《醫(yī)學(xué)統(tǒng)計學(xué)》教學(xué)課件-檢驗

《醫(yī)學(xué)統(tǒng)計學(xué)》教學(xué)課件-檢驗2024-01-26匯報人：AACATALOGUE目錄檢驗基本概念與原理參數(shù)檢驗方法非參數(shù)檢驗方法線性回歸與相關(guān)分析生存分析與時間序列分析診斷試驗評價與篩檢試驗設(shè)計原則CHAPTER檢驗基本概念與原理01通過收集樣本數(shù)據(jù)，利用統(tǒng)計學(xué)方法對總體參數(shù)或分布進行推斷的過程。檢驗的定義判斷總體參數(shù)或分布是否與假設(shè)一致，為醫(yī)學(xué)決策提供科學(xué)依據(jù)。檢驗的目的檢驗定義及目的原假設(shè)是研究者想要拒絕的假設(shè)，備擇假設(shè)是研究者想要接受的假設(shè)。原假設(shè)與備擇假設(shè)檢驗統(tǒng)計量是用于判斷原假設(shè)是否成立的統(tǒng)計量，拒絕域是當(dāng)檢驗統(tǒng)計量落入該區(qū)域時，我們拒絕原假設(shè)的區(qū)域。檢驗統(tǒng)計量與拒絕域P值是當(dāng)原假設(shè)為真時，獲得當(dāng)前樣本數(shù)據(jù)或更極端數(shù)據(jù)的概率。顯著性水平是研究者設(shè)定的一個閾值，當(dāng)P值小于或等于顯著性水平時，我們拒絕原假設(shè)。P值與顯著性水平假設(shè)檢驗原理檢驗水準(zhǔn)與兩類錯誤研究者設(shè)定的判斷原假設(shè)是否成立的顯著性水平，常用α表示。當(dāng)原假設(shè)為真時，錯誤地拒絕原假設(shè)的概率，即α。當(dāng)備擇假設(shè)為真時，錯誤地接受原假設(shè)的概率，常用β表示。在實際應(yīng)用中，需要權(quán)衡兩類錯誤的大小，選擇合適的檢驗水準(zhǔn)和樣本量。檢驗水準(zhǔn)第一類錯誤第二類錯誤兩類錯誤的權(quán)衡樣本量計算工具在實際應(yīng)用中，可以使用專門的樣本量計算工具或軟件進行樣本量的估計和計算。檢驗效能當(dāng)備擇假設(shè)為真時，正確地拒絕原假設(shè)的概率，即1-β。樣本量估計在進行檢驗前，需要估計所需的樣本量以保證檢驗的效能和精度。樣本量的估計需要考慮多個因素，如效應(yīng)大小、顯著性水平、檢驗效能等。效應(yīng)大小指備擇假設(shè)與原假設(shè)之間的差異程度，差異越大，所需的樣本量越小。檢驗效能與樣本量估計CHAPTER參數(shù)檢驗方法02用于比較樣本均值與已知總體均值是否有差異。單樣本t檢驗兩獨立樣本t檢驗配對樣本t檢驗用于比較兩個獨立樣本均值是否有差異。用于比較同一總體中兩個相關(guān)樣本均值是否有差異。030201t檢驗用于研究一個控制變量對觀察變量的影響。單因素方差分析用于研究兩個或多個控制變量對觀察變量的影響。多因素方差分析在控制其他變量的影響下，分析控制變量對觀察變量的影響。協(xié)方差分析方差分析完全隨機設(shè)計資料的協(xié)方差分析用于比較不同處理組間的均值差異，同時考慮協(xié)變量的影響。隨機區(qū)組設(shè)計資料的協(xié)方差分析用于比較同一區(qū)組內(nèi)不同處理組間的均值差異，同時考慮協(xié)變量的影響。協(xié)方差分析03重復(fù)測量數(shù)據(jù)的協(xié)方差分析在控制其他因素的影響下，分析重復(fù)測量數(shù)據(jù)中的處理效應(yīng)和時間效應(yīng)。01單因素重復(fù)測量方差分析用于比較同一受試對象在不同時間點上的觀察值是否有差異。02多因素重復(fù)測量方差分析用于研究多個因素對同一受試對象在不同時間點上的觀察值的影響。重復(fù)測量設(shè)計資料分析CHAPTER非參數(shù)檢驗方法03通過比較實際觀測頻數(shù)與理論期望頻數(shù)之間的差異，推斷兩個或多個總體分布是否存在顯著差異。原理適用于計數(shù)數(shù)據(jù)的比較，如醫(yī)學(xué)研究中不同治療方法的療效比較。應(yīng)用場景優(yōu)點在于簡單易行，適用于大樣本數(shù)據(jù)；缺點是對數(shù)據(jù)分布的假設(shè)較為嚴(yán)格，且對于有序分類變量可能會損失一些信息。優(yōu)缺點χ2檢驗

秩和檢驗原理將原始數(shù)據(jù)轉(zhuǎn)化為秩次后進行統(tǒng)計分析，比較兩組或多組樣本的秩和是否存在顯著差異。應(yīng)用場景適用于等級資料或兩樣本量不等時的比較。優(yōu)缺點優(yōu)點在于對數(shù)據(jù)分布無嚴(yán)格要求，適用范圍廣；缺點是當(dāng)樣本量較大時，檢驗效能可能降低。應(yīng)用場景適用于連續(xù)變量的隨機性檢驗，如醫(yī)學(xué)研究中不同治療方法對患者某項指標(biāo)的影響是否具有隨機性。原理通過計算游程數(shù)（即相同元素連續(xù)出現(xiàn)的次數(shù)）來判斷樣本的隨機性，進而推斷兩個總體分布是否存在顯著差異。優(yōu)缺點優(yōu)點在于簡單易行，對數(shù)據(jù)分布無嚴(yán)格要求；缺點是對于非隨機樣本或存在周期性變化的樣本，檢驗效果可能不佳。游程檢驗符號檢驗01通過比較樣本數(shù)據(jù)的中位數(shù)與假設(shè)值的大小關(guān)系，判斷總體分布是否存在顯著差異。符號秩和檢驗02結(jié)合符號檢驗和秩和檢驗的原理，對數(shù)據(jù)同時進行符號和秩次的轉(zhuǎn)化與比較。Kendall等級相關(guān)系數(shù)檢驗03通過計算等級相關(guān)系數(shù)來判斷兩個變量之間的相關(guān)關(guān)系是否顯著。其他非參數(shù)檢驗方法CHAPTER線性回歸與相關(guān)分析04通過最小二乘法確定回歸系數(shù)，建立因變量與自變量之間的線性關(guān)系模型。線性回歸模型的建立利用判定系數(shù)、調(diào)整判定系數(shù)、F檢驗等指標(biāo)，評估模型的擬合優(yōu)度和解釋能力。模型的評估通過繪制殘差圖、進行Durbin-Watson檢驗等方法，檢查模型的殘差是否滿足獨立性、正態(tài)性、方差齊性等假設(shè)。殘差分析線性回歸模型建立與評估相關(guān)系數(shù)的解讀根據(jù)相關(guān)系數(shù)的符號、大小及顯著性水平，判斷兩個變量之間的相關(guān)方向、相關(guān)強度及統(tǒng)計意義。相關(guān)系數(shù)與回歸系數(shù)的關(guān)系理解相關(guān)系數(shù)與回歸系數(shù)之間的聯(lián)系與區(qū)別，掌握在回歸分析中如何運用相關(guān)系數(shù)。相關(guān)系數(shù)的計算利用皮爾遜相關(guān)系數(shù)、斯皮爾曼等級相關(guān)系數(shù)等，計算兩個變量之間的相關(guān)程度。相關(guān)系數(shù)計算與解讀123在控制其他變量的影響下，研究兩個變量之間的凈相關(guān)關(guān)系，揭示它們之間的真實聯(lián)系。偏相關(guān)分析研究一個因變量與多個自變量之間的相關(guān)關(guān)系，通過復(fù)相關(guān)系數(shù)和偏相關(guān)系數(shù)等指標(biāo)，評估各自變量對因變量的影響程度。復(fù)相關(guān)分析掌握偏相關(guān)和復(fù)相關(guān)分析在醫(yī)學(xué)研究領(lǐng)域中的應(yīng)用，如疾病影響因素分析、藥物療效評價等。偏相關(guān)與復(fù)相關(guān)的應(yīng)用偏相關(guān)與復(fù)相關(guān)分析模型的評估與檢驗利用判定系數(shù)、調(diào)整判定系數(shù)、F檢驗、t檢驗等指標(biāo)，評估模型的擬合優(yōu)度和解釋能力，檢驗各自變量的顯著性。多重共線性問題了解多重共線性的概念、產(chǎn)生原因及后果，掌握識別和處理多重共線性的方法，如逐步回歸、嶺回歸等。多元線性回歸模型的建立通過引入多個自變量，建立多元線性回歸模型，描述因變量與多個自變量之間的線性關(guān)系。多元線性回歸模型建立與評估CHAPTER生存分析與時間序列分析05生存數(shù)據(jù)特點存在刪失數(shù)據(jù)時間跨度大數(shù)據(jù)分布偏態(tài)01020304生存數(shù)據(jù)特點及描述方法描述方法中位生存時間生存曲線生存率生存數(shù)據(jù)特點及描述方法生存函數(shù)估計Kaplan-Meier法壽命表法生存函數(shù)估計與比較方法02030401生存函數(shù)估計與比較方法比較方法Log-rank檢驗Breslow檢驗Tarone-Ware檢驗時間序列數(shù)據(jù)特點數(shù)據(jù)按時間順序排列數(shù)據(jù)之間存在相關(guān)性時間序列數(shù)據(jù)特點及描述方法趨勢性和周期性描述方法時序圖時間序列數(shù)據(jù)特點及描述方法自相關(guān)圖偏自相關(guān)圖時間序列數(shù)據(jù)特點及描述方法時間序列模型建立與預(yù)測方法01模型建立02平穩(wěn)性檢驗03模型定階04參數(shù)估計01點預(yù)測區(qū)間預(yù)測趨勢預(yù)測預(yù)測方法020304時間序列模型建立與預(yù)測方法CHAPTER診斷試驗評價與篩檢試驗設(shè)計原則06診斷試驗評價指標(biāo)計算方法及意義解讀靈敏度（Sensitivity）正確識別病例的能力，計算公式為a/(a+c)，其中a為真陽性，c為假陰性。特異度（Specificity）正確識別非病例的能力，計算公式為d/(b+d)，其中d為真陰性，b為假陽性。準(zhǔn)確率（Accuracy）所有受試者中診斷正確的比例，計算公式為(a+d)/(a+b+c+d)。似然比（LikelihoodRatio）反映診斷試驗真實性的指標(biāo)，包括陽性似然比和陰性似然比。ROC曲線繪制及AUC值計算方法介紹通過統(tǒng)計軟件或在線工具輸入診斷試驗的靈敏度、特異度等數(shù)據(jù)，即可自動生成ROC曲線并計算AUC值。計算方法以1-特異度為橫坐標(biāo)，靈敏度為縱坐標(biāo)繪制的曲線，用于評價診斷試驗的準(zhǔn)確性。ROC曲線（ReceiverOperatingC…ROC曲線下的面積，取值范圍為0.5~1。AUC值越接近1，說明診斷試驗的準(zhǔn)確性越高。AUC值（AreaUndertheCurve）篩檢試驗應(yīng)具有高靈敏度、高特異度、簡便易行、經(jīng)濟實用等特點。同時，應(yīng)根據(jù)目標(biāo)人群的特點和篩檢目的選擇合適的篩檢指標(biāo)和界值。確定篩檢目標(biāo)人群；選擇合適的篩檢指標(biāo)和界值；進行篩檢試驗；對篩檢結(jié)果進行解讀和處理；對篩檢效果進行評價。篩檢試驗設(shè)計原則