《醫(yī)學(xué)統(tǒng)計學(xué)》獲獎?wù)n件1CATALOGUE目錄課程介紹與背景描述性統(tǒng)計學(xué)基礎(chǔ)推論性統(tǒng)計學(xué)方法非參數(shù)檢驗方法線性回歸與相關(guān)分析實驗設(shè)計與方差分析應(yīng)用實例醫(yī)學(xué)研究中常見誤區(qū)與注意事項201課程介紹與背景3醫(yī)學(xué)統(tǒng)計學(xué)是一門科學(xué)，它運用數(shù)理統(tǒng)計的原理及技巧，對醫(yī)學(xué)數(shù)據(jù)展開搜集、編排、剖析及解讀。醫(yī)學(xué)統(tǒng)計對醫(yī)學(xué)領(lǐng)域的研究發(fā)揮著關(guān)鍵作用，它協(xié)助研究人員準確規(guī)劃實驗、搜集資料、解讀成果并推導(dǎo)結(jié)論，有效提升了醫(yī)學(xué)研究的準確性和可信度。醫(yī)學(xué)統(tǒng)計學(xué)定義及重要性4提升學(xué)生熟悉醫(yī)學(xué)統(tǒng)計學(xué)基礎(chǔ)理論與技巧，使其能夠自主執(zhí)行醫(yī)學(xué)統(tǒng)計分析并應(yīng)對實際問題。學(xué)生需熟練理解醫(yī)學(xué)統(tǒng)計學(xué)的基本理論、常用統(tǒng)計技巧、實驗策劃、數(shù)據(jù)剖析以及結(jié)果解讀等知識，并具備相應(yīng)的計算機操作技能和英語交流能力。課程目標與要求課程要求課程目標5《醫(yī)學(xué)統(tǒng)計學(xué)》（人民衛(wèi)生出版社）教材《醫(yī)學(xué)統(tǒng)計學(xué)實務(wù)》（人民衛(wèi)生出版社）、《醫(yī)學(xué)統(tǒng)計學(xué)實踐手冊》（科學(xué)出版社）等資料可供選用。同時，學(xué)生們可以利用中國大學(xué)MOOC、Coursera等在線教育平臺提供的優(yōu)質(zhì)醫(yī)學(xué)統(tǒng)計學(xué)課程進行自學(xué)。參考資料教材及參考資料推薦602描述性統(tǒng)計學(xué)基礎(chǔ)7頻數(shù)用于顯示不同組數(shù)據(jù)出現(xiàn)的次數(shù)，有助于我們掌握數(shù)據(jù)的分布情況。頻數(shù)分布表直方圖頻數(shù)分布的應(yīng)用用矩形面積來表示不同組別的頻數(shù)，用矩形的高度來反映每個組別的頻數(shù)密度，這樣可以直接觀察到數(shù)據(jù)的分布狀況。在醫(yī)學(xué)研究中，常用于描述疾病的發(fā)病率、死亡率等指標的分布情況。030201頻數(shù)分布與直方圖8集中趨勢指標：均數(shù)、中位數(shù)、眾數(shù)所有數(shù)據(jù)的和除以數(shù)據(jù)的個數(shù)，反映數(shù)據(jù)的平均水平。對數(shù)據(jù)進行升序排列，位于中間的數(shù)值代表數(shù)據(jù)的中心點。出現(xiàn)次數(shù)最多的數(shù)，反映數(shù)據(jù)的集中趨勢。醫(yī)學(xué)研究中，經(jīng)常用此方法來表示特定人群的生理指標均值，例如身高、體重等。均數(shù)中位數(shù)眾數(shù)應(yīng)用舉例9方差標準差四分位數(shù)間距應(yīng)用舉例離散程度指標：方差、標準差、四分位數(shù)間距01020304均數(shù)與各數(shù)據(jù)之差的平方和的平均值，揭示了數(shù)據(jù)的分散狀況。方差的平方根，用于衡量數(shù)據(jù)的波動情況。中間50%數(shù)據(jù)分布的離散程度，可以通過計算上四分位數(shù)與下四分位數(shù)之間的差值來體現(xiàn)。在醫(yī)學(xué)研究中，常用于評估某項生理指標或?qū)嶒炇覚z測結(jié)果的穩(wěn)定性及波動范圍。10

正態(tài)分布及其應(yīng)用正態(tài)分布的概念一種連續(xù)型概率分布，具有鐘形曲線特征，由均數(shù)和標準差決定其形狀和位置。正態(tài)分布在醫(yī)學(xué)中的應(yīng)用眾多醫(yī)學(xué)數(shù)據(jù)，包括身高、體重和血壓等，通常遵循正態(tài)分布規(guī)律；在執(zhí)行假設(shè)檢驗和區(qū)間估計等統(tǒng)計分析時，正態(tài)分布被視為一個基本前提。正態(tài)性檢驗方法運用圖表分析（例如直方圖、QQ圖）以及統(tǒng)計測試（如Kolmogorov-Smirnov檢驗、Shapiro-Wilk檢驗）等手段，評估數(shù)據(jù)是否遵循正態(tài)分布。1103推論性統(tǒng)計學(xué)方法12直接應(yīng)用樣本統(tǒng)計數(shù)據(jù)來估算總體數(shù)值，比如通過樣本平均值來推算總體的平均數(shù)。點估計運用樣本統(tǒng)計數(shù)據(jù)與抽樣分布，創(chuàng)建一個涵蓋總體參數(shù)的置信區(qū)間，并確定其置信度。區(qū)間估計參數(shù)估計方法13首先設(shè)定一個關(guān)于總體參數(shù)的假設(shè)，接著運用樣本數(shù)據(jù)進行驗證，看該假設(shè)是否成立。原理提出假設(shè)、挑選檢驗統(tǒng)計量、劃定拒絕區(qū)間、計算檢驗統(tǒng)計值、進行決策。步驟假設(shè)檢驗原理及步驟14t檢驗在樣本量較?。╪<30）且總體標準差未知的情境中，本方法旨在比較兩組數(shù)據(jù)的均值是否存在顯著差異。u檢驗適用于樣本量較大（n大于30）或總體標準差明確的情況，旨在檢驗兩組均值之間是否存在顯著統(tǒng)計學(xué)差異。t檢驗和u檢驗應(yīng)用舉例15概念類型步驟應(yīng)用舉例方差分析（ANOVA）簡介用于研究不同因素對總體均數(shù)是否有影響的一種統(tǒng)計分析方法。提出假定、構(gòu)建檢驗統(tǒng)計量、界定拒絕區(qū)間、計算統(tǒng)計值、進行判斷。單因素方差分析、多因素方差分析等。醫(yī)學(xué)研究通常采用對比方法，旨在評估各種治療方法對患者治療效果的差異是否具有統(tǒng)計學(xué)意義。1604非參數(shù)檢驗方法17原理卡方檢驗通過比較實際觀測值和預(yù)期理論值間的差異來評估其顯著性。此方法通常用于檢驗分類數(shù)據(jù)的獨立性或同質(zhì)性，通過計算卡方統(tǒng)計量及相應(yīng)的P值來決定觀測數(shù)據(jù)與理論分布是否存在顯著差異。應(yīng)用舉例在臨床醫(yī)學(xué)領(lǐng)域，卡方檢驗是常用的工具，用于分析治療方法對患者分類結(jié)果（如痊愈、改善、無效等）的效應(yīng)。比如，通過比較不同治療方案對治愈率的影響，可鑒定出哪種方案的治療效果更佳?？ǚ綑z驗原理及應(yīng)用舉例18VS秩和檢驗，作為一種非參數(shù)檢驗方法，依賴于樣本數(shù)據(jù)的秩次。此方法首先對樣本數(shù)據(jù)進行排序并分配秩次，接著計算不同組別的秩和，以此來推斷總體分布是否存在差異。此檢驗特別適用于處理等級數(shù)據(jù)或那些不符合參數(shù)檢驗基本假設(shè)的定量數(shù)據(jù)。應(yīng)用舉例在臨床醫(yī)學(xué)領(lǐng)域，秩和檢驗是用于對比兩組或以上患者某一具體定量指標（例如生存期、疼痛評分等）差異的一種常用統(tǒng)計方法。比如，通過秩和檢驗，我們可以分析不同藥物治療對患者疼痛減輕效果的差異，進而對各種治療方案的治療效果進行評價。原理秩和檢驗原理及應(yīng)用舉例19符號檢驗是一種用于配對樣本數(shù)據(jù)比較的非參數(shù)檢驗方法。它通過比較配對樣本數(shù)據(jù)差值的符號來判斷兩組數(shù)據(jù)是否存在顯著差異。符號檢驗適用于定量數(shù)據(jù)的配對比較，尤其適用于數(shù)據(jù)分布不滿足正態(tài)分布假設(shè)的情況。游程檢驗屬于一種非參數(shù)的檢驗方法，旨在評估序列數(shù)據(jù)的隨機性。該方法通過統(tǒng)計序列中相鄰元素相同的連續(xù)出現(xiàn)次數(shù)（即游程）來衡量數(shù)據(jù)的隨機程度。該方法特別適用于對連續(xù)型數(shù)據(jù)進行隨機性分析，例如在進行時間序列分析中的趨勢檢測時。Kendall等級相關(guān)系數(shù)是一種非參數(shù)統(tǒng)計量，用于衡量兩個等級變量間的相關(guān)性強弱。該系數(shù)通過比較兩個變量的一致對數(shù)和不一致對數(shù)來確定它們之間的關(guān)聯(lián)性。該方法適用于分析等級資料，如比較兩種治療方案對患者生活質(zhì)量提升效果的相關(guān)性。符號檢驗游程檢驗Kendall等級相關(guān)系數(shù)其他非參數(shù)檢驗方法簡介2005線性回歸與相關(guān)分析2103模型的假設(shè)檢驗通過F檢驗、t檢驗等方法對模型及回歸系數(shù)進行假設(shè)檢驗，判斷其是否具有統(tǒng)計學(xué)意義。01線性回歸模型的建立運用最小二乘法計算出回歸系數(shù)，構(gòu)建起自變量與因變量間的線性關(guān)系模型。02回歸系數(shù)的解釋自變量變動一個單位，會使因變量平均發(fā)生相應(yīng)的變化，這種變化量由回歸系數(shù)來衡量。線性回歸模型建立與解讀22123運用皮爾遜和斯皮爾曼等級相關(guān)等手段，評估兩個變量間相互關(guān)系的緊密程度。相關(guān)系數(shù)的計算相關(guān)系數(shù)的范圍介于-1與1之間，這一范圍揭示了兩個變量之間線性關(guān)系的強度。正值代表正相關(guān)，而負值則指示負相關(guān)。相關(guān)系數(shù)的意義在簡單線性回歸中，相關(guān)系數(shù)等于回歸系數(shù)的平方根。相關(guān)系數(shù)與回歸系數(shù)的關(guān)系相關(guān)系數(shù)計算及意義解讀23多重線性回歸模型的概念01若自變量與因變量間存在線性聯(lián)系，則可構(gòu)建多重線性回歸模型。多重共線性的影響02當(dāng)自變量之間存在高度相關(guān)時，會導(dǎo)致多重共線性問題，影響模型的穩(wěn)定性和解釋性。多重線性回歸模型的建立與解讀03運用逐步回歸、嶺回歸等策略篩選關(guān)鍵的自變量，構(gòu)建一個多元線性回歸模型，并對其進行分析與預(yù)測。多重線性回歸模型簡介2406實驗設(shè)計與方差分析應(yīng)用實例25對實驗參與者進行完全隨機分組，保證各處理組間具有同等可比性。實驗設(shè)計通過比較各組間和組內(nèi)方差的計算結(jié)果，評估不同處理組間差異的顯著性。方差分析例如，研究不同藥物對某種疾病的治療效果，將患者完全隨機分配到不同的藥物組中，然后進行方差分析比較各組的治療效果。實例完全隨機設(shè)計實驗方差分析實例26實驗設(shè)計將研究對象依據(jù)若干關(guān)鍵的非實驗變量（例如性別、年齡等）劃分為多個小組，隨后在每個小組內(nèi)進行隨機的處理分配。方差分析除了比較處理組之間的差異外，還要比較不同區(qū)組之間的差異是否顯著。實例例如，探討各類肥料對作物產(chǎn)量的作用，將土地依據(jù)土壤性質(zhì)、氣候等因素劃分為多個區(qū)域，并在每個區(qū)域隨機實施不同的肥料實驗，最終采用方差分析法評估結(jié)果。隨機區(qū)組設(shè)計實驗方差分析實例27對兩個或更多因素如何影響實驗結(jié)果進行分析，同時考察它們之間的相互影響。實驗設(shè)計通過計算主效應(yīng)和交互效應(yīng)的方差，分析各因素對實驗結(jié)果的影響程度。方差分析例如，對植物生長過程中溫度與光照的交互效應(yīng)進行研究，通過設(shè)定不同的溫度與光照條件進行實驗，隨后執(zhí)行方差分析以對比分析這些因素對植物生長影響的差異。實例析因設(shè)計實驗方差分析實例2807醫(yī)學(xué)研究中常見誤區(qū)與注意事項29010203第一類錯誤（TypeIError）假陽性錯誤，亦稱誤拒原假設(shè)，即當(dāng)原假設(shè)為真的情況下，卻錯誤地將其否定。在醫(yī)學(xué)領(lǐng)域，這種現(xiàn)象可能導(dǎo)致無效的治療手段被誤判為有效。第二類錯誤（TypeIIError）假陰性錯誤，亦稱誤判為假，意指在原假設(shè)不成立的情況下，未能正確否定原假設(shè)。在醫(yī)學(xué)領(lǐng)域，這種現(xiàn)象可能導(dǎo)致真正有效的治療方法被錯誤地認為是無效的。兩類錯誤的權(quán)衡在實際研究中，第一類錯誤和第二類錯誤往往不能同時避免，需要在研究設(shè)計階段進行權(quán)衡。通常通過設(shè)定顯著性水平（α）和把握度（1-β）來控制兩類錯誤的概率。第一類錯誤和第二類錯誤概念辨析30多重比較問題在醫(yī)學(xué)研究中，當(dāng)同時進行多個假設(shè)檢驗時，每個檢驗都存在一定的第一類錯誤概率。隨著檢驗次數(shù)的增加，總體第一類錯誤的概率也會增加，這種現(xiàn)象稱為多重比較問題。Hochberg方法一種遞減式的多重比較調(diào)整技術(shù)，適用于有序或?qū)哟涡约僭O(shè)的驗證。其他方法如Benjamini-Hochberg方法、FDR（FalseDiscoveryRate）方法等，適用于不同場景的多重比較問題。Bonferroni校正通過調(diào)節(jié)每個測試的顯著性閾值，實現(xiàn)對整體第一類錯誤率的管理。比如，若存在n個測試，則將每個測試的顯著性閾值定為α/n。多重比較問題及其解決