研究生中醫(yī)藥統(tǒng)計(jì)學(xué)與軟件應(yīng)用試題及答案一、單項(xiàng)選擇題（每題2分，共20分）1.某課題組欲比較三種不同炮制方法對(duì)黃連中鹽酸小檗堿含量的影響，隨機(jī)抽取9批藥材，每批均制成3份樣品，分別采用三種方法炮制。若資料滿足正態(tài)性與方差齊性，應(yīng)首選的統(tǒng)計(jì)方法是A.單因素方差分析B.隨機(jī)區(qū)組設(shè)計(jì)方差分析C.雙因素?zé)o重復(fù)方差分析D.雙因素有重復(fù)方差分析答案：B解析：同一批藥材的3份樣品為“區(qū)組”，炮制方法為處理因素，符合隨機(jī)區(qū)組設(shè)計(jì)，故選B。2.在SPSS中，對(duì)“證候積分”這一有序分類變量進(jìn)行非參數(shù)檢驗(yàn)，欲比較兩組差異，應(yīng)選擇的菜單路徑為A.分析→非參數(shù)檢驗(yàn)→舊對(duì)話框→2個(gè)獨(dú)立樣本→Mann-WhitneyUB.分析→比較均值→獨(dú)立樣本t檢驗(yàn)C.分析→非參數(shù)檢驗(yàn)→獨(dú)立樣本→Kruskal-WallisD.分析→描述統(tǒng)計(jì)→交叉表答案：A解析：有序分類變量、兩組比較、非參數(shù)，對(duì)應(yīng)Mann-WhitneyU檢驗(yàn)，舊對(duì)話框路徑更穩(wěn)定。3.對(duì)“針刺鎮(zhèn)痛潛伏期”進(jìn)行l(wèi)og-rank檢驗(yàn)，其主要零假設(shè)為A.兩組潛伏期總體均數(shù)相等B.兩組潛伏期總體中位數(shù)相等C.兩組生存曲線相同D.兩組風(fēng)險(xiǎn)比等于0答案：C解析：log-rank檢驗(yàn)屬于生存分析，零假設(shè)為“兩組生存曲線相同”，而非均數(shù)或中位數(shù)。4.在R語言中，將數(shù)據(jù)框df的“age”變量按65歲切分為“<65”“≥65”二分類，正確語句是A.dfagB.dfagC.dfagD.dfag答案：A解析：cut函數(shù)可設(shè)定區(qū)間與標(biāo)簽，breaks含右端點(diǎn)，labels對(duì)應(yīng)區(qū)間名稱，A完整且無誤。5.對(duì)“中藥復(fù)方干預(yù)后血脂下降值”建立多重線性回歸，發(fā)現(xiàn)“年齡”與“基線血脂”高度相關(guān)（r=0.86，VIF=8.9），最佳處理策略為A.強(qiáng)制剔除“年齡”B.采用主成分回歸C.將兩變量中心化處理D.擴(kuò)大樣本量答案：B解析：VIF>10才嚴(yán)格剔除，8.9屬高度共線，主成分回歸可保留信息且降維，優(yōu)于簡單剔除。6.用GraphPadPrism9繪制中藥提取物對(duì)腫瘤體積的抑制曲線，橫軸為“給藥后天數(shù)”，縱軸為“相對(duì)腫瘤體積”，若需在同一圖內(nèi)展示兩組均值±SEM，應(yīng)選擇A.散點(diǎn)圖→帶連線的散點(diǎn)B.分組柱狀圖C.折線圖→均值與誤差線D.生存曲線答案：C解析：折線圖可表現(xiàn)時(shí)間趨勢(shì)，誤差線選SEM，符合重復(fù)測(cè)量資料展示規(guī)范。7.對(duì)“舌象評(píng)分”進(jìn)行Kappa一致性檢驗(yàn)，兩醫(yī)師評(píng)分為2×2列聯(lián)表，Kappa=0.42，其一致性強(qiáng)度屬于A.微弱B.輕度C.中度D.高度答案：C解析：Kappa0.41–0.60為中度一致，0.21–0.40輕度，>0.80高度。8.在Stata17中，擬合隨機(jī)效應(yīng)Meta分析，命令為A.metaneffectstderr,randomB.metaneffectlowerupper,fixedC.metasummarizeeffect,randomD.metaregeffect,wsse(stderr)答案：A解析：metan命令后加random選項(xiàng)即可調(diào)用DerSimonian-Laird隨機(jī)效應(yīng)模型。9.對(duì)“脈象參數(shù)”進(jìn)行聚類分析，欲確定最佳聚類數(shù)，可綜合參考A.輪廓系數(shù)與Calinski-Harabasz指數(shù)B.Bartlett球形檢驗(yàn)C.Levene檢驗(yàn)D.Shapiro-Wilk檢驗(yàn)答案：A解析：輪廓系數(shù)越接近1、CH指數(shù)越大，聚類效果越好；其余為方差或正態(tài)檢驗(yàn)。10.在Python的statsmodels庫中，執(zhí)行Logistic回歸后，輸出結(jié)果中“PR(>|z|)”對(duì)應(yīng)A.偏回歸系數(shù)B.標(biāo)準(zhǔn)誤C.P值D.優(yōu)勢(shì)比答案：C解析：PR(>|z|)即雙側(cè)Z檢驗(yàn)的P值，用于判斷變量顯著性。二、多項(xiàng)選擇題（每題3分，共15分）11.下列哪些情況適合采用非參數(shù)檢驗(yàn)A.方差不齊且樣本量小B.數(shù)據(jù)為等級(jí)資料C.變量呈明顯偏態(tài)D.總體分布未知E.大樣本且近似正態(tài)答案：ABCD解析：非參數(shù)檢驗(yàn)對(duì)分布無要求，等級(jí)、偏態(tài)、方差不齊、小樣本均適用；大樣本近似正態(tài)仍可用參數(shù)法，E不選。12.關(guān)于多重比較校正，下列說法正確的是A.Bonferroni法可降低Ⅰ型錯(cuò)誤B.TukeyHSD適用于所有兩兩比較C.FDR校正比Bonferroni更寬松D.預(yù)先計(jì)劃的小部分比較可不做校正E.校正后P值可能大于1答案：ABCD解析：E錯(cuò)誤，校正后P值仍≤1；其余均正確。13.在R的ggplot2中，可用于美化箱線圖元素的函數(shù)包括A.geom_boxplot()B.scale_fill_manual()C.theme_bw()D.coord_flip()E.stat_summary()答案：ABCDE解析：均可調(diào)整箱線圖顏色、主題、坐標(biāo)翻轉(zhuǎn)及添加統(tǒng)計(jì)摘要。14.對(duì)“中藥注射劑不良反應(yīng)”進(jìn)行信號(hào)挖掘，可采用A.比例報(bào)告比（PRR）B.報(bào)告優(yōu)勢(shì)比（ROR）C.貝葉斯置信傳播神經(jīng)網(wǎng)絡(luò)（BCPNN）D.多item伽馬泊松縮減（MGPS）E.Cox回歸答案：ABCD解析：E用于生存分析，不屬于信號(hào)挖掘算法。15.下列屬于診斷試驗(yàn)評(píng)價(jià)指標(biāo)的是A.靈敏度B.特異度C.似然比D.約登指數(shù)E.歸因危險(xiǎn)度答案：ABCD解析：歸因危險(xiǎn)度屬于隊(duì)列研究指標(biāo)，不屬于診斷試驗(yàn)。三、判斷題（每題1分，共10分）16.對(duì)同一數(shù)據(jù)既做t檢驗(yàn)又做Mann-WhitneyU檢驗(yàn)，若結(jié)論相反，應(yīng)以非參數(shù)結(jié)果為準(zhǔn)。答案：錯(cuò)解析：需先檢驗(yàn)假設(shè)，若正態(tài)且方差齊，t檢驗(yàn)效能更高，不能簡單以非參數(shù)為準(zhǔn)。17.在多重線性回歸中，標(biāo)準(zhǔn)化回歸系數(shù)可比較不同量綱變量的相對(duì)重要性。答案：對(duì)解析：標(biāo)準(zhǔn)化后系數(shù)無量綱，可直接比較。18.隨機(jī)效應(yīng)Meta分析中，τ2=0表示研究間無異質(zhì)性。答案：對(duì)解析：τ2為異質(zhì)性方差，等于0即無異質(zhì)性。19.對(duì)“穴位貼敷治療哮喘”進(jìn)行系統(tǒng)評(píng)價(jià)，納入RCT后發(fā)現(xiàn)Jadad評(píng)分均<3分，仍可進(jìn)行Meta分析，但證據(jù)等級(jí)降低。答案：對(duì)解析：低質(zhì)量RCT可合并，但推薦強(qiáng)度下降，需敏感性分析。20.在SPSS中，變量視圖將“小數(shù)”設(shè)為0，則數(shù)據(jù)視圖自動(dòng)四舍五入，原始精度丟失且無法恢復(fù)。答案：對(duì)解析：SPSS按顯示格式存儲(chǔ)，小數(shù)位截?cái)嗪蟛豢赡妗?1.對(duì)“中醫(yī)體質(zhì)分類”進(jìn)行機(jī)器學(xué)習(xí)，隨機(jī)森林的OOB誤差可用于內(nèi)部驗(yàn)證，無需額外交叉驗(yàn)證。答案：對(duì)解析：OOB誤差是無偏估計(jì)，可代替交叉驗(yàn)證。22.對(duì)“血府逐瘀湯干預(yù)后血液流變學(xué)”重復(fù)測(cè)量資料，若球形檢驗(yàn)P<0.05，可直接報(bào)告Greenhouse-Geisser校正結(jié)果。答案：對(duì)解析：違反球形假設(shè)需校正自由度，降低Ⅰ型錯(cuò)誤。23.在Stata中，使用“svy”前綴可調(diào)用復(fù)雜抽樣設(shè)計(jì)，使OR值更可信。答案：對(duì)解析：svy系列命令可調(diào)整抽樣權(quán)重、聚類、分層。24.對(duì)“針刺鎮(zhèn)痛”動(dòng)物實(shí)驗(yàn)，每組僅3只小鼠，仍可用單因素方差分析，只要數(shù)據(jù)正態(tài)。答案：錯(cuò)解析：樣本量過小，檢驗(yàn)效能不足，且無法可靠檢驗(yàn)正態(tài)性，宜用非參數(shù)。25.在Excel2021中，利用“分析工具庫”可進(jìn)行隨機(jī)分組，但無法實(shí)施分層隨機(jī)化。答案：錯(cuò)解析：通過輔助列與排序功能，可實(shí)現(xiàn)簡單分層隨機(jī)。四、簡答題（每題10分，共30分）26.某研究擬評(píng)價(jià)“加味逍遙散對(duì)肝郁脾虛證抑郁患者的療效”，主要結(jié)局為HAMD-17評(píng)分下降值，次要結(jié)局為中醫(yī)證候積分、血清5-HT水平。請(qǐng)寫出完整統(tǒng)計(jì)分析方案，包括樣本量估算、隨機(jī)化、盲法、統(tǒng)計(jì)模型、多重比較校正、缺失值處理、軟件實(shí)現(xiàn)細(xì)節(jié)。答案與解析：（1）樣本量：以HAMD-17下降值為主要指標(biāo)，預(yù)試驗(yàn)得對(duì)照組下降5±3分，預(yù)期中藥組多下降2.5分，設(shè)α=0.05（雙側(cè)），效能90%，采用兩獨(dú)立樣本t檢驗(yàn)公式：n=2[(Z_{1-α/2}+Z_{1-β})σ/δ]^2=2[(1.96+1.28)×3/2.5]^2≈37，考慮20%脫落，每組45例，共90例。（2）隨機(jī)化：采用中央隨機(jī)系統(tǒng)，按1:1分配，區(qū)組長度為4，分層因素為“性別、基線HAMD≥20分”。（3）盲法：雙盲，藥物與安慰劑顆粒外觀、氣味、包裝一致，設(shè)盲由獨(dú)立藥師完成，揭盲前研究者不知分組。（4）統(tǒng)計(jì)模型：主要結(jié)局采用協(xié)方差分析（ANCOVA），以基線HAMD為協(xié)變量，校正后比較調(diào)整均值；次要結(jié)局中中醫(yī)證候積分為等級(jí)資料，用Mann-WhitneyU；5-HT為正態(tài)，用ANCOVA。（5）多重比較：次要結(jié)局3個(gè)，采用Holm逐步法校正，保持族系錯(cuò)誤率α≤0.05。（6）缺失值：采用多重插補(bǔ)（m=20），基于基線HAMD、性別、年齡、分組變量，用Rmice包預(yù)測(cè)均值匹配法，插補(bǔ)后合并結(jié)果。（7）軟件：樣本量用PASS2022；隨機(jī)化用Stata17的“ralloc”命令；主要分析用SAS9.4PROCMIXED；次要非參數(shù)用SPSS28；插補(bǔ)用R4.3.1。（8）敏感性分析：①按方案集再分析；②不同插補(bǔ)模型；③剔除極端值。（9）結(jié)果報(bào)告：遵循CONSORT中藥擴(kuò)展聲明，提供流程圖、基線表、校正前后效應(yīng)值、95%CI、P值。27.某實(shí)驗(yàn)研究“不同煎煮時(shí)間對(duì)葛根芩連湯中黃芩苷溶出率的影響”，設(shè)5個(gè)水平（0、15、30、45、60min），每水平重復(fù)6次，資料呈正態(tài)但方差不齊。請(qǐng)寫出詳細(xì)分析步驟、代碼、結(jié)果解釋、圖形繪制、事后比較及專業(yè)結(jié)論。答案與解析：步驟1：數(shù)據(jù)錄入SPSS，變量“time”為分類變量，“baicalin”為連續(xù)變量。步驟2：方差齊性Levene檢驗(yàn)P=0.002，方差不齊，改用WelchANOVA。步驟3：SPSS操作：分析→比較均值→單因素ANOVA→選項(xiàng)→勾選Welch；事后選擇Games-Howell。步驟4：主要輸出：WelchF(4,15.6)=23.47，P<0.001，說明不同煎煮時(shí)間溶出率差異顯著。步驟5：事后比較：0min與15min均值差=-3.2mg/g，95%CI[-4.5,-1.9]，P<0.01；30min與60min差異無統(tǒng)計(jì)學(xué)意義（P=0.12）。步驟6：圖形：GraphPadPrism繪制箱線圖+散點(diǎn)疊加，橫軸time，縱軸baicalin，顏色區(qū)分組別，箱線顯示中位數(shù)與四分位，散點(diǎn)抖動(dòng)避免重疊，標(biāo)題“不同煎煮時(shí)間黃芩苷溶出率（n=6）”。步驟7：R代碼實(shí)現(xiàn)：```rlibrary(onewaytests)data<-read.csv("baicalin.csv")res<-welch.test(baicalin~time,data)pairwise.t.test(databalibrary(ggplot2)ggplot(data,aes(factor(time),baicalin,fill=factor(time)))+geom_boxplot(alpha=0.6)+geom_jitter(width=0.2)+theme_bw()```步驟8：專業(yè)結(jié)論：煎煮15min內(nèi)黃芩苷溶出率顯著升高，30min后趨于平臺(tái)，提示工業(yè)制備無需超過30min，以節(jié)約能耗。28.某回顧性隊(duì)列研究探討“益氣活血中藥對(duì)PCI術(shù)后主要心血管事件（MACE）的影響”，暴露組320例，非暴露組800例，隨訪2年。數(shù)據(jù)含年齡、性別、BMI、高血壓、糖尿病、血脂、術(shù)式、用藥時(shí)間等。請(qǐng)構(gòu)建Cox模型，詳述變量篩選、比例風(fēng)險(xiǎn)假定檢驗(yàn)、分層分析、競爭風(fēng)險(xiǎn)、軟件代碼、結(jié)果報(bào)告。答案與解析：（1）數(shù)據(jù)清理：Stata17導(dǎo)入Excel，變量MACE為0/1，stime為生存時(shí)間（天）。（2）變量篩選：①單因素Cox，P<0.1納入多因素；②共線性診斷，VIF>5剔除；③臨床強(qiáng)制納入“用藥時(shí)間”。（3）比例風(fēng)險(xiǎn)假定：Stata命令```stsetstime,failure(MACE)estatphtest,detail```全局P=0.18，>0.05，假定滿足；對(duì)“糖尿病”繪制Schoenfeld殘差，P=0.03，不滿足，采用分層Cox，按糖尿病分層。（4）競爭風(fēng)險(xiǎn)：死亡為競爭事件，采用Fine-Gray模型，R代碼```library(cmprsk)cov<-model.matrix(~age+sex+bmi+hypertension+TC+med_time)[,-1]fg<-crr(ftime,stime,fstatus,cov1=cov,failcode=1,cencode=0)summary(fg)```（5）最終模型：調(diào)整年齡、性別、BMI、高血壓、TC、用藥時(shí)間，分層糖尿病。Stata輸出：HR=0.72，95%CI[0.55,0.94]，P=0.016，提示益氣活血中藥降低MACE風(fēng)險(xiǎn)28%。（6）劑量反應(yīng)：將用藥時(shí)間按四分位分組，趨勢(shì)檢驗(yàn)P=0.008，呈L型曲線，拐點(diǎn)約6個(gè)月。（7）結(jié)果報(bào)告：遵循STROBE，附流程圖、基線表、HR森林圖、累積風(fēng)險(xiǎn)曲線；敏感性分析：①剔除30天內(nèi)MACE；②PSM1:1后Cox；③E值評(píng)估未測(cè)混雜，E=1.68，中等強(qiáng)度混雜才可能解釋結(jié)果。五、綜合應(yīng)用題（25分）29.數(shù)據(jù)文件“TCM_stroke.csv”包含200例缺血性卒中患者，變量：ID、group（0=對(duì)照，1=通竅活血湯）、age、sex、baseline_NIHSS（神經(jīng)功能缺損）、time_1w、time_2w、time_4w（第1、2、4周NIHSS）、complication（0/1）。研究目的：評(píng)價(jià)通竅活血湯對(duì)神經(jīng)功能恢復(fù)的動(dòng)態(tài)效果及并發(fā)癥影響。要求：（1）撰寫R代碼完成數(shù)據(jù)導(dǎo)入、變量衍生、基線比較、重復(fù)測(cè)量分析、并發(fā)癥比較、可視化、結(jié)果導(dǎo)出；（2）報(bào)告主要結(jié)果與專業(yè)解釋；（3）附核心圖表截圖描述（文字描述即可）。答案與解析：（1）R代碼```r加載包library(tidyverse);library(tableone);library(lme4);library(emmeans);library(ggeffects);library(openxlsx);library(corrplot)導(dǎo)入df<-read.csv("TCM_stroke.csv")%>%mutate(group=factor(group,labels=c("Control","Tongqiao")))基線比較tab1<-CreateTableOne(vars=c("age","sex","baseline_NIHSS"),strata="group",data=df,test=TRUE)print(tab1,smd=TRUE)重復(fù)測(cè)量轉(zhuǎn)換為長格式long<-df%>%pivot_longer(cols=c(time_1w,time_2w,time_4w),names_to="timepoint",values_to="NIHSS")%>%mutate(timepoint=as.numeric(str_extract(timepoint,"\\d")))線性混合模型mod<-lmer(NIHSS~group*timepoint+age+sex+baseline_NIHSS+(1|ID),data=long)summary(mod)邊際估計(jì)emm<-emmeans(mod,~group|timepoint)pairs(emm,adjust="bonf")可視化plt<-ggpredict(mod,terms=c("timepoint","group"))%>%plot(rawdata=T,jitter=T)+labs(y="EstimatedNIHSS",x="Weeks",title="LongitudinalRecoveryofNIHSS")+theme_bw()ggsave("stroke_NIHSS.pdf",width=6,height=4)并發(fā)癥比較comp<-table(dfgrchisq.test(comp,correct=FALSE)fisher.test(comp)導(dǎo)出結(jié)果write.xlsx(as.data.frame(tab1),"Table1.xlsx")```（2）結(jié)果：Table1顯示兩組年齡、性別、基線NIHSS差異無統(tǒng)計(jì)學(xué)意義（P>0.05，SMD<0.1），可比性好。混合模型：group×timepoint交互F=5.42，P=0.005，提示通竅活血湯效應(yīng)隨時(shí)間變化。邊際估計(jì)：第1周兩組NIHSS差異-0.8（95%CI-1.5~-0.1），P=0.028；第2周-1.5（-2.3~-0.7），P<0.001；第4周-1.7（-2.5~-0.9），P<0.001，效應(yīng)逐漸增大并趨于穩(wěn)定。并發(fā)癥：通竅活血湯組并發(fā)癥率8.0%，對(duì)照組18.0%，F(xiàn)isher精確P=0.032，OR=0.40（0.18–0.89），提示中藥降低并發(fā)癥風(fēng)險(xiǎn)60%。（3）圖形：PDF圖顯示兩條預(yù)測(cè)曲線，治療組下降更陡，95%置信帶不重疊于2–4周；散點(diǎn)提示個(gè)體差異，無嚴(yán)重離群。六、計(jì)算題（20分）30.某研究測(cè)定“丹參酮ⅡA納米乳”粒徑（nm