2025年大學(xué)《統(tǒng)計(jì)學(xué)》專業(yè)題庫——統(tǒng)計(jì)學(xué)在精準(zhǔn)醫(yī)學(xué)中的作用考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每小題2分，共20分。請將正確選項(xiàng)的代表字母填寫在答題紙上。）1.精準(zhǔn)醫(yī)學(xué)的核心思想是根據(jù)個(gè)體的基因、環(huán)境和生活方式等差異，制定個(gè)性化的預(yù)防、診斷和治療方案。以下哪項(xiàng)數(shù)據(jù)類型在精準(zhǔn)醫(yī)學(xué)研究中尤為突出且具有挑戰(zhàn)性？A.線性連續(xù)型數(shù)據(jù)B.離散分類數(shù)據(jù)C.高維、高維度的多組學(xué)數(shù)據(jù)D.簡單的二元分類數(shù)據(jù)2.在一項(xiàng)比較吸煙組與不吸煙組肺功能指標(biāo)（如FEV1）差異的研究中，兩組樣本量均大于30，且FEV1數(shù)據(jù)大致服從正態(tài)分布。研究者應(yīng)優(yōu)先考慮使用哪種統(tǒng)計(jì)方法來推斷兩組人群的肺功能指標(biāo)是否存在顯著差異？A.t檢驗(yàn)（獨(dú)立樣本）B.Mann-WhitneyU檢驗(yàn)C.卡方檢驗(yàn)D.方差分析3.對于包含數(shù)百個(gè)基因表達(dá)水平的數(shù)據(jù)集，研究者首先希望了解哪些基因的表達(dá)變化最大，或者哪些基因的表達(dá)模式能最好地區(qū)分不同樣本（如癌變與正常）。以下哪種多元統(tǒng)計(jì)方法最為合適？A.相關(guān)分析B.線性回歸C.主成分分析（PCA）D.聚類分析4.在構(gòu)建一個(gè)基于多個(gè)基因表達(dá)水平預(yù)測患者對某藥物治療反應(yīng)的模型時(shí)，研究者希望評估模型對未見過數(shù)據(jù)的預(yù)測準(zhǔn)確性和區(qū)分度。以下哪種方法最為常用？A.系統(tǒng)聚類分析B.ROC曲線分析C.邏輯回歸模型的參數(shù)估計(jì)D.方差分析的主效應(yīng)檢驗(yàn)5.一項(xiàng)精準(zhǔn)醫(yī)學(xué)研究旨在識別能夠預(yù)測早期阿爾茨海默病風(fēng)險(xiǎn)的基因組合。研究者收集了100名早期阿爾茨海默病患者和100名健康對照者的基因表達(dá)數(shù)據(jù)，并計(jì)劃使用機(jī)器學(xué)習(xí)算法進(jìn)行篩選。在劃分訓(xùn)練集和測試集時(shí)，為了保證模型具有良好的泛化能力，應(yīng)優(yōu)先考慮采用哪種抽樣方法？A.隨機(jī)抽樣B.分層抽樣C.交叉驗(yàn)證D.篩選抽樣6.在精準(zhǔn)醫(yī)學(xué)臨床試驗(yàn)中，比較新藥A與安慰劑對某種疾病的療效，研究者需要關(guān)注患者生存時(shí)間。如果不同治療組的患者基線生存狀態(tài)差異較大，且存在多種影響生存時(shí)間的混雜因素（如年齡、病情嚴(yán)重程度），則最適合用于分析各組生存率差異的統(tǒng)計(jì)模型是？A.t檢驗(yàn)B.卡方檢驗(yàn)C.Cox比例風(fēng)險(xiǎn)模型D.Kruskal-Wallis檢驗(yàn)7.某研究旨在分析單個(gè)核苷酸多態(tài)性（SNP）與某疾病風(fēng)險(xiǎn)的關(guān)系，研究發(fā)現(xiàn)某個(gè)SNP位點(diǎn)與疾病風(fēng)險(xiǎn)相關(guān)，但關(guān)聯(lián)強(qiáng)度較弱。此時(shí)，研究者更傾向于使用哪種統(tǒng)計(jì)方法來評估該SNP位點(diǎn)對疾病風(fēng)險(xiǎn)的獨(dú)立貢獻(xiàn)，并控制其他潛在混雜因素的影響？A.相關(guān)分析B.線性回歸C.邏輯回歸D.方差分析8.在精準(zhǔn)醫(yī)學(xué)大數(shù)據(jù)分析中，常常需要整合來自基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)等多個(gè)組學(xué)平臺的數(shù)據(jù)。以下哪種方法常被用于衡量不同組學(xué)數(shù)據(jù)之間的相似性或整合不同來源的特征？A.卡方檢驗(yàn)B.余弦相似度計(jì)算C.t檢驗(yàn)D.線性回歸系數(shù)9.研究者在進(jìn)行精準(zhǔn)醫(yī)學(xué)數(shù)據(jù)分析時(shí)，發(fā)現(xiàn)利用某個(gè)基因表達(dá)水平作為單一預(yù)測因子時(shí)，其預(yù)測能力有限。為了提高預(yù)測模型的性能，研究者傾向于將多個(gè)預(yù)測因子組合起來。以下哪種模型特別適合處理這種多個(gè)預(yù)測因子共同預(yù)測一個(gè)二元結(jié)果的場景？A.線性回歸模型B.線性判別分析C.邏輯回歸模型D.主成分回歸10.對于在精準(zhǔn)醫(yī)學(xué)研究中收集到的包含大量零值的計(jì)數(shù)數(shù)據(jù)（如某基因在特定細(xì)胞中的表達(dá)次數(shù)），如果數(shù)據(jù)近似服從泊松分布，研究者常使用哪種統(tǒng)計(jì)方法來比較不同組之間該計(jì)數(shù)數(shù)據(jù)的均值？A.t檢驗(yàn)B.泊松回歸C.卡方檢驗(yàn)D.Mantel-Haenszel估計(jì)二、名詞解釋（每小題3分，共15分。請將定義寫在答題紙上。）1.亞型劃分（Subtyping）2.生物標(biāo)志物（Biomarker）3.ROC曲線（ReceiverOperatingCharacteristicCurve）4.過度擬合（Overfitting）5.生存分析（SurvivalAnalysis）三、簡答題（每小題5分，共20分。請將答案寫在答題紙上。）1.簡述在精準(zhǔn)醫(yī)學(xué)研究中，使用邏輯回歸模型分析基因表達(dá)水平與疾病風(fēng)險(xiǎn)關(guān)系時(shí)，解釋模型系數(shù)（回歸系數(shù)）含義需要注意的要點(diǎn)。2.與傳統(tǒng)的統(tǒng)計(jì)分析相比，分析精準(zhǔn)醫(yī)學(xué)數(shù)據(jù)（如基因表達(dá)矩陣）面臨哪些獨(dú)特的挑戰(zhàn)？3.簡述在精準(zhǔn)醫(yī)學(xué)臨床試驗(yàn)設(shè)計(jì)中，進(jìn)行分層隨機(jī)化（StratifiedRandomization）的主要目的。4.解釋在構(gòu)建預(yù)測模型時(shí)，使用交叉驗(yàn)證（Cross-Validation）方法（如k折交叉驗(yàn)證）的原理及其優(yōu)勢。四、計(jì)算與分析題（每小題10分，共30分。請將計(jì)算過程和主要分析步驟寫在答題紙上。）1.某研究測量了10名吸煙者和10名不吸煙者的血清中某種致癌物代謝物的濃度（mg/L）。假設(shè)兩組數(shù)據(jù)均近似服從正態(tài)分布，且方差相等。請簡述你將如何使用統(tǒng)計(jì)方法檢驗(yàn)吸煙者與不吸煙者該代謝物濃度是否存在顯著差異，并說明需要計(jì)算哪些關(guān)鍵統(tǒng)計(jì)量。2.研究者收集了50名乳腺癌患者的腫瘤組織中某個(gè)基因的表達(dá)量（連續(xù)變量）和腫瘤復(fù)發(fā)時(shí)間（生存時(shí)間，單位：月）。研究者想分析該基因表達(dá)量是否與腫瘤復(fù)發(fā)風(fēng)險(xiǎn)有關(guān)。請簡述使用Cox比例風(fēng)險(xiǎn)模型進(jìn)行分析的基本思路，并列出需要考慮的關(guān)鍵模型參數(shù)。3.假設(shè)你使用邏輯回歸模型分析了一個(gè)包含3個(gè)自變量（X1,X2,X3）的基因數(shù)據(jù)集，用以預(yù)測個(gè)體是否患有某種疾?。╕=1表示患病，Y=0表示未患?。?。模型估計(jì)的系數(shù)分別為β1=0.5,β2=-0.8,β3=0.2，且已知各變量的標(biāo)準(zhǔn)差分別為SD(X1)=1.0,SD(X2)=0.5,SD(X3)=1.5。請解釋如何理解β2的估計(jì)值，并說明如何比較這三個(gè)自變量對疾病預(yù)測的重要性。五、論述題（15分。請將答案寫在答題紙上。）結(jié)合統(tǒng)計(jì)學(xué)在精準(zhǔn)醫(yī)學(xué)中的應(yīng)用實(shí)例，論述統(tǒng)計(jì)思維和方法如何幫助克服精準(zhǔn)醫(yī)學(xué)研究中數(shù)據(jù)復(fù)雜性帶來的挑戰(zhàn)，并實(shí)現(xiàn)從“組學(xué)數(shù)據(jù)”到“臨床決策”的轉(zhuǎn)化。試卷答案一、選擇題1.C2.A3.C4.B5.B6.C7.C8.B9.C10.B二、名詞解釋1.亞型劃分：根據(jù)生物標(biāo)志物（如基因、蛋白表達(dá)水平）將具有相似特征或生物學(xué)行為的患者群體分類成不同的亞群的過程。2.生物標(biāo)志物：指能夠客觀測量和評估疾病狀態(tài)或?qū)χ委煼磻?yīng)的分子、細(xì)胞或生理指標(biāo)。3.ROC曲線：一種圖形方法，用于評估診斷測試（如預(yù)測模型）在不同閾值設(shè)置下，其真陽性率（Sensitivity）與假陽性率（1-Specificity）之間的關(guān)系。4.過度擬合：機(jī)器學(xué)習(xí)模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在未見過的新數(shù)據(jù)上表現(xiàn)較差的現(xiàn)象，通常因?yàn)槟Ｐ瓦^于復(fù)雜，學(xué)習(xí)了訓(xùn)練數(shù)據(jù)中的噪聲。5.生存分析：一組統(tǒng)計(jì)方法，用于分析涉及時(shí)間依賴性數(shù)據(jù)的研究問題，如生存時(shí)間、中位生存期、風(fēng)險(xiǎn)因素分析等。三、簡答題1.解釋模型系數(shù)（回歸系數(shù)）時(shí)，需注意其是表示當(dāng)自變量（基因表達(dá)水平）變化一個(gè)單位時(shí)，因變量（疾病對數(shù)優(yōu)勢比，log-oddsofdisease）的平均變化量。系數(shù)的符號（正或負(fù)）表示基因表達(dá)水平與疾病風(fēng)險(xiǎn)增加或降低的關(guān)聯(lián)方向。系數(shù)的大小受變量量綱影響，通常比較系數(shù)絕對值大小需考慮變量標(biāo)準(zhǔn)差。實(shí)際解釋時(shí)應(yīng)轉(zhuǎn)化為優(yōu)勢比（exp(β)），表示基因表達(dá)水平每增加一個(gè)單位，疾病發(fā)生的優(yōu)勢比變化的倍數(shù)。2.分析精準(zhǔn)醫(yī)學(xué)數(shù)據(jù)的挑戰(zhàn)包括：①數(shù)據(jù)維度極高（“維度災(zāi)難”），樣本量相對于特征數(shù)量可能較小；②數(shù)據(jù)類型多樣且異構(gòu)，涉及數(shù)值、分類、文本、圖像等；③數(shù)據(jù)通常包含大量零值（如基因表達(dá)矩陣）；④數(shù)據(jù)質(zhì)量參差不齊，噪聲和缺失值較多；⑤生物學(xué)背景知識理解要求高，模型結(jié)果需有生物學(xué)解釋性；⑥預(yù)測模型泛化能力需嚴(yán)格驗(yàn)證；⑦倫理和隱私保護(hù)問題突出。3.分層隨機(jī)化是在隨機(jī)分配受試者到不同治療組（如新藥vs安慰劑）之前，根據(jù)研究者的關(guān)鍵關(guān)注因素（分層變量，如年齡、性別、疾病分期、合并用藥等）將受試者分組，然后在每個(gè)層內(nèi)獨(dú)立進(jìn)行隨機(jī)分配。其主要目的是確保每個(gè)治療組在關(guān)鍵的基線特征上具有可比性，從而更有效地控制混雜因素對結(jié)果的影響，提高檢驗(yàn)統(tǒng)計(jì)效能，得到更可靠的組間比較結(jié)論。4.交叉驗(yàn)證是一種模型評估方法，旨在減少模型選擇偏差，得到對未見過數(shù)據(jù)性能的更穩(wěn)健估計(jì)。其原理是將原始數(shù)據(jù)集劃分為多個(gè)不重疊的子集（如k折）。輪流使用k-1個(gè)子集作為訓(xùn)練集，剩下的1個(gè)子集作為測試集，重復(fù)k次，每次選擇不同的測試集。最終模型性能是k次評估結(jié)果的平均。其優(yōu)勢在于：①充分利用了所有數(shù)據(jù)用于訓(xùn)練和測試；②評估結(jié)果不易受特定數(shù)據(jù)劃分的影響，更能反映模型在未知數(shù)據(jù)上的平均表現(xiàn)；③有助于選擇模型超參數(shù)。四、計(jì)算與分析題1.檢驗(yàn)方法：使用獨(dú)立樣本t檢驗(yàn)（EqualVariancesAssumed或EqualVariancesNotAssumed，根據(jù)方差齊性檢驗(yàn)結(jié)果選擇）。關(guān)鍵統(tǒng)計(jì)量：兩組樣本均值（Mean1,Mean2）、兩組樣本標(biāo)準(zhǔn)差（SD1,SD2）、兩組樣本量（n1,n2）、t統(tǒng)計(jì)量（t-value）、自由度（df）、P值。分析步驟：①進(jìn)行方差齊性檢驗(yàn)（如Levene's檢驗(yàn)）；②根據(jù)檢驗(yàn)結(jié)果選擇合適的t檢驗(yàn)公式計(jì)算t值和P值；③根據(jù)P值判斷是否拒絕原假設(shè)（即兩組均值無顯著差異）；④結(jié)合均值、標(biāo)準(zhǔn)差和樣本量，解釋結(jié)果的統(tǒng)計(jì)意義和實(shí)際意義。2.Cox比例風(fēng)險(xiǎn)模型分析思路：①將基因表達(dá)量作為連續(xù)型協(xié)變量（自變量）納入模型；②將腫瘤復(fù)發(fā)時(shí)間作為因變量（生存時(shí)間）；③將患者是否發(fā)生腫瘤復(fù)發(fā)作為事件指示變量（發(fā)生=1，未發(fā)生=刪失）；④模型旨在檢驗(yàn)基因表達(dá)量是否與復(fù)發(fā)風(fēng)險(xiǎn)相關(guān)，即評估基因表達(dá)量對風(fēng)險(xiǎn)比的貢獻(xiàn)；⑤模型輸出關(guān)鍵參數(shù)包括回歸系數(shù)（β）、風(fēng)險(xiǎn)比（HazardRatio,exp(β)）、95%置信區(qū)間（CI）以及檢驗(yàn)該變量是否顯著的P值。如果β顯著，且exp(β)>1，說明高表達(dá)量與高復(fù)發(fā)風(fēng)險(xiǎn)相關(guān)；如果exp(β)<1，則相關(guān)。3.解釋β2的估計(jì)值：β2=-0.8表示，在控制其他兩個(gè)自變量（X1,X3）的影響后，當(dāng)自變量X2的值增加一個(gè)標(biāo)準(zhǔn)差（即增加0.5個(gè)單位，因?yàn)镾D(X2)=0.5）時(shí)，個(gè)體患病的對數(shù)優(yōu)勢比（log-oddsratio）平均降低0.8。轉(zhuǎn)化為優(yōu)勢比，exp(β2)=exp(-0.8)≈0.449，表示X2每增加一個(gè)標(biāo)準(zhǔn)差，疾病發(fā)生的優(yōu)勢比大約降低到原來的0.449倍，或者說患病風(fēng)險(xiǎn)降低。比較變量重要性：系數(shù)的絕對值大小通常用于比較變量對模型貢獻(xiàn)（或影響）的大小。這里|β1|=0.5,|β2|=0.8,|β3|=0.2。由于X1和X3的標(biāo)準(zhǔn)差均為1，而X2的標(biāo)準(zhǔn)差為0.5，因此直接比較系數(shù)絕對值需考慮標(biāo)準(zhǔn)差影響?？梢员容^標(biāo)準(zhǔn)化系數(shù)（Betacoefficients），即系數(shù)值除以對應(yīng)變量的標(biāo)準(zhǔn)差（X1:0.5/1.0=0.5,X2:-0.8/0.5=-1.6,X3:0.2/1.5≈0.133）。標(biāo)準(zhǔn)化系數(shù)絕對值越大，說明該變量在模型中的相對重要性越高。因此，根據(jù)標(biāo)準(zhǔn)化系數(shù)，變量X2對模型的重要性最高，其次是X1，最后是X3。五、論述題統(tǒng)計(jì)學(xué)通過提供一系列強(qiáng)大的思維框架和分析工具，有效應(yīng)對了精準(zhǔn)醫(yī)學(xué)研究中數(shù)據(jù)復(fù)雜性帶來的挑戰(zhàn)。首先，描述性統(tǒng)計(jì)方法（如多維尺度分析、聚類）幫助研究者從高維組學(xué)數(shù)據(jù)中提取關(guān)鍵信息，識別潛在的生物模式或亞型，這是理解疾病異質(zhì)性的基礎(chǔ)。其次，推斷性統(tǒng)計(jì)（如t檢驗(yàn)、ANOVA、回歸分析）用于檢驗(yàn)假設(shè)，評估生物標(biāo)志物與臨床結(jié)局（如疾病風(fēng)險(xiǎn)、治療反應(yīng)）的關(guān)聯(lián)性，并量化這種關(guān)聯(lián)的強(qiáng)度和方向。面對精準(zhǔn)醫(yī)學(xué)中普遍存在的大量預(yù)測變量和二元/類別型結(jié)果，統(tǒng)計(jì)學(xué)發(fā)展了邏輯回歸、決策樹、隨機(jī)森林、支持向量機(jī)等一系列分類和預(yù)測模型，并引入交叉驗(yàn)證等評估方法，以構(gòu)建和驗(yàn)證強(qiáng)大的預(yù)測模型，實(shí)現(xiàn)從“數(shù)據(jù)”到“預(yù)測”的轉(zhuǎn)化。