医学统计（精选6篇）
篇1：医学统计
医学统计学是运用概率论与数理统计的原理及方法，结合医学实际，研究数字资料的搜集、整理分析与推断的一门学科。 医学研究的对象主要是人体以及与人的健康有关的各种因素。生物现象的一个重要特点就是普遍存在着变异。所谓变异(个体差异)，系指相同条件下同类个体之间某一方面发展的不平衡性，系偶然因素起作用的结果。例如同地区、同性别、同年龄的健康人，他们的身长、体重、血压、脉搏、体温、红细胞、白细胞等数值都会有所不同。又如在同样条件下，用同一种药物来治疗某病，有的病人被治愈，有的疗效不显著，有的可能无效甚至死亡。引起客观现象差异的原因是多种多样的，归纳起来，一类原因是普遍的、共同起作用的主要因素，另一类原因则是偶然的、随机起作用的次要因素。这两类原因总是错综复杂地交织在一起，并以某种偶然性的形式表现出来。科学的任务就在于，要从看起来是错综复杂的偶然性中揭露出潜在的必然性，即事物的客观规律性。这种客观规律性是在大量现象中发现的，比如临床要观察某种疗法对某病的疗效时，如果观察的病人很少，便不易正确判断该疗法对某病是否有效;但当观察病人的数量足够多时，就可以得出该疗法在一定程度上有效或无效的结论。所以，医学统计学是医学科学研究的重要工具。
医学统计学在本世纪二十年代以后才逐渐形成为一门学科。解放前，我国学者即致力于把统计方法应用到医学中去，但人力有限、范围较窄。解放后，随着医学科研工作的发展，本学科得到迅速普及与提高。通过大量实践，在不少方面积累了自己的经验，丰富了医学统计学的内容。而电子计算机的作用，更促进了多变量分析等统计方法在医学研究中的应用。
医学统计学的内容包括：①统计研究设计。我们制订调查计划或实验设计时，除专业问题外，还必须从医学统计学的角度考虑，使调查或实验结果能够科学地回答所研究的问题。一个好的设计可以用较少的人力、物力和时间取得更多的较可靠的资料。②总体指标的估计。医学研究中实际观测或调查的部分个体称为样本，研究对象的全体称为总体。人们除用均数、率等统计指标对调查或实验结果进行描述外，更重要的是通过样本的信息，来估计总体中相应的统计指标，即参数估计。③假设检验。就是依据资料性质和所需解决的问题，先建立适当的假设，然后采用适当的检验方法，根据样本是否支持所作的假设，来决定对假设的接受或拒绝。④联系、分类、鉴别与鉴测等研究。在疾病的防治工作中，经常要探讨各种现象数量间的联系，寻找与某病关系最密切的因素;要进行多种检查结果的综合评定、探讨疾病的分型分类：计量诊断，选择治疗方案;要对某些疾病进行预测预报、流行病学监督，对药品制造、临床化验工作等作质量控制，以及医学人口学研究等。医学统计学，特别是其中的多变量分析，为解决这些问题提供了必要的方法和手段。本讲义介绍了医学统计的基本内容，此外，本讲义中还包括军医必须了解或掌握的我军部队、医院、战时的各种登记和统计表，常用统计指标的计算和分析等内容。
作为医学科学工作者，学习和掌握一定的统计学知识是十分必要的。第一，在阅读医学书刊中，经常会遇到一些统计学方面的名词概念，有了这方面的知识，有助于正确理解文章的涵义;第二，军医在实际工作中，经常要做登记工作，要填写各种报表，只有懂得了原始登记与统计结果的密切关系，并掌握了收集、整理与分析资料的基本知识与技能，才能自觉地、认真地把登记工作做好，积累有科学价值的资料;第三，参加科研工作时，从开始设计到数据整理分析与统计结果的表达，每一步骤都需要统计学知识;第四，在制订计划、检查工作、总结经验时，都离不开统计数字，尤其在撰写科研论文时，有了统计学知识，才能使数据与观点密切结合，作出正确的结论。
医务工作者学习统计学，首先必须明确：我们应该掌握的关键不是数学原理，而是怎样合理地、恰当地把数理统计的方法应用到医学科研工作中去，并结合专业知识，提高分析问题与解决问题的能力。其次在学习过程中，要理论联系实际，重视实习与练习。作业中要遵守数学上的规则与习惯，如小数点及各个位数应上下对齐，一个多位数的数值不能分写成两行，等号不能写在一行的末了而应写在第二行的开头等等。再次，各种统计符号必须写正确，汉字、阿拉伯字与外文字母必须写清楚，不能写成模棱两可，只有在学习时养成良好的习惯，将来工作中才能少出差错。
最后我们着重指出：统计工作最根本的一条就是实事求是，如实反映情况。因此，无论日常工作或科学研究中，必须养成严肃认真的作风和反复核对的习惯，同一切弄虚作假的现象进行坚决的斗争，尽最大努力获得正确数据，使分析结论建立在可靠的基础上。
篇2：医学统计
一、描述性分析
集中趋势：对称——算术均数偏态——中位数等比——几何均数 离散趋势：对称——方差、标准差偏态——四分位数间距
均数悬殊或单位不同的资料比较——变异系数
二、统计推断（根据样本推断总体）1.参数（均数）估计总体方差未知——总体方差已知——
参考值范围：单双侧正态分布——
XuS
(xt/2v
snsn,xt/2v
s
sn))
(xu/2,xu/2
n
XuSXuS
偏态分布——百分位数法
二者的含义、用途 2.假设检验
（1）均数的比较（正态）
单个样本、配对（与两独立样本的区别）两样本（方差齐——t检验
方差不齐——校正t检验或秩和检验或变量转换）多样本：方差齐完全随机设计方差分析随机区组设计方差分析
方差不齐——秩和检验或变量转换
非正态：秩和检验或变量转换
F—+—>t
两两比较：SNK任两个对比
LSD一对或几对比较
Dunnet 实验与对照组比较
t——>FF=t
2(2)方差比较
两个方差：F检验（正态）
多个方差：Bartlett（正态）
Levene检验
假设检验注意事项
计数资料
一、描述性分析
频率或严重程度——率
比重或构成——构成比
一指标为另一指标的若干倍或百分比——相对比
应用注意：不能以比代率、可比性、样本率不能直接对比
率或构成比比较：
1.若某因素内部构成不同并且影响比较，进行标化
二、统计推断
1.参数估计
二项分布率的估计：查表或正态法
泊松分布均数估计：查表或正态法
2.假设检验
单个样本率：直接法或二项分布U检验泊松分布U检验（率很小）两样本率的比较：四格表2检验（校正）
二项分布U检验（n大、np>5,n(1-p)>5）
泊松分布U检验（（率很小）
精确概率法
多个率或构成比比较：2检验(理论数不能小于1或小于的理论数
不能多于5分1)
两两比较：
任两个对比、实验与对照组比较
等级资料：-----效应比较
秩和检验
两变量关系：
1.定量（计量资料）正态pearson相关 回归
非正态秩相关
2．无序分类定性
3.有序分类定性2检验和列联相关系数
（1）单向有序分组有序、指标无序卡方检验分组无序、指标有序秩和检验
（2）双向有序
篇3：医学统计
1 非预防医学专业医学统计学教学概况
1.1 非预防医学专业学生学习医学统计学心理特点
以三峡大学医学院为例, 非预防医学专业包括临床医学专业、中医专业、影像专业、护理专业。据笔者观察, 这些专业学生学习医学统计学主要有以下心理特点。
1.1.1 学习目的是为获得学分
医学统计学作为医学生的必修课程, 所占学时和学分比重较大。但是大多数非预防医学专业学生认为医学统计学并非专业课程, 在其未来工作中很少会用到统计学知识。此外, 由于科研经历比较少, 绝大多数本科生无法切实感受到统计学知识的重要性。据了解, 大多数学生修这门课程是为了获得学分, 而非出于对统计学知识的渴求。
1.1.2 学习目的是为学好一门课程
有部分学生学习刻苦, 对所学的每门课程都会认真对待, 一视同仁, 兴趣对其学习态度的影响往往较小。这部分学生对医学统计学既不排斥也不热爱, 按部就班地完成学习任务。
1.1.3 在学习过程中产生畏难和厌烦心理
医学课程教学内容大多形象化、具体化, 以识记为主。医学课程的学习使得学生形象思维能力得到良好训练, 而对统计学的抽象概念和逻辑推理难以理解。另外, 有部分中医和护理专业学生在高中阶段是文科生, 数学基础及抽象思维和逻辑推理能力较薄弱。这使学生容易对医学统计学产生畏难心理, 甚至感到厌烦。这部分学生在医学统计学学习过程中, 学习态度有比较明显的变化, 需要教师多加关注和指导[2]。
1.2 医学统计学现行教学安排及教学效果
医学统计学教学包括理论课和实验课两部分。理论课主要讲授统计学理论知识, 实习课主要针对理论课上所讲授的知识点进行习题练习。
由于医学统计学涉及的理论知识较多, 讲解理论所需时间较长, 因此, 学生在理论课上往往直接进入对统计学相关概念和方法的学习之中, 几乎没有时间通过案例体会医学统计学知识的重要性。实验课通常采取的教学模式是:教师结合《实习指导》上的习题引导学生把理论知识再复习一遍, 然后学生做习题, 教师批阅并给出成绩。此部分成绩即为期末考试的实验成绩。这个过程中, 虽然学生会接触到一些案例, 但仅限于实习指导上的习题。这些习题基本上是已经整理好的资料, 学生只需选用相应公式进行计算, 而不需要对数据资料进行设计、分析和整理, 不利于对统计学知识的深入理解和统计思维的培养。甚至有学生抄袭他人作业, 导致部分学生虽然实验成绩很好但是理论考试成绩很差, 或考试成绩很好但却不会实际运用现象[3,4]。
2 对策
综上所述, 在非预防医学专业医学统计学教学过程中, 如何转变学生学习态度, 激发其学习兴趣, 并最终改善教学现状是一个亟待解决的问题。为此, 笔者结合教学实践提出以下两点建议。
2.1 通过科研实践, 培养学生学习兴趣, 转变学习态度
在医学统计学教学中, 将理论知识穿插在实例中进行讲解, 让学生带着问题听课, 提高教学效率。在实施过程中, 教师可以将以往实验课上针对不同理论知识做练习题的教学模式调整为利用整个实验课时完成一个简单的科研实践 (如人群调查) , 包括课题设计、数据收集、数据整理和分析。教师参与课题设计实施全过程, 课题完成后, 学生要上交一份包括统计学分析结果和结论的调查报告。
在该教学模式中, 学生是中心, 教师对课堂的设计和引导作用较常规教学更为重要。为确保教学顺利进行, 教师应做到以下3点: (1) 提前设计好课题, 使课题涵盖传统实验课上所涉及的全部统计学知识。 (2) 注重理论与实践相结合, 尽量做到实验内容与学生今后的科研和临床工作需要相对应。 (3) 合理安排教学时间。首先, 避免理论课和实验课脱节;其次, 合理安排实验课时间, 带领学生在有限的时间内完成预定的实践任务, 避免因时间不够影响课题完成质量等。
2.2 成立学习小组, 激发学生学习热情, 提高学习效果
在科研实践中, 如果不能有组织地开展调查和分析, 部分学生就有可能对教师布置的作业置之不理, 达不到预期效果。针对这个问题, 最有效的解决方法是成立学习小组, 以小组为单位完成任务[4]。教师则可以通过收集每个小组的反馈信息, 了解学生对案例的分析情况及其在案例分析过程中存在的问题, 进而有针对性地帮助学生分析问题、解决问题。
成立学习小组有很多优点: (1) 促进学生在合作中取长补短。每个学生知识、能力参差不齐, 通过小组学习可以使学生了解他人具备的知识、能力和经验, 在合作中增长知识, 拓宽思维, 培养能力。 (2) 促进学生对知识的理解和掌握。由于课时限制, 非预防医学专业学生学习的通常仅限于教材上典型的统计方法, 而对非典型统计方法几乎没有机会接触。学生在小组学习过程中, 自行查阅资料, 拓宽了信息渠道, 为接触更多的统计学知识提供了机会。 (3) 促进学生多种能力的提高。在小组学习过程中, 需要展开小组分工、讨论和汇总等一系列活动, 学生在这个过程中可以锻炼协作能力、表达能力和总结能力等, 这对学生全面素质的培养具有积极意义。
在以小组为单位进行学习时, 小组成员的主动性、对知识的渴求程度和理解能力不同, 因此, 教师需要注意以下两个问题: (1) 小组中有些学生热情积极, 通常在小组讨论中起到主导作用, 而有些学生比较腼腆, 往往一言不发, 甚至在遇到难题时, 有的学生会将难题推给别人, 坐享他人讨论的结果。 (2) 班级学生较多, 一般有40人左右, 导致实验课上小组划分和监控有一定困难。笔者认为教师可以通过确定学习小组组长的方法解决上述问题。比如, 在根据“组间同质、组内异质”的原则确定小组后, 要求组内成员轮流担任小组长, 确保每个学生都有机会在小组讨论中发挥作用;另外, 通过督促小组长, 使小组长督促组员, 将教师对全班学生的监控转化成对小组长的监控[5]。
在非预防医学专业医学统计学教学中开展科研实践, 成立学习小组, 充分发挥教师组织、引导、启发和协调的作用;以学生为主体, 不断发现问题、解决问题。将统计学理论知识融入科研实践, 能够激发学生学习兴趣, 促进学生对知识的理解和应用, 培养学生协作与表达能力, 是值得推广的医学统计学教学方法。
摘要：医学统计学是一门应用学科, 其核心内容在于运用统计学基本原理和方法, 解决医学科研中的实际问题, 教学重点是对基本统计方法的正确理解与应用。但目前医学统计学教学中存在“学不能致用”现象, 主要表现为学生在科研或临床工作中遇到问题时仍然无从下手。针对这一问题, 笔者结合实际教学体会, 探讨其影响因素, 并提出建议, 以期提高教学效果, 使学生学以致用。
关键词：非预防医学专业,医学统计学,小组学习
参考文献
[1]孙振球, 徐勇勇.医学统计学[M].北京:人民卫生出版社, 2005.
[2]杨伟品.浅谈如何提高非预防医学专业学生学习预防医学课程的兴趣[J].卫生职业教育, 2013, 31 (18) :66-67.
[3]张兵.案例教学在统计学教学中的运用[J].湖北经济学院学报:人文社会科学版, 2007, 7 (11) :183-184.
[4]伍亚舟, 易东, 张彦琦, 等.案例教学法在医学统计学教学中的应用[J].基础医学教育, 2011, 13 (7) :635-638.
篇4：统计学对医学的贡献
抗生素是治疗所有细菌性疾病的最佳武器，但是在治疗肺结核时却遇到了点小麻烦。肺结核史称“白色瘟疫”，是一种很厉害的传染病。人类虽然早在1885年就分离出结核杆菌，但很长一段时间内医生们拿它毫无办法，病人只有寄希望于自己的免疫系统足够坚强。
最先被发现对肺结核有效的抗生素是链霉素。可是，和青霉素不同的是，使用链霉素的肺结核病人的病情经常会反复，医生们一直搞不懂到底是为什么。
揭开谜底的是一个名叫布拉德福德·希尔(Bradford Hill)的生物统计学家。此人出生于英国的一个医生世家，小时候立志要子承父业，却因第一次世界大战的缘故被迫加入空军。服役期间他得了肺结核，幸运的是他的免疫系统足够坚强，侥幸逃过一劫。不过他元气大伤，当医生的幻想破灭了，只好改行学习经济学，并因此而获得了大量的统计学知识。
希尔的恩师格林伍德是个非常聪明的学者，他认为现代医学必须运用统计学的方法才能保证治疗的准确性。要知道，当时的西方医学骨子里和中医一样，仍然属于“经验医学”，医生们更愿意相信自己多年临床积累的经验，而不是客观的科学实验。格林伍德则不然，他本人精通统计学，非常推崇1935年出版的一本名为《怎样设计科学实验》的教科书。这本书的作者运用统计学原理，提出了一整套设计科学实验的方法和原则。
1945年，格林伍德从伦敦卫生学校首席教授的职位上退休，他推荐希尔做为自己的接班人。就这样，一个没有受过科班训练的统计学家当上了医学院的教授。次年希尔被邀请加入了肺结核试验委员会，这个委员会的主要任务就是检验链霉素到底能不能治疗肺结核。
要知道，青霉素刚被用于临床时根本不会有人想到要去检验它的有效性，因为病人服药后几天内就见效，临床效果好得惊人。可是肺结核杆菌外表有一层厚厚的黏膜，链霉素不容易接触到它，因此病人往往需要连续注射几个月链霉素才能见效。即使如此，当时的英国医学界仍然认为没必要进行什么科学检验，只要多找几个病人，观察一下疗效就可以了。
做为一个外行，希尔不信邪，他坚持必须先进行一次科学试验来验证链霉素的有效性。正好当时英国刚刚从二战中走出来，国库空虚，买不起那么多链霉素大量供应给医院，专家们只好同意先进行一次小规模临床试验，并请希尔来设计试验方案。希尔找来108名患者充当“试验品”，其中54人服药，52人做为对照。但究竟谁服药谁对照，完全是随机选取的，就连主治医生也不知道谁是谁，这个方法是希尔对现代医学所做的最大的贡献，他认为医生的主观印象会影响试验的准确性，必须随机取样，并用统计学的方法对结果进行分析。
半年后，服药的病人中有28人病情明显好转，对照组却有14人死亡，显示链霉素确实有效。假如事情到此结束的话，希尔的贡献也许就不值一提了。可是，3年后，服药组有32人死亡，对照组则死了35人，两者几乎不存在统计意义上的差别。这一惊人的结果让医生们得出结论：链霉素确实有效，但是一段时间后细菌会产生抗药性。假如当初没采用希尔的建议，那么医生们决不会那么快就得出这个结论。
一旦找出原因，解决办法自然很快就想出来了，那就是在使用链霉素的同时。再让病人服用另一种药物。这个药很快就找到了，这就是“对-氨基水杨酸”(PAS)。这种药单独使用时疗效并不高，但医生们希望两种药结合使用能对付细菌的抗药性，理由很简单：假如病菌对每种药物的抗药性产生几率都是1％，那么同时产生两种抗药性的几率就是1/10000。试验结果验证了这一理论的正确性，链霉素+PAS的方法使结核病人的存活率上升到了80％。
后来又有几种新药被发现，医生们又按照希尔的方法进行了几次试验，证明3种药物合用的疗效比两种药物还要好很多。如果三种药物持续用上2年的话，结核病的治愈率几乎可以达到100％。人类终于宣布攻克了“白色瘟疫”。
希尔采用的这一方法叫做“随机对照试验”(Randomised Controlled Trial)，这种方法很快就成为医学研究领域的标准试验方法，目前所有已知的西药必须经过这种方法的检验才能上市。从此，西医从经验医学时期进入了实证医学的时代。
至此，希尔的故事还远未结束。1947年，英国医学研究委员会又给希尔布置了一个新的任务：找出肺癌和吸烟之间的关系。那一年英国的肺癌死亡率比25年前提高了15倍，这个数字引起了广泛的关注。大家都想找出其中的原因，有人说这是因为工业化造成的空气污染，还有人说这是由于新式柏油马路散发的有毒气体，只有少数医生怀疑是吸烟造成的。
众所周知，两次世界大战造就了大批吸烟者，据统计，英国当时有超过90％的成年男子都是香烟的瘾君子。正是因为吸烟人数实在太多，希尔犯了难。他不可能去统计得肺癌的人当中抽烟的有多少，不抽烟的有多少，因为他几乎找不到不吸烟的人。
怎么办呢?希尔想出了一个变通的办法。首先，他做了个合乎情理的假设：如果吸烟确实能引起肺癌，那么吸烟越多的人得肺癌的几率就越大。其次，他认为必须排除其它的致癌因素，比如空气污染，初次吸烟年龄，居住环境等等。换句话说，他必须找出一群人，其它方面都比较相似，只有吸烟的量不同。
1948年，他从伦敦的医院里找出了649个肺癌病人，以及同样数量的情况相似的其它病人。然后他雇佣了一批富有经验的调查人员，挨个询问病人的吸烟史，把结果做成了一个统计表。结果显示，肺癌病人中有99.7％的人吸烟，其它病人则有95.8％是瘾君子。这两个数字当然说明不了什么问题，可当他把病人按照吸烟数量的多少分成不同的组之后，情况发生了变化。有4.9％的肺癌病人每天吸50支烟以上，而只有2.0％的其它病人每天吸这么多烟。也就是说，吸烟越多的人患肺癌的几率就越大。
1950年，希尔把这个实验结果发表在《英国医学杂志》上，首次科学地证明了吸烟和肺癌的对应关系。但是这个结果相当微妙，不懂统计学的人很难理解其中的重大意义。为了进一步说明这个问题，希尔又设计了一个全新的实验。他给6万名英国医生发了封调查表，请求他们把自己的生活习惯和吸烟史详细记录下来寄还给他。之所以选择医生做为调查对象，是因为希尔相信医生们对自己生活状况的描述能力肯定比普通老百姓更精确，也更诚实。
有4万名医生寄回了调查表。希尔把他们按照吸烟数量进行了分类，并要求他们(或者他们的家属)及时汇报自己的健康状况。2年半后，有789名医生因病去世，其中只有36人死于肺癌。但是当他把医生们的吸烟量和发病率联系起来后，发现只有肺癌的死亡率和吸烟量有对应的关系，其余疾病都和吸烟量没有任何关联。比如，每天吸25克烟草的人的肺癌死亡率比每天吸1克烟草的人多2倍以上，而其它疾病的死亡率前者只比后者多20％。
1993年，大约有2万名当初接受调查的英国医生去世了，其中有883名医生死于肺癌。如果把他们的吸烟数量和肺癌发病率联系起来的话，就可以得出一个惊人的结论：每天吸25根烟以上的人得肺癌的几率比不吸烟的人多25倍!后来其它一些类似的研究也都得出了相似的结论。现在，吸烟和肺癌的关系已经是家喻户晓了，发达国家的烟民数量正在逐年下降，其肺癌的发病率也呈现出下降的趋势。那些因为戒烟而免于肺癌的人真应该感谢希尔当初所做的贡献。
希尔使用的第一种方法叫做“对照研究”(Case ControlStudy)，第二种方法叫做“定群研究”(Cohort Study)。这两种方法是目前群体医学研究领域最常用的两种生物统计学方法，我们所熟悉的大部分关于健康的忠告都应该经过这两个方法的验证才能被认为是科学的。
篇5：医学统计方法小结
首次分享者：yanyan 已被分享22次 评论(0)复制链接 分享 转载 删除
一、两组或多组计量资料的比较 1.两组资料：
1)大样本资料或服从正态分布的小样本资料(1)若方差齐性，则作成组t检验
(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料：
1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。
2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。
二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料：
(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验。
2)多分类资料：用Pearson c2检验（又称拟合优度检验）。2.四格表资料
1)n>40并且所以理论数大于5，则用Pearson c2
2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正c2或用Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C表资料的统计分析
1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验
3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验 4.R×C表资料的统计分析
1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验 2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH c2
3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析 4)列变量和行变量均为无序多分类变量，(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
三、Poisson分布资料
1.单样本资料与总体比较：
1)观察值较小时：用确切概率法进行检验。2)观察值较大时：用正态近似的U检验。2.两个样本比较：用正态近似的U检验。
配对设计或随机区组设计
四、两组或多组计量资料的比较 1.两组资料：
1)大样本资料或配对差值服从正态分布的小样本资料，作配对t检验 2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验 2.多组资料：
1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。
2)如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。
五、分类资料的统计分析 1.四格表资料
1)b+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c￡40，则用二项分布确切概率法检验 2.C×C表资料：
1)配对比较：用McNemar配对c2检验或配对边际c2检验 2)一致性问题（Agreement）：用Kap检验
变量之间的关联性分析
六、两个变量之间的关联性分析 1.两个变量均为连续型变量
1)小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析 2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析 2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析
3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析
七、回归分析
1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用 2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
八、生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）
1.用Kaplan-Meier方法估计生存曲线 2.大样本时，可以寿命表方法估计
3.单因素可以用Log－rank比较两条或多条生存曲线 4.多个因素时，可以作多重的Cox回归
1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
篇6：医学统计学总结
一、两组或多组计量资料的比较1.两组资料： 1)大样本资料或服从正态分布的小样本资料(1)若方差齐性，则作成组t检验(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料： 1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。
二、分类资料的统计分析1.单样本资料与总体比较 1)二分类资料：(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验。2)多分类资料：用Pearson c2检验（又称拟合优度检验）。2.四格表资料 1)n>40并且所以理论数大于5，则用Pearson c2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正c2或用Fisher’s 确切概率法检验 3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验 2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验 4.R×C表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验 2)列变量为效应指标，并且为无序多分类变量，行变
量为有序多分类变量，作none zero correlation analysis的CMH c
23)列变量和行变量均为有序多分类变量，可以作Spearman相关分析 4)列变量和行变量均为无序多分类变量，(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
三、Poisson分布资料1.单样本资料与总体比较： 1)观察值较小时：用确切概率法进行检验。2)观察值较大时：用正态近似的U检验。2.两个样本比较：用正态近似的U检验。配对设计或随机区组设计
四、两组或多组计量资料的比较 1.两组资料： 1)大样本资料或配对差值服从正态分布的小样本资料，作配对t检验 2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验 2.多组资料： 1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。
五、分类资料的统计分析1.四格表资料 1)b+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c<40，则用二项分布确切概率法检验 2.C×C表资料： 1)配对比较：用McNemar配对c2检验或配对边际c2检验 2)一致性问题（Agreement）：用Kap检验 变量之间的关联性分析