要手段，也是資料分析時進行統(tǒng)計推斷的前提。有對照才有比較，在進行組間比較時，應(yīng)確定好處理因素與實驗效應(yīng)的關(guān)系。均衡性則是要使得對結(jié)果產(chǎn)生影響的非處理因素盡可能保持一致，這樣才能保證對照的結(jié)果讓人信服。觀察實驗效應(yīng)的指標(biāo)主要有主觀指標(biāo)與客觀指標(biāo)。正所謂主觀指標(biāo)就是通過問答的方式調(diào)查受試者自己判斷的主觀感受；而客觀指標(biāo)則是通過儀器來檢驗和測量所得出的結(jié)果。在進行試驗設(shè)計時應(yīng)選擇客觀性較強、高靈敏性和精確性的指標(biāo)。

二、統(tǒng)計學(xué)方法的選擇

統(tǒng)計學(xué)方法的正確選擇是直接影響到論文結(jié)論可信度的重要依據(jù)，因此研究者在編寫論文時應(yīng)注意選擇合適的統(tǒng)計學(xué)方法。不同的統(tǒng)計學(xué)方法應(yīng)用的范圍不同。研究者在編寫醫(yī)學(xué)論文時常根據(jù)論文研究的目的、資料類型、試驗設(shè)計的方案、樣品大小、水平數(shù)、特定條件、數(shù)據(jù)分布特征以及綜合分析等來選擇對應(yīng)的統(tǒng)計方法，同時還要根據(jù)專業(yè)知識與資料的實際情況，結(jié)合統(tǒng)計學(xué)原則，靈活地選擇。當(dāng)定性資料正態(tài)分布時，研究者一般用均數(shù)和標(biāo)準(zhǔn)差來表示統(tǒng)計描述指標(biāo)；當(dāng)定性資料不符合正態(tài)分布時，則可選用中位數(shù)及級差來表示；當(dāng)定量資料正態(tài)分布且組間方差齊時一般選用參數(shù)法，反之則選用非參數(shù)法。t檢驗一般適用于小樣本(n<50)的定量資料且方差齊的兩組數(shù)據(jù)之間的比較。其特點是在均方差不知道的情況下，可以檢驗樣本平均數(shù)的顯著性，大樣本(n≥50)采用u檢驗；多個樣本均數(shù)兩兩比較則用方差分析，如差異有統(tǒng)計學(xué)意義，可采用q檢驗；Dunnett檢驗則適用于多個實驗組與一個對照組均數(shù)的比較。定性資料中，表現(xiàn)為互不相容的類別或?qū)傩裕譃槎诸惡投囝惙磻?yīng)，如治療結(jié)果為顯著和好轉(zhuǎn)的人數(shù)等，該種資料可選用字檢驗，大樣本(n≥50)時采用u檢驗。如：患者的治療結(jié)果評定為痊愈、顯著有效、好轉(zhuǎn)、無效或死亡。該種資料可選用秩和檢驗或u檢驗。總之，不論論文中選用的是哪種統(tǒng)計學(xué)方法，都要計算出檢驗值，然后再根據(jù)統(tǒng)計量值來判定P值的大小，結(jié)論一般描述為“差異有(無)統(tǒng)計學(xué)意義”。

三、常見統(tǒng)計學(xué)方法的誤用分析及對策

1.統(tǒng)計方法誤用。

最常見統(tǒng)計方法誤用是對等級資料進行比較時應(yīng)用秩和檢驗而誤用卡方檢驗。例如：在評價采取不同治療方法的兩組急性腦血管病患者療效中，治療組顯著有效、有效、無效三種分型分別為15例、10例、8例，對照組分別為14例、11例、9例。本資料例數(shù)較少，應(yīng)選用等級比較的秩和檢驗，而有些作者卻認(rèn)為只要是率的比較就可以采用字檢驗。研究者在選擇統(tǒng)計學(xué)方法時應(yīng)根據(jù)相應(yīng)的原則，對文章研究目的、資料類型、樣品大小、水平數(shù)、數(shù)據(jù)分布特征等進行綜合分析后，再來選擇對應(yīng)的統(tǒng)計方法。

2.選用檢驗方法錯誤。

在有些論文中，作者常將本應(yīng)用方差分析和q檢驗的誤用t檢驗。t檢驗一般適用于小樣本(n<50)定量資料且方差齊的兩組數(shù)據(jù)之間的比較，而方差分析及q檢驗主要用于對多個樣本均數(shù)進行比較，幾種不同治療或處理方法等的同時比較。例如：在討論中、西以及中西醫(yī)結(jié)合治療急性腦血管病時，兩組患者的年齡、病程、病情嚴(yán)重程度等差別均無統(tǒng)計學(xué)意義，比較三組患者的一些指標(biāo)變化。組間多重比較應(yīng)用q檢驗，但文中作者采用的是t檢驗，對三組均數(shù)進行兩兩比較。這不僅造成了資料的利用率低，也增加了假陽性的概率，降低了試驗結(jié)果的可信度。

四、結(jié)論表述中的統(tǒng)計學(xué)應(yīng)用

第3篇

概率分布（probabilitydistribution）是醫(yī)學(xué)統(tǒng)計學(xué)中多種統(tǒng)計分析方法的理論基礎(chǔ)。授課內(nèi)容一般包括：二項分布、Possion分布、正態(tài)分布、t分布、F分布等。

借助概率分布常常可以幫助我們了解生命指標(biāo)的特征、醫(yī)學(xué)現(xiàn)象的發(fā)生規(guī)律等等。例如，臨床檢驗中計量實驗室指標(biāo)的參考值范圍就是依據(jù)正態(tài)分布和t分布的原理計算得到；許多醫(yī)學(xué)試驗的“陽性”結(jié)果服從二項分布，因此它被廣泛用于化學(xué)毒性的生物鑒定、樣本中某疾病陽性率的區(qū)間估計等；而一定人群中諸如遺傳缺陷、癌癥等發(fā)病率很低的非傳染性疾病患病數(shù)或死亡數(shù)的分布，單位面積（或容積）內(nèi)細(xì)菌數(shù)的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現(xiàn)象進行研究。

在生物信息學(xué)中概率分布也有一定應(yīng)用。例如，Poisson分布可以用于基因（蛋白質(zhì)）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質(zhì)（或DNA）數(shù)據(jù)與公開數(shù)據(jù)庫進行相似性序列比對。對于序列a和b，BLAST發(fā)現(xiàn)的高得分匹配區(qū)稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據(jù)Poisson分布的性質(zhì)計算得到。

二、假設(shè)檢驗

假設(shè)檢驗（hypothesis）是醫(yī)學(xué)統(tǒng)計學(xué)中統(tǒng)計推斷部分的重要內(nèi)容。假設(shè)檢驗根據(jù)反證法和小概率原理，首先依據(jù)資料性質(zhì)和所需解決的問題，建立檢驗假設(shè)；在假設(shè)該檢驗假設(shè)成立的前提下，采用適當(dāng)?shù)臋z驗方法，根據(jù)樣本算得相應(yīng)的檢驗統(tǒng)計量；最后，依據(jù)概率分布的特點和算得的檢驗統(tǒng)計量的大小來判斷是否支持所建立的檢驗假設(shè)，進而推斷總體上該假設(shè)是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數(shù)檢驗方法。

假設(shè)檢驗為醫(yī)學(xué)研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數(shù)）與該年齡段兒童應(yīng)有的標(biāo)準(zhǔn)平均身高（總體均數(shù)）做u檢驗，其檢驗結(jié)果可以幫助我們推斷出該市該年齡段兒童身高是否與標(biāo)準(zhǔn)身高一致，為了解該市該年齡段兒童的生長發(fā)育水平提供參考。又如，醫(yī)學(xué)中常常可以采用t檢驗、秩和檢驗比較兩種藥物的療效有無差別；用2檢驗比較不同治療方法的有效率是否相同等等。

這些假設(shè)檢驗的方法在生物實驗資料的分析前期應(yīng)用較多，但由于研究目的和資料性質(zhì)不同，一般會對某些方法進行適當(dāng)調(diào)整和結(jié)合。

例如，基于基因芯片實驗數(shù)據(jù)尋找差異表達基因的問題。基因芯片（genechip）是近年來實驗分子生物學(xué)的技術(shù)突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設(shè)定實驗條件下的表達數(shù)據(jù)。為了從這海量的數(shù)據(jù)中尋找有意義的信息，在對基因表達數(shù)據(jù)進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎(chǔ)和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復(fù)測量數(shù)據(jù)看作一個樣本，尋找差異表達基因的問題其實就可以采用假設(shè)檢驗方法加以解決。

如果表達數(shù)據(jù)服從正態(tài)分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。

但是，由于表達數(shù)據(jù)很難滿足正態(tài)性假定，目前常用的方法基于非參數(shù)檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統(tǒng)計量對基因排秩，用秩代替表達值本身；其次，為排秩統(tǒng)計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統(tǒng)計量有：任一特定基因在重復(fù)序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統(tǒng)計量，其中，s是M的標(biāo)準(zhǔn)差；以及用經(jīng)驗Bayes方法修正后的t-統(tǒng)計量：，修正值a由M的方差s2的均數(shù)和標(biāo)準(zhǔn)差估計得到。三、一些高級統(tǒng)計方法在基因研究中的應(yīng)用

（一）聚類分析

聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據(jù)聚類對象的某些性質(zhì)與特征，運用統(tǒng)計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內(nèi)的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統(tǒng)計分析方法，其基本內(nèi)容包括：相似性度量方法、系統(tǒng)聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。

聚類分析可以幫助我們解決醫(yī)學(xué)中諸如：人的體型分類，某種疾病從發(fā)生、發(fā)展到治愈不同階段的劃分，青少年生長發(fā)育分期的確定等問題。

近年來隨著基因表達譜數(shù)據(jù)的不斷積累，聚類分析已成為發(fā)掘基因信息的有效工具。在基因表達研究中，一項主要的任務(wù)是從基因表達數(shù)據(jù)中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關(guān)聯(lián)性。這種探索完全未知的數(shù)據(jù)特征的方法就是聚類分析，生物信息學(xué)中又稱為無監(jiān)督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數(shù)據(jù)對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據(jù)聚類結(jié)果通過已知基因（樣本）的功能去認(rèn)識那些未知功能的基因。對于基因表達數(shù)據(jù)而言，系統(tǒng)聚類法易于使用、應(yīng)用廣泛，其結(jié)果——系統(tǒng)樹圖能提供一個可視化的數(shù)據(jù)結(jié)構(gòu)，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯(lián)接法(AverageLinkageClustering)一般能給出較為合理的聚類結(jié)果2。

（二）判別分析

判別分析（discriminantanalysis）是根據(jù)觀測到的某些指標(biāo)的數(shù)據(jù)對所研究的對象建立判別函數(shù)，并進行分類的一種多元統(tǒng)計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經(jīng)網(wǎng)絡(luò)（ANNs）和支持向量機（SVMs）。

判別分析常用于臨床輔助鑒別診斷，計量診斷學(xué)就是以判別分析為主要基礎(chǔ)迅速發(fā)展起來的一門科學(xué)。如臨床醫(yī)生根據(jù)患者的主訴、體征及檢查結(jié)果作出診斷；根據(jù)各種癥狀的嚴(yán)重程度預(yù)測病人的預(yù)后或進行某些治療方法的療效評估；以及流行病學(xué)中某些疾病的早期預(yù)報，環(huán)境污染程度的堅定及環(huán)保措施、勞保措施的效果評估等。

在生物信息學(xué)針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準(zhǔn)確分類，如，基因的功能類、樣本歸結(jié)于疾病（正常）狀態(tài)等等。當(dāng)利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學(xué)中又稱為有監(jiān)督的分析（SupervisedAnalysis）。例如，基因表達數(shù)據(jù)分析中，對于已經(jīng)過濾的基因，前三種方法的應(yīng)用較為簡單。而支持向量機（SVMs）和人工神經(jīng)網(wǎng)絡(luò)（ANNs）是兩種較新，但很有應(yīng)用前景的方法。

（三）相關(guān)分析

相關(guān)分析（correlationanalysis）是醫(yī)學(xué)統(tǒng)計學(xué)中研究兩變量間關(guān)系的重要方法。它借助相關(guān)系數(shù)來衡量兩變量之間的關(guān)系是否存在、關(guān)系的強弱，以及相互影響的方向。其基本內(nèi)容包括：線性相關(guān)系數(shù)、秩相關(guān)系數(shù)、相關(guān)系數(shù)的檢驗、典型相關(guān)分析等。

我們常常可以借助相關(guān)分析判斷研究者所感興趣的兩個醫(yī)學(xué)現(xiàn)象之間是否存在聯(lián)系。例如，采用秩相關(guān)分析我們發(fā)現(xiàn)某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關(guān)關(guān)系；采用線性相關(guān)方法發(fā)現(xiàn)中年女性體重與血壓之間具有非常密切的正相關(guān)關(guān)系等等。

生物信息學(xué)中可以利用相關(guān)分析建立基因調(diào)控網(wǎng)絡(luò)。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關(guān)分析所研究的正是兩者之間的調(diào)控關(guān)系。如采用線性相關(guān)系數(shù)進行兩基因關(guān)系的分析時，其大小反應(yīng)了基因調(diào)控關(guān)系的強弱，符號則反應(yīng)了兩基因是協(xié)同關(guān)系（相關(guān)系數(shù)為正），還是抑制關(guān)系（相關(guān)系數(shù)為負(fù)）。

四、意義

生物信息學(xué)不僅是醫(yī)學(xué)統(tǒng)計學(xué)的研究前沿，更是醫(yī)學(xué)研究由宏觀向微觀拓展的重要領(lǐng)域，其研究內(nèi)容已逐漸為多數(shù)醫(yī)學(xué)院校的學(xué)員了解和熟悉。而如何對新技術(shù)產(chǎn)生的生物實驗數(shù)據(jù)進行準(zhǔn)確合理的分析，卻成為生物信息學(xué)研究的主要瓶頸之一。

在醫(yī)學(xué)統(tǒng)計學(xué)課堂教學(xué)中引入生物信息學(xué)實例，而不僅僅局限于常見的醫(yī)學(xué)、衛(wèi)生領(lǐng)域的例子，將難以理解的統(tǒng)計理論和方法與前沿的生物實例相結(jié)合，拓寬了學(xué)員的視野，提高了學(xué)員的學(xué)習(xí)興趣，更可以加深對所學(xué)知識的理解；與此同時，使學(xué)員掌握了生物實驗數(shù)據(jù)的先進分析方法，擴大了學(xué)員的知識面，提高了他們今后開展醫(yī)學(xué)科研工作的能力。