2025年大學(xué)《生物統(tǒng)計(jì)學(xué)》專業(yè)題庫(kù)——統(tǒng)計(jì)學(xué)在疾病預(yù)測(cè)和防控中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、簡(jiǎn)述描述性統(tǒng)計(jì)分析在疾病監(jiān)測(cè)和流行病學(xué)調(diào)查中的作用。請(qǐng)至少列舉三種常用的描述性統(tǒng)計(jì)量，并說明其各自適用的數(shù)據(jù)類型和衡量意義。二、假設(shè)一項(xiàng)研究旨在比較兩種不同藥物（A藥和B藥）治療某種慢性病的療效。研究人員隨機(jī)選擇了100名患者，其中50名接受A藥治療，50名接受B藥治療。經(jīng)過6個(gè)月的治療后，研究人員測(cè)量了患者的癥狀改善程度（連續(xù)變量）。請(qǐng)回答以下問題：1.為比較兩種藥物的平均癥狀改善程度，最適合選用哪種（或哪幾種）參數(shù)檢驗(yàn)方法？請(qǐng)說明理由。2.如果在數(shù)據(jù)收集中發(fā)現(xiàn)，接受A藥治療的患者群體中，年齡偏高，且合并癥較多，這可能會(huì)引入什么類型的偏倚？簡(jiǎn)述該偏倚的潛在影響。3.除了比較平均改善程度，研究者是否應(yīng)該考慮其他統(tǒng)計(jì)指標(biāo)或方法來全面評(píng)估兩種藥物的效果？請(qǐng)舉例說明。三、邏輯回歸模型常用于分析影響疾?。ǘ诸惤Y(jié)局）發(fā)生的風(fēng)險(xiǎn)因素。請(qǐng)回答：1.解釋邏輯回歸模型中回歸系數(shù)（β）的含義。如何判斷某個(gè)自變量對(duì)疾病發(fā)生的風(fēng)險(xiǎn)是否有統(tǒng)計(jì)學(xué)上的顯著影響？2.在一項(xiàng)關(guān)于肺癌風(fēng)險(xiǎn)因素的研究中，研究者使用邏輯回歸模型，并得到吸煙（Yes/No）的回歸系數(shù)為1.5，其95%置信區(qū)間為（0.5,2.5）。請(qǐng)解釋這個(gè)結(jié)果的含義。3.假設(shè)研究者希望構(gòu)建一個(gè)肺癌風(fēng)險(xiǎn)評(píng)分模型，請(qǐng)簡(jiǎn)述如何利用邏輯回歸模型的結(jié)果來構(gòu)建這個(gè)評(píng)分，并說明該評(píng)分在疾病預(yù)測(cè)中的應(yīng)用價(jià)值。四、時(shí)間序列分析是預(yù)測(cè)傳染病發(fā)病趨勢(shì)的常用方法之一。請(qǐng)回答：1.簡(jiǎn)述時(shí)間序列分析在疾病預(yù)測(cè)中的基本思路。2.在分析月度流感發(fā)病數(shù)據(jù)時(shí)，如果發(fā)現(xiàn)數(shù)據(jù)呈現(xiàn)明顯的季節(jié)性波動(dòng)，但在繪制散點(diǎn)圖時(shí)，數(shù)據(jù)點(diǎn)呈現(xiàn)出一條向上傾斜的直線趨勢(shì)，請(qǐng)解釋這可能意味著什么？在這種情況下，選擇何種模型進(jìn)行擬合可能更合適？請(qǐng)簡(jiǎn)述理由。3.評(píng)價(jià)一個(gè)基于時(shí)間序列模型構(gòu)建的疾病預(yù)測(cè)結(jié)果的準(zhǔn)確性，通?？梢允褂媚男┲笜?biāo)？請(qǐng)列舉至少兩種，并簡(jiǎn)述其含義。五、在實(shí)際的疾病防控工作中，統(tǒng)計(jì)推斷扮演著重要角色。請(qǐng)結(jié)合實(shí)例，回答以下問題：1.假設(shè)某市衛(wèi)生部門欲評(píng)估一項(xiàng)新的流感疫苗接種策略是否有效降低了流感發(fā)病率。請(qǐng)?jiān)O(shè)計(jì)一個(gè)簡(jiǎn)單的統(tǒng)計(jì)學(xué)方案（說明研究設(shè)計(jì)類型、關(guān)鍵指標(biāo)、數(shù)據(jù)收集方法和統(tǒng)計(jì)分析方法），用于評(píng)估該策略的效果。2.在比較不同干預(yù)措施（如隔離措施vs.口罩佩戴）在控制傳染病傳播方面的效果時(shí)，如何運(yùn)用統(tǒng)計(jì)學(xué)方法來確保比較的公平性？可能會(huì)遇到哪些挑戰(zhàn)？3.統(tǒng)計(jì)學(xué)在識(shí)別傳染病暴發(fā)和確定其潛在來源方面有何作用？請(qǐng)舉例說明如何利用統(tǒng)計(jì)方法（如發(fā)病率監(jiān)測(cè)、病例分布分析等）進(jìn)行溯源調(diào)查。試卷答案一、描述性統(tǒng)計(jì)分析通過計(jì)算和整理數(shù)據(jù)，提供研究對(duì)象的整體特征和分布情況，是疾病監(jiān)測(cè)和流行病學(xué)調(diào)查的基礎(chǔ)。它有助于了解疾病的分布模式（如地區(qū)分布、時(shí)間分布、人群分布）、嚴(yán)重程度和趨勢(shì)，為制定防控策略提供依據(jù)。常用的描述性統(tǒng)計(jì)量包括：1.均數(shù)（Mean）：適用于近似正態(tài)分布的連續(xù)性數(shù)據(jù)。衡量數(shù)據(jù)的集中趨勢(shì)，反映大多數(shù)觀察值的平均水平。2.中位數(shù)（Median）：適用于偏態(tài)分布的連續(xù)性數(shù)據(jù)，或等級(jí)數(shù)據(jù)。也衡量數(shù)據(jù)的集中趨勢(shì)，表示將數(shù)據(jù)排序后位于中間位置的值。3.率（Rate）：如發(fā)病率、患病率、死亡率。適用于計(jì)數(shù)數(shù)據(jù)或分類數(shù)據(jù)。衡量疾病在特定人群、特定時(shí)間內(nèi)的發(fā)生頻率或強(qiáng)度。此外，頻率（Frequency）分布表/圖也常用于描述分類變量的分布情況。二、1.最適合選用獨(dú)立樣本t檢驗(yàn)（IndependentSamplest-test）。因?yàn)樵撗芯勘容^的是兩組（A藥組和B藥組）連續(xù)性變量的均值（癥狀改善程度），且假設(shè)兩組樣本的方差可能相等（可進(jìn)行方差齊性檢驗(yàn)）。t檢驗(yàn)用于判斷兩組均值是否存在顯著差異。2.這可能引入選擇偏倚（SelectionBias）。因?yàn)锳藥組患者年齡偏高且合并癥較多，這些因素本身可能與疾病嚴(yán)重程度或?qū)χ委煹姆磻?yīng)相關(guān)。即使藥物本身無差異，這些基線特征的差異也可能導(dǎo)致兩組患者的癥狀改善程度在基線就不相同，從而使得觀察到的兩組間治療效果差異（若存在）不能完全歸因于藥物，而是混雜了年齡和合并癥等因素的影響。3.是的，研究者應(yīng)該考慮其他統(tǒng)計(jì)指標(biāo)或方法。除了比較均值，還可以：*比較兩組數(shù)據(jù)的離散程度，如標(biāo)準(zhǔn)差或變異系數(shù)，了解兩組患者癥狀改善程度的穩(wěn)定性。*使用非參數(shù)檢驗(yàn)（如Mann-WhitneyU檢驗(yàn)），如果數(shù)據(jù)不滿足正態(tài)分布或存在異常值。*考慮使用協(xié)方差分析（ANCOVA），如果除了藥物類型，還有其他重要基線變量（如初始癥狀嚴(yán)重程度）可能影響結(jié)果，可以將這些變量作為協(xié)變量進(jìn)行調(diào)整。*評(píng)估治療的總體有效性和安全性指標(biāo)。三、1.邏輯回歸模型中回歸系數(shù)（β）表示自變量每改變一個(gè)單位，對(duì)logit(P/Y=1)（即事件發(fā)生的對(duì)數(shù)優(yōu)勢(shì)比）產(chǎn)生的影響程度。通過查看回歸系數(shù)的顯著性檢驗(yàn)結(jié)果（p值）來判斷自變量對(duì)疾病風(fēng)險(xiǎn)是否有統(tǒng)計(jì)學(xué)上的顯著影響。通常，當(dāng)p值小于預(yù)設(shè)的顯著性水平（如0.05）時(shí)，認(rèn)為該自變量對(duì)疾病風(fēng)險(xiǎn)有顯著影響。2.該結(jié)果表明，相對(duì)于不吸煙者，吸煙者發(fā)生肺癌的對(duì)數(shù)優(yōu)勢(shì)比（log-OR）平均高出1.5。其95%置信區(qū)間（0.5,2.5）表示，我們可以有95%的信心認(rèn)為，吸煙者相對(duì)于不吸煙者發(fā)生肺癌的對(duì)數(shù)優(yōu)勢(shì)比真實(shí)值位于0.5到2.5之間。由于log-OR的值均大于1，且置信區(qū)間不包含1，這進(jìn)一步支持了吸煙與肺癌風(fēng)險(xiǎn)增加存在統(tǒng)計(jì)學(xué)上的顯著關(guān)聯(lián)。例如，當(dāng)OR=exp(1.5)≈4.48，意味著吸煙者的肺癌風(fēng)險(xiǎn)是不吸煙者的4.48倍。3.構(gòu)建風(fēng)險(xiǎn)評(píng)分模型時(shí)，通常將每個(gè)自變量（如吸煙、年齡、職業(yè)暴露等）的回歸系數(shù)（β）乘以其標(biāo)準(zhǔn)化值（或直接乘以均值或頻數(shù)，取決于變量類型和系數(shù)定義）或一個(gè)預(yù)設(shè)的權(quán)重因子，然后求和。例如，一個(gè)簡(jiǎn)單的評(píng)分=w1*β1*吸煙值+w2*β2*年齡值+...+wN*βN*變量N值。評(píng)分越高，表示個(gè)體發(fā)生疾病的預(yù)測(cè)風(fēng)險(xiǎn)越高。該評(píng)分可用于人群風(fēng)險(xiǎn)評(píng)估、識(shí)別高風(fēng)險(xiǎn)個(gè)體、指導(dǎo)篩查或干預(yù)措施的實(shí)施。四、1.時(shí)間序列分析通過分析現(xiàn)象隨時(shí)間變化的數(shù)值序列，識(shí)別其潛在的規(guī)律性（如趨勢(shì)、季節(jié)性、周期性），并利用這些規(guī)律對(duì)未來趨勢(shì)進(jìn)行預(yù)測(cè)。在疾病預(yù)測(cè)中，通過收集和分析歷史疾病發(fā)病數(shù)據(jù)（如每日/每周/每月的新發(fā)病例數(shù)），建立數(shù)學(xué)模型來擬合數(shù)據(jù)變化模式，從而預(yù)測(cè)未來一段時(shí)間的發(fā)病趨勢(shì)，為早期預(yù)警和資源調(diào)配提供支持。2.這可能意味著盡管存在季節(jié)性波動(dòng)，但流感的總體發(fā)病水平隨時(shí)間呈現(xiàn)長(zhǎng)期上升趨勢(shì)。散點(diǎn)圖中的直線趨勢(shì)反映了年度平均發(fā)病水平在升高。在這種情況下，如果僅使用季節(jié)性模型（如季節(jié)性ARIMA模型）可能會(huì)忽略這種長(zhǎng)期增長(zhǎng)趨勢(shì)，導(dǎo)致預(yù)測(cè)偏差。選擇帶有趨勢(shì)成分的時(shí)間序列模型可能更合適，例如SARIMA（季節(jié)性自回歸積分滑動(dòng)平均模型），它能夠同時(shí)捕捉數(shù)據(jù)的季節(jié)性波動(dòng)和長(zhǎng)期趨勢(shì)。3.評(píng)價(jià)預(yù)測(cè)準(zhǔn)確性常用的指標(biāo)包括：*均方根誤差（RootMeanSquareError,RMSE）：衡量預(yù)測(cè)值與實(shí)際值之間的平均絕對(duì)偏差，值越小表示預(yù)測(cè)越準(zhǔn)。*平均絕對(duì)百分比誤差（MeanAbsolutePercentageError,MAPE）：將誤差表示為百分比，便于比較不同量級(jí)數(shù)據(jù)的預(yù)測(cè)精度，值越小越好。*受試者工作特征曲線下面積（AreaUndertheReceiverOperatingCharacteristicCurve,AUC）：雖然主要用于分類問題，但在預(yù)測(cè)傳染病發(fā)生概率時(shí)，也可用ROC曲線和AUC評(píng)估預(yù)測(cè)模型區(qū)分高低風(fēng)險(xiǎn)的能力，AUC越接近1，模型區(qū)分能力越強(qiáng)。五、1.統(tǒng)計(jì)學(xué)方案設(shè)計(jì)：*研究設(shè)計(jì)類型：可采用隨機(jī)對(duì)照試驗(yàn)（RCT），將符合條件的流感高風(fēng)險(xiǎn)人群隨機(jī)分配到新疫苗組（接受新疫苗）和對(duì)照組（接受安慰劑或現(xiàn)有標(biāo)準(zhǔn)疫苗），在規(guī)定時(shí)間內(nèi)隨訪，比較兩組的流感發(fā)病率或嚴(yán)重程度。*關(guān)鍵指標(biāo)：主要結(jié)局指標(biāo)為意向治療分析（ITT）人群中的流感發(fā)病率（定義為出現(xiàn)符合診斷標(biāo)準(zhǔn)的流感癥狀并確認(rèn)流感病毒陽(yáng)性）。次要結(jié)局指標(biāo)可以是流感相關(guān)住院率、醫(yī)療訪問率、疫苗安全性指標(biāo)（如不良反應(yīng)發(fā)生率）等。*數(shù)據(jù)收集方法：通過設(shè)立哨點(diǎn)醫(yī)院或社區(qū)監(jiān)測(cè)點(diǎn)，定期收集兩組受試者的流感樣病例就診信息、實(shí)驗(yàn)室檢測(cè)結(jié)果、住院記錄等。確保數(shù)據(jù)收集流程標(biāo)準(zhǔn)化、質(zhì)量控制到位。*統(tǒng)計(jì)分析方法：使用卡方檢驗(yàn)或費(fèi)舍爾精確檢驗(yàn)比較兩組的流感發(fā)病率（分類數(shù)據(jù)）或?qū)?shù)轉(zhuǎn)換后的發(fā)病率（連續(xù)數(shù)據(jù)）的差異性。若基線特征不平衡，可使用協(xié)方差分析（ANCOVA）或多因素logistic回歸，將基線變量作為協(xié)變量進(jìn)行調(diào)整后，再比較兩組效果差異。計(jì)算相對(duì)危險(xiǎn)度（RR）及其95%置信區(qū)間來量化疫苗效果。2.運(yùn)用統(tǒng)計(jì)學(xué)方法確保比較公平性，主要是通過隨機(jī)化設(shè)計(jì)。隨機(jī)分配參與者到不同干預(yù)組，可以最大程度地確保兩組在研究開始前的基線特征（如年齡、性別、危險(xiǎn)因素暴露史等）在統(tǒng)計(jì)分布上相似，從而排除混雜因素的影響，使得組間差異更可能是由干預(yù)措施本身引起。面臨的挑戰(zhàn)包括：確保隨機(jī)化的實(shí)施過程嚴(yán)格無誤；處理依從性問題（參與者未按分配方案接受干預(yù)）；應(yīng)對(duì)失訪偏倚（參與者退出研究）；選擇合適的統(tǒng)計(jì)調(diào)整方法來處理不可測(cè)量的混雜因素。3.統(tǒng)計(jì)學(xué)在傳染病暴發(fā)和溯源調(diào)查中作用顯著。例如：*監(jiān)測(cè)與預(yù)警：通過持續(xù)監(jiān)測(cè)疾病發(fā)病率的時(shí)間趨勢(shì)和地區(qū)分布，當(dāng)觀察到異常的升高幅度或速度（超出預(yù)期波動(dòng)范圍）或聚集性發(fā)病時(shí)，可早期識(shí)別暴發(fā)信號(hào)。*病例定義與描述：明確病例定義有助于準(zhǔn)確識(shí)別病例，并通過描述性統(tǒng)計(jì)（如年齡、性別、職業(yè)分布）了解病例特征，初步推測(cè)暴露因素。*流行病學(xué)調(diào)查：設(shè)計(jì)病例對(duì)照研究或隊(duì)列研究，比較病例組與對(duì)照組在暴