医学统计论文

医学统计论文（通用9篇）

篇1：医学统计论文

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：医学统计论文

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——

XuS

(xt/2v

snsn,xt/2v

s

sn))

(xu/2,xu/2

n

XuSXuS

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：医学统计论文

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

篇7：公卫医师医学统计学辅导：统计表

统计表与统计图是整理、表达和分析数字资料的重要工具。运用统计表可避免冗长的方案叙述。能把有关的数字列在一起，既便于计算比较，又易于发现错误和遗漏。绘制统计图可使数字资料形象化、通俗易懂，并能把资料的变化趋势和各种现象间的关系明确地表示再现，使读者在短时间内获得明晰的印象。统计图只能表示概数，要想了解准确的数字，仍需看统计表。

统计表

统计表可从广义或狭义上看。广义的统计表包括调查表、登记表、过渡表及表达最后结果的统计表在内。狭义的统计表是指表达统计结果的统计表。下面简述狭义统计表的结构和编制。

一、统计表的构成

从统计表的外形看，可分为标题、标目、线条和数字等；从表的内容上看，又可分为主辞和宾辞两部分。统计表中被说明的事物称为表的主辞，用来说明主辞的统计指标称为表的宾辞，统计表的基本格式如下：

表号标题(包括何时、何地、何事)

备注：

例如：表2.1是某医院用五种检查方法，对上消化道恶性肿瘤的检出率。其中五种检查方法是统计表的主辞，放在表的左侧横标目位置：而检查数、检出数和检出率是统计指标，为宾辞，放在表的右侧，即纵标目位置。一张设计比较好的统计表， 将主辞和宾辞结合起来，可读成一句完整而通顺的话。如：胃镜检查48例，检出44例，检出率为91.7%等。

篇8：医学统计论文

一、《医学统计学》的教学实践

我们在学习医学统计学初期、接触基本概念和原理时, 可以尽量将这些概念与原理用通俗、形象、稍微夸张的生活实例联系起来, 以“讲故事”的形式将基本概念和原理进行对比和剖析, 让看似艰深枯燥的概念原理变得有血有肉、亲近可人, 让逻辑思维方法在潜移默化中植入学生的脑海。

(一) 教学案例之一。

讲定量资料的集中趋势指标———平均数时, 很多同学不能理解为什么平均数有3种 (算术均数、几何均数、中位数) , 为什么不只是小学数学里学过的平均数 (算术均数) 就行了, 这是因为他们还没有理解集中趋势和平均数的内涵, 不理解这个前提, 很多同学就对后面要讲的3种平均数公式、符号、适用条件等内容就失去了兴趣, 或者勉强听下去也是一知半解、似懂非懂, 严重影响学习积极性。针对这种情况, 教师可以给同学们举一个例子:某地报道该地人均月收入为5000元, 当地百姓都质疑, 互相打听多数人实际只有1000、2000元月收入, 怎么就变成5000元了呢?原来当地有一些百万富翁、千万富翁, 他们的收入非常高, 就把当地总收入抬高了, 一平均就使月收入水平大大提高了, 所以这5000元就是指的是小学数学里学过的平均数, 也就是算术均数的概念, 但是这个数值不能反映人们的实际感觉, 不能反映大多数人的月收入情况, 统计学里面讲的平均数指的就是大多数人所在的水平, 也就是大多数人集中的位置的数值才是平均数, 所以不是简单绝对平均就可以的, 要具体情况具体分析, 不同类型资料选用的平均数是不一样的。这样用来源于生活的但经过加工夸张的例子讲解以后, 同学们会会心一笑, 在轻松幽默的气氛中对集中趋势和平均数的概念有深刻形象的理解, 提高学习兴趣和自信, 为后面的学习内容做了很好的铺垫。

(二) 教学案例之二。

学习假设检验的基本思想和步骤时, 许多同学对于“小概率思想”和假设检验的结论方式不能理解, 小概率思想是指小概率事件 (P≤0.01或P≤0.05) 在一次试验或一次抽样中基本上不会发生, 即认为概率P=0, 可以跟同学们讲这样的故事:某先生走路途中被绊倒, 起来一看, 绊倒他的竟然是一块金砖, 他欣喜若狂, 赶快打电话给妻子报告, 妻子会说:不可能, 你被一块金砖绊倒的可能性为0。被金子绊倒的可能性确实微乎其微, 是个小概率事件, 而你走一次路被绊倒的可能性就更小, 就可以直接说这个事情 (走路被金砖绊倒) 不可能发生, 即P=0, 这个就是小概率思想。但是你不能太绝对, 还是有可能会发生的, 下结论要委婉, 妻子的结论在绝大多数时候是正确的, 但是在某些时候可能是错误的, 像这位先生就真的发生了这个事, 所以要委婉地下结论:可以认为……尚不能认为……。

(三) 教学案例之三。

在解释“同质”和“变异”的概念时, 可以强调“大同小异”, 可以沿用生物学里的“遗传”和“变异”的概念, “同质”就类似”遗传”的意思, 如“龙生龙, 凤生凤, 老鼠生来会打洞”, 这样用“遗传相似”的概念来解释“同质”, 指的就是研究对象的影响因素一致或大体一致, 而变异也像生物学里“变异”类似, 每个生物体都是有差异的, “世上没有两片相同的树叶”、“一母生九子, 连母十个样”。在认真解释的基础上再如此用通俗形象的俚语来类比解释抽象的概念, 效果很好。

(四) 教学案例之四。

在讲解“极差 (R) ”时, 其公式是最大值减去最小值, 我们可以联想到比赛时评委打分, 都会“去掉一个最高分, 去掉一个最低分”, 再将剩下的分数平均, 这样可以避免两个极端值的影响, 或以姚明或潘长江的特殊身高会影响到其所在队伍的平均身高值这样的例子来说明R不太稳定、较少应用的特征。

(五) 教学案例之五。

在讲解一些指标的计算公式时, 有时用基本公式, 有时要用加权法、频数表法公式, 可以用商店里八宝粥原料的价钱的制定为例来解释, 八宝粥由好几种价格不一的食材混合起来, 八宝粥原料的定价过程就是加权法的原理, 这样同学们就会很容易理解。

二、《医学统计学》的教学体会

许多学生在一接触到医学统计学时都会很不适应, 它重在逻辑思维, 与其他的基础医学和临床医学科目的思维方法和学习方法截然不同, 许多同学都反映医学统计学枯燥、艰深、难于理解, 令他们无所适从, 以致早早失去学习兴趣, 作为老师, 应该要降低学科“门槛”, 在初期刚接触基本概念和原理时应用大量通俗、幽默的生活实例和语言来进行转化, 避免其产生畏难和厌学情绪, 让医学统计学贴近生活, 而不再是高高在上、遥不可及的“摘不到的星辰”。

其实, 统计学本就来源于我们日常生活, 人们从生活、卫生工作中发现了统计学的原理和规律, 再应用统计学来探究生活中的规律, 我们医学生在学习统计学时也不应将其游离于生活以外。医学统计学不只是枯燥的数字和公式, 将日常生活事例融入到学习之中, 以开放、轻松、欢乐的心态来教、学医学统计学, 寓教于乐、寓学于乐, 应该是一个更健康积极而富有成效的教学和学习体验。

参考文献

[1].顾相伶.护理专业医学统计学教学改革探讨[J].企业家天地, 2011, 36 (7) :67～68

[2].吴笑雪.高职医学统计学教学改革探讨[J].科教文汇, 2009, 22 (5) :24～25

篇9：医学统计论文

一、宣传、强调医学统计学在医学教育中的重要性，特别在医学科研中的重要性

我们利用课堂、网站、橱窗中介绍医学统计学的重要性。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，研究数字资料的收集、整理、分析与推断的一门学科。在高等医学院校，医学统计学是医学各相关专业、各层次学生的一门必修课程。在医学科研中医学统计学的应用非常广泛。医学统计工作的基本步骤包括统计设计、收集资料、整理资料和分析资料。医学研究的基本步骤大致包括立题设计、实验（或调查）、实验结果的收集与记录、资料整理和资料分析等。可见，医学统计学贯穿了医学科研的始终。医学研究中的实验设计、资料收集、分析、推断等都离不开医学统计学思维。因此在医学统计学课堂上潜移默化地培养医学生科研能力具有特别重要的意义。医学统计学是方法学，正如法国哲学家迪卡尔所说：“最有价值的知识是关于方法的知识”。

二、改进传统教学方法，让学生接触、了解、学习科学研究的方法

医学统计学是建立在数理统计基础上的一门逻辑性较强的应用学科，教材中出现了大量的公式，部分公式显得复杂，容易让学生产生畏难情绪，望而止步。

传统的医学统计学教学模式如“填鸭灌输式”或“知识继承型”教学很难激发学生的学习兴趣，不利于学生掌握该门课程的基本理论和基本技能。学生没有正确理解统计学中的概念含义以及概念之间的联系和区别。主要靠死记硬背来应付考试；缺乏分析和解决实际问题的能力，在分析医学问题时不知道如何正确应用统计学原理和方法，甚至对资料的设计类型、性质和分析目的都是模棱两可的。这种“单向性、机械性”教学模式极大影响了教学效果，更不利于医学生科研能力的培养。本文就改革医学统计学传统的教学模式、激发医学生学习兴趣谈谈以下几点体会：

（一）以经典案例入手，问题为先导，学生为中心，培养医学生学习兴趣

在医学统计学教学中我们采用“问题式教学”，引导学生积极思考、互动，融入课堂教学中，通过3年的教学实践证明该方法有利于培养学生的兴趣、统计学思维以及科研能力的培养。具体做法如下：

1.强调绪论的重要性，引起学生的高度重视

绪论是医学生第一次接触医学统计学，兴趣的培养尤为重要。在绪论课上我们主要通过几个问题来引导学生。比如：①通过2年多的医学学习，你们认为怎样才能使自己成为最棒的医生?②怎样才能最快的提高自己的医疗水平？③怎样了解到某一研究方向的最新进展？很多同学都没有认真思考过这些问题，让学生在课堂上展开讨论，最后教师给出参考答案，进一步引导学生如何查找、阅读、分析文献？最后让学生阅读一篇带有统计学相关的文章，最终让学生明白学习医学统计学的重要性以及涉及到的相关学科知识比如数学、科研设计、流行病学、循证医学等。

2.多用经典案例，培训医学生科研思维

在教学中，不直接解释基本概念，而是给出一些经典实验例证，让学生身临其境去思考：如果他们碰到了这些问题该如何解决？以学生为中心，发挥其主动性。例如一个经典实验：坏血症的治疗——医学历史上第一次有效控制的干预试验，当时英国对这病采用的治疗方案有6种：1）苹果汁；2）桔子和柠檬；3）醋；4）泻药；5）硫酸丹剂；6）大蒜和芥子。如何评价6种治疗方案的有效性？1747年5月20日，Lind医生将12名病情相同（似）的患者带到一艘船上。分为6组，每组两人，分别给予下列6种干预：A组：每天饮1夸脱苹果汁；B组：服25滴硫酸丹剂，每天3次；C组：服2匙醋，每天3次；D组：每天饮约半品脱海水，服缓和的泻药；E组：每天食2个桔子，一个柠檬；F组：每天服由大蒜、芥子等成份组成的干药。其中，Lind医生的试验将病情最重的2名患者分到D组：泻药是当时流行的治病方法。当6月16日船返回英国Plymouth港时，所有患者的病情都有好转。其中E组恢复的最快、最好。B组有一人病情较登船时好转。

Lind医生的试验并没有得出明确的结论，直到160年后，通过动物实验才真正从科学意义上解释了E组疗效最好的真正原因。坏血病的对症治疗是补充维生素C。对于这样一个实例，请同学们思考：为何要设计成6组?为何要在同一条船上作该实验？通过同学们的思考可以看出，通过医学统计学设计，再通过实验研究，能够揭示出事物原有的一些规律，统计学设计对科研成败起着至关重要的作用。用现代统计学的观点看，Lind医生的干预试验有两点符合统计学要求：一是设有对照组：6个干预相互比较；二是质量控制：所有患者在同一条船上，便于监督服药和观察病情。无对照试验和质量控制不严而导致研究结果“失真”的例子，在现代医学研究中也常发生。

通过这个例子，引导医学生学习医学统计学的兴趣，同时培养其科研的意识，使其意识到医学统计学不是数学，而是提高医学科研能力的必需工具，医学统计学的思维贯穿科研的整个过程。

3.结合经典案例提炼概念，让学生在实例中学习概念

根据上面的例子进一步提问：上述实验中坏血病患者有多少人？怎样确诊患者所患疾病？实验中为何只选了12个患者等问题，让学生逐渐体会什么是总体、样本、同质、变异等问题。学生学习的主动性就被调动起来。

（二）结合医学统计学教学大纲和教学内容，进行案例式预习教学

目前，很多医学生对涉及诊疗直接相关的学科特别感兴趣，比如：药学、内科学等。因此在讲授每堂课前，给学生一篇相关的典型论著，让学生用几分钟时间阅读，然后提问。这样学生在整个课堂中都带着问题学习，在讲解完该课统计学知识后，让学生再结合文献进行分析，学习怎样设计怎样分析，有缺陷否？增加实践经验。学生通过这种方法学习后，增强学生学习兴趣，同时有利于自学的培养，更有利于学生阅读科研论文，提升统计分析能力，从而达到培养其科研能力。

在整个医学统计学理论教学结束之前，再组织学生开展一两次课堂讨论。课前摘选1～2篇医学文献让学生预习，课堂上组织学生讨论并评价其统计设计和分析方法的优缺点，特别是作者如何利用良好的设计防止偏倚，控制误差，以及其如何在论文中进行相应的表达。训练学生运用所学知识评价文献中统计分析方法与结果的能力。训练学生根据实际资料选择合适的统计方法，提高他们对文献的阅读理解能力，同时还可锻炼学生的表达能力。从而引导学生学会阅读论文、评价论文。

采取以经典实例中问题为中心的教学方法，在讲授单个统计学方法及典型例题的基础上，摘选一些医学期刊论著中的不典型实例，进一步分析、强调各种统计学方法的范围、应用条件及注意事项，将重点放在各种统计学方法比较和互相联系的讲解上，在列举大量实例时。充分发掘调动医学生日常的生活经验去体验、理解统计学的各种概念与原理。这样，由浅入深，由简而繁，以提高学生灵活运用和综合运用统计学知识解决实际问题的能力。

三、加强实验设计内容的教学力度

实验设计是学生学好统计学的关键之一，更是提高统计分析、科研能力的重要手段。目前，本科教学中该部分安排为自学内容，不利于学生对统计学的理解和进一步的学习。加强科研设计、资料搜集和整理等方法的能力培养，使学员学会对某项研究能作出合理的设计，对一份完整的科研资料中各个不同的统计要求能选择合适的统计处理方法。

四、在课堂教学中，引入教师的科研经验也非常重要

很多学生对老师的科研活动很关心，教师在教学中可以不断地举自己工作、科研中遇到的实例，如何就一个研究内容进行科研设计、方案实施、数据收集、整理到最后统计分析，让学生用已学的知识进行思考，让学生的思维得到锻炼，同时使学生能体会到科研并不神秘，激发学生更大的热情。

综上所述，学生作为接受知识的对象，其可塑性很大。上课时，教师应尽量避免唱“独脚戏”，要注意与学生的互动，适时地提出问题，积极调动学生的思维，让学生参与到课程中来。平等式的、互动式的教学比一言堂、满堂灌输式的教学更加受学生的欢迎。学生通过统计学教学，通过参加教师的科研课题，通过阅读科研论文等了解了科学研究的整体过程，指导他建立起一整套正确的科研方法，包括查阅文献——立题——调研——科研设计——实际操作——整理资料——数据处理到撰写论文的整个过程，培养科学的思维方法及独立思考、解决问题的能力，培养学生的严谨的科学态度，并让学生对医学统计学、科学研究产生兴趣和激情，从而培养其科研能力。

目前，我们的教育模式要真正达到让学生主动构建知识，实现自主学习、自我更新、自我创造的学习目标，就得让学生尽早接触、了解、学习科学研究的方法，培养学生的科研能力。这对于培养适应21世纪医学创新人才具有重要的理论和实践意义。

基金项目：泸州医学院资助课题（泸医教[2006]21号）。