2025年大學(xué)《生物統(tǒng)計(jì)學(xué)》專業(yè)題庫——生物統(tǒng)計(jì)學(xué)專業(yè)的實(shí)踐案例討論會(huì)考試時(shí)間：______分鐘總分：______分姓名：______考生注意：以下案例情境基于《生物統(tǒng)計(jì)學(xué)》專業(yè)題庫，請(qǐng)根據(jù)要求進(jìn)行分析和討論。案例一：藥物療效的初步評(píng)估研究者欲評(píng)估一種新型抗高血壓藥物X相對(duì)于安慰劑的療效。一項(xiàng)初步的隨機(jī)對(duì)照試驗(yàn)招募了60名輕度高血壓患者，隨機(jī)分為兩組：藥物X組（n=30）和安慰劑組（n=30）。在為期8周的治療結(jié)束后，記錄了兩組患者收縮壓的變化值（單位：mmHg）。研究者計(jì)劃使用t檢驗(yàn)來比較兩組平均收縮壓變化值的差異。請(qǐng)討論以下問題：1.在進(jìn)行t檢驗(yàn)之前，研究者需要對(duì)哪些數(shù)據(jù)進(jìn)行檢查？為什么這些檢查是必要的？2.假設(shè)研究者檢查后發(fā)現(xiàn)，藥物X組的收縮壓變化值呈輕微右偏態(tài)分布，而安慰劑組近似正態(tài)分布。這種數(shù)據(jù)分布特點(diǎn)對(duì)比較兩組均值是否有顯著差異帶來了哪些潛在問題？研究者可以采取哪些方法來處理這個(gè)問題？3.請(qǐng)簡述使用t檢驗(yàn)比較兩組均值的基本原理。在報(bào)告t檢驗(yàn)結(jié)果時(shí)，通常需要報(bào)告哪些關(guān)鍵信息？4.除了比較兩組的平均變化值，研究者是否應(yīng)該考慮其他統(tǒng)計(jì)方法來更全面地評(píng)估藥物X的療效？請(qǐng)舉例說明。案例二：遺傳性狀與環(huán)境因素的交互作用在一項(xiàng)關(guān)于某種農(nóng)作物產(chǎn)量（單位：kg/ha）的研究中，研究者記錄了每個(gè)觀測單元的產(chǎn)量數(shù)據(jù)，并收集了可能影響產(chǎn)量的兩個(gè)因素的信息：種植密度（低、中、高三個(gè)水平）和是否使用了特定肥料（使用、未使用）。研究者希望了解種植密度和肥料使用對(duì)產(chǎn)量的獨(dú)立影響，以及這兩個(gè)因素是否存在交互作用。請(qǐng)回答以下問題：1.在分析種植密度和肥料使用對(duì)產(chǎn)量的影響時(shí)，為什么不能簡單地分別分析每個(gè)因素的效應(yīng)？2.請(qǐng)說明適合分析這種帶有兩個(gè)分類自變量（種植密度、肥料使用）對(duì)一個(gè)定量因變量（產(chǎn)量）影響的統(tǒng)計(jì)模型類型。3.解釋什么是“交互作用”。在本案例中，如果存在顯著的交互作用，意味著什么？它對(duì)農(nóng)作物的種植管理有何啟示？4.假設(shè)研究者使用上述模型進(jìn)行分析，得到了如下部分結(jié)果摘要：“肥料使用的主效應(yīng)顯著，但種植密度的主效應(yīng)不顯著；然而，種植密度與肥料使用的交互作用效應(yīng)顯著?！闭?qǐng)基于這個(gè)摘要，嘗試描述可能出現(xiàn)的產(chǎn)量模式。案例三：疾病風(fēng)險(xiǎn)因素調(diào)查為了研究某種職業(yè)性呼吸系統(tǒng)疾病的風(fēng)險(xiǎn)因素，研究人員對(duì)200名該疾病的病例和200名健康對(duì)照者進(jìn)行了回顧性調(diào)查，收集了他們的吸煙習(xí)慣（從不吸煙、過去吸煙、現(xiàn)在吸煙）、工作環(huán)境暴露史（暴露、未暴露）等信息。研究者希望找出與該疾病風(fēng)險(xiǎn)增加顯著相關(guān)的因素。請(qǐng)討論：1.在比較病例組和對(duì)照組的吸煙比例或暴露比例時(shí)，應(yīng)使用什么樣的統(tǒng)計(jì)方法？簡述該方法的基本原理。2.假設(shè)研究結(jié)果顯示，“現(xiàn)在吸煙”的病例組比例顯著高于對(duì)照組，而“過去吸煙”和“從不吸煙”兩組的病例與對(duì)照組比例差異不顯著。同時(shí)，“暴露”組的病例比例也顯著高于“未暴露”組。請(qǐng)解釋為什么不能直接得出結(jié)論說“吸煙”和“暴露”都是該疾病的獨(dú)立風(fēng)險(xiǎn)因素。3.在這類病例對(duì)照研究中，如何評(píng)估某個(gè)因素（如吸煙）與疾病之間的關(guān)聯(lián)強(qiáng)度？常用的指標(biāo)有哪些？4.請(qǐng)簡述在一項(xiàng)回顧性病例對(duì)照研究中，可能導(dǎo)致混雜偏倚的主要來源，以及研究者可以采取哪些措施來控制混雜偏倚。案例四：基因表達(dá)數(shù)據(jù)分析在研究某種疾病狀態(tài)下基因表達(dá)的變化時(shí)，研究人員對(duì)來自患病組和健康對(duì)照組的樣本進(jìn)行了基因芯片分析，檢測了上千個(gè)基因的表達(dá)水平。研究者希望識(shí)別出在疾病狀態(tài)下顯著上調(diào)或下調(diào)的基因，并探索這些基因可能的功能關(guān)聯(lián)。請(qǐng)分析：1.基因芯片數(shù)據(jù)通常具有“高維”（大量基因）和“小樣本”（相對(duì)于基因數(shù)量，樣本量可能不大）的特點(diǎn)。在比較兩組（患病vs健康）基因表達(dá)差異時(shí)，僅僅使用t檢驗(yàn)或ANOVA進(jìn)行單基因顯著性檢驗(yàn)可能存在什么問題？2.為了克服上述問題，研究者通常會(huì)采用什么樣的統(tǒng)計(jì)方法來篩選出在兩組間差異顯著表達(dá)的基因？請(qǐng)簡述該方法的基本思想。3.假設(shè)研究者使用一種多重檢驗(yàn)校正方法（如Bonferroni校正）篩選出了若干個(gè)在疾病狀態(tài)下表達(dá)水平差異顯著的基因。請(qǐng)解釋什么是多重檢驗(yàn)問題，以及為什么需要對(duì)p值進(jìn)行校正？4.研究者發(fā)現(xiàn)，通過上述方法篩選出的差異表達(dá)基因主要集中在某些特定的生物學(xué)通路。請(qǐng)討論這一發(fā)現(xiàn)對(duì)于理解疾病發(fā)病機(jī)制可能具有的意義。---試卷答案案例一：藥物療效的初步評(píng)估1.研究者需要對(duì)兩組（藥物X組和安慰劑組）的收縮壓變化值進(jìn)行描述性統(tǒng)計(jì)分析（如計(jì)算均值、標(biāo)準(zhǔn)差、中位數(shù)、四分位數(shù)等），并檢查數(shù)據(jù)的分布形態(tài)（如繪制直方圖或使用正態(tài)性檢驗(yàn)如Shapiro-Wilk檢驗(yàn)）。這些檢查是必要的，因?yàn)閠檢驗(yàn)的前提假設(shè)包括：樣本來自的總體服從正態(tài)分布，且兩組數(shù)據(jù)的方差相等（或近似相等）。檢查這些條件可以判斷t檢驗(yàn)是否適用，或是否需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換或使用非參數(shù)檢驗(yàn)。2.數(shù)據(jù)分布的偏態(tài)可能影響t檢驗(yàn)的結(jié)論有效性，因?yàn)閠檢驗(yàn)在小樣本或數(shù)據(jù)偏離正態(tài)分布時(shí)可能產(chǎn)生偏倚。潛在問題是，t統(tǒng)計(jì)量的p值可能不準(zhǔn)確。處理方法包括：對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換（如對(duì)數(shù)轉(zhuǎn)換、平方根轉(zhuǎn)換等）使其更接近正態(tài)分布，再進(jìn)行t檢驗(yàn)；或者使用對(duì)非正態(tài)分布數(shù)據(jù)更穩(wěn)健的秩和檢驗(yàn)（如Mann-WhitneyU檢驗(yàn)）來比較中位數(shù)差異。3.t檢驗(yàn)的基本原理是檢驗(yàn)兩組樣本均值之差與零假設(shè)（即兩組均值相等）之間的差異是否足夠大，以至于可以認(rèn)為這種差異并非由隨機(jī)抽樣誤差引起。報(bào)告t檢驗(yàn)結(jié)果時(shí)，通常需要報(bào)告t統(tǒng)計(jì)量的值、自由度（degreesoffreedom,df）以及對(duì)應(yīng)的p值。有時(shí)還會(huì)報(bào)告兩組的均值和標(biāo)準(zhǔn)差。4.是的，研究者可以考慮其他統(tǒng)計(jì)方法。例如，可以使用非參數(shù)檢驗(yàn)（如Mann-WhitneyU檢驗(yàn)）來比較兩組中位數(shù)差異；如果關(guān)心療效的穩(wěn)定性或個(gè)體反應(yīng)差異，可以計(jì)算效應(yīng)量（effectsize）如Cohen'sd；如果數(shù)據(jù)符合更復(fù)雜的分布，可能需要使用非參數(shù)回歸模型；此外，還可以進(jìn)行安全性分析，如評(píng)估不良事件的發(fā)生率。5.答案示例：研究者可以計(jì)算兩組患者治療前的收縮壓基線值，并使用配對(duì)樣本t檢驗(yàn)（如果數(shù)據(jù)符合正態(tài)分布）或Wilcoxon符號(hào)秩檢驗(yàn)（如果數(shù)據(jù)不符合正態(tài)分布）來比較基線值的相似性，確保組間可比性。還可以使用重復(fù)測量方差分析來評(píng)估治療過程中收縮壓變化的動(dòng)態(tài)趨勢。案例二：遺傳性狀與環(huán)境因素的交互作用1.因?yàn)榉N植密度和肥料使用可能同時(shí)影響產(chǎn)量，它們之間存在潛在的協(xié)同或拮抗作用。如果簡單地分別分析，可能會(huì)高估或低估單個(gè)因素的獨(dú)立效應(yīng)，無法揭示因素間的相互作用模式。需要使用能夠同時(shí)考察主效應(yīng)和交互作用的模型。2.適合使用的統(tǒng)計(jì)模型類型是雙因素方差分析（Two-wayAnalysisofVariance,ANOVA）。該模型可以分析兩個(gè)分類自變量（種植密度、肥料使用）各自對(duì)因變量（產(chǎn)量）的主效應(yīng)，以及這兩個(gè)因素聯(lián)合起來產(chǎn)生的交互效應(yīng)。3.交互作用是指一個(gè)因素的效應(yīng)依賴于另一個(gè)因素的水平。在本案例中，如果存在顯著的交互作用，意味著種植密度對(duì)產(chǎn)量的影響（例如，增加密度的增產(chǎn)效果）取決于是否使用了肥料，反之亦然。它對(duì)農(nóng)作物的種植管理啟示是：不能孤立地看待密度和肥料的作用，需要根據(jù)肥料的使用情況來優(yōu)化種植密度，以達(dá)到最佳的產(chǎn)量效果。4.基于摘要描述的可能產(chǎn)量模式是：肥料使用本身能提高產(chǎn)量（主效應(yīng)顯著）；單獨(dú)看種植密度，高、中、低密度組的產(chǎn)量可能沒有顯著差異（主效應(yīng)不顯著）；但是，當(dāng)結(jié)合肥料使用時(shí)，例如在高密度+使用肥料的情況下，產(chǎn)量可能顯著高于高密度+未使用肥料，或顯著高于中密度+使用肥料等情況，顯示出密度和肥料的特定組合產(chǎn)生了協(xié)同增產(chǎn)效果。案例三：疾病風(fēng)險(xiǎn)因素調(diào)查1.應(yīng)使用卡方檢驗(yàn)（Chi-squaredtest）或費(fèi)舍爾精確檢驗(yàn)（Fisher'sexacttest，當(dāng)樣本量較小或單元格期望頻數(shù)過小時(shí)）。這些方法用于檢驗(yàn)兩個(gè)分類變量之間是否存在關(guān)聯(lián)，即比較不同暴露組（如吸煙組、非吸煙組）在疾病發(fā)生比例（如病例比例）上是否存在顯著差異?；驹硎潜容^觀察到的頻數(shù)與在零假設(shè)（變量獨(dú)立）下期望的頻數(shù)之間的差異。2.因?yàn)椴±M和對(duì)照組本身可能在其他未測量的混雜因素上存在系統(tǒng)性差異（如社會(huì)經(jīng)濟(jì)地位、生活習(xí)慣等），這些混雜因素可能同時(shí)影響吸煙行為和疾病風(fēng)險(xiǎn)。僅憑吸煙比例的差異，不能直接得出吸煙是獨(dú)立風(fēng)險(xiǎn)因素的結(jié)論，需要控制混雜因素后進(jìn)行評(píng)估。3.在病例對(duì)照研究中，通常使用相對(duì)危險(xiǎn)度（RelativeRisk,RR，但在病例對(duì)照研究中通常估計(jì)為比值比OddsRatio,OR）來評(píng)估關(guān)聯(lián)強(qiáng)度。OR值表示暴露組相對(duì)于非暴露組發(fā)生疾病的可能性倍數(shù)。此外，優(yōu)勢比（OddsRatio）本身的大小和95%置信區(qū)間（ConfidenceInterval,CI）也可以用來評(píng)估關(guān)聯(lián)的強(qiáng)度和穩(wěn)定性。4.主要來源包括：①研究開始時(shí)，病例組和對(duì)照組在某些可測量或不可測量的混雜因素上存在分布差異；②混雜因素在疾病發(fā)生前影響了暴露狀態(tài)（例如，健康狀況差的人可能既更容易患病，也更容易吸煙）；③混雜因素在疾病發(fā)生和/或暴露測量期間影響個(gè)體?？刂苹祀s偏倚的措施包括：多變量統(tǒng)計(jì)分析（如調(diào)整統(tǒng)計(jì)模型中的混雜變量）、匹配設(shè)計(jì)（如1:1匹配）、限制入組標(biāo)準(zhǔn)（如限制混雜因素水平范圍）。案例四：基因表達(dá)數(shù)據(jù)分析1.主要問題是“假發(fā)現(xiàn)率”（FalseDiscoveryRate,FDR）或“假陽性率”（FalsePositiveRate,FPR）會(huì)隨著檢驗(yàn)數(shù)量的增加而顯著升高。即使許多基因的表達(dá)差異僅僅是隨機(jī)噪聲導(dǎo)致的，使用單基因顯著性檢驗(yàn)（如p<0.05）也會(huì)錯(cuò)誤地識(shí)別出大量“顯著”差異表達(dá)的基因（假陽性），導(dǎo)致研究結(jié)論不可靠。2.常用的方法是進(jìn)行多重檢驗(yàn)校正，目的是控制整個(gè)實(shí)驗(yàn)中所有檢驗(yàn)的假陽性率。常用的方法包括：Bonferroni校正（最保守，將單個(gè)檢驗(yàn)的顯著性水平乘以檢驗(yàn)總數(shù)）、Benjamini-Hochberg（FDR）方法（更常用，平衡了控制假陽性和發(fā)現(xiàn)真陽性之間的關(guān)系）。這些方法會(huì)給出一個(gè)調(diào)整后的顯著性閾值（alpha水平），只有p值低于該閾值的結(jié)果才被認(rèn)為是統(tǒng)計(jì)顯著的。3.多重檢驗(yàn)問題是指在同時(shí)進(jìn)行多個(gè)假設(shè)檢驗(yàn)時(shí)，如果每個(gè)檢驗(yàn)都按照傳統(tǒng)的α水平（如0.05）單獨(dú)判斷，那么至