臨床研究統(tǒng)計分析病因?qū)W案例

王安國家神經(jīng)系統(tǒng)疾病臨床 對收集的數(shù)據(jù)概括、整理，選擇恰當?shù)挠媹D表和統(tǒng)計量來表達資料的特征規(guī)律。通過統(tǒng)計描述不僅可以對數(shù)據(jù)的概貌、分布、特征及變量間的關(guān)系有大致的了解，而且可發(fā)現(xiàn)數(shù)

量離散 多分舉例 、血壓、是否發(fā)病、血型（A\B\AB\0）治療效果（痊愈、顯效、有效、無效均幾均中數(shù)極間方標差變系計計數(shù)資頻數(shù)（頻率、百分比、構(gòu)成比等等級資頻數(shù)（頻率、百分比、構(gòu)成比中位（四分位數(shù)頻數(shù)（頻率均數(shù)±標準中位（四分位數(shù)頻數(shù)（頻率 首先

述（交叉表，四格表，列聯(lián)表血壓：130±20血壓：132±21樣本血壓：130±20樣本血壓：132±21

樣本量影響統(tǒng)計效力N=100,P>0.05N=1000,P<0.05為何所有檢驗都要通過P為何所有檢驗都要通過P多次檢驗，需要校正差異比 關(guān)聯(lián)性分分析變量之間是否存在某種聯(lián)相關(guān)關(guān)系分析：相關(guān)系依存關(guān)系分析：回歸分差異比 關(guān)聯(lián)性分分析變量之間是否存在某種聯(lián)相關(guān)關(guān)系分析：相關(guān)系依存關(guān)系分析：回歸分獨否

t’檢成組設(shè)計t檢t’檢成組設(shè)計t檢否Wilcoxon秩和Wilcoxon秩和檢配對t配對t檢為 均數(shù)差值正是 正獨

否單因素方差分析Wilcoxon符號秩和單因素方差分析Wilcoxon符號秩和檢兩因素或其他方差分析單因素兩因素或其他方差分析否Kruskal-Wails秩和Kruskal-Wails秩和檢重復測量的方差分析 重復測量的方差分析Friedman秩和檢Friedman秩和檢否四格表量McNemar配對卡方檢驗四格表量McNemar配對卡方檢驗卡方檢驗、精確概率法是R*CMcNemar-Bowker配對卡方卡方檢驗、精確概率法是R*CMcNemar-Bowker配對卡方卡方檢驗、精確概率法是 確定分組變量確定檢驗變量 確定分組變量確定檢驗變量確定分組變量確定統(tǒng)計方法進行分析：單因素方差確定分組變量確定統(tǒng)計方法進行分析：Kruskal-Wallis 確定分組變量確定檢驗變量確定統(tǒng)計方法進行分析：卡方檢驗、Fisher差異比 關(guān)聯(lián)性分分析變量之間是否存在某種聯(lián)相關(guān)關(guān)系分析：相關(guān)系依存關(guān)系分析：回歸分正相正相關(guān)分Pearson相關(guān)分Spearman相Spearman相關(guān)分確定統(tǒng)計方法進行分析：Pearson生存分析 完全數(shù)據(jù)（complete 截尾數(shù)據(jù)（刪失數(shù)據(jù)，censoreddata） KaplanMeier法（小樣本回歸分析（regressionysis)是確定Logistic回歸Logistic回歸COX比例風險多重線性回二分類因變量二分類因變量二分類Logistic回無序多類因無序多類因變無序多分類Logistic回分類型因變量有序多分類因變量有序多分類分類型因變量有序多分類因變量有序多分類Logistic回Cox比例風險Cox比例風險模多變量資料數(shù)據(jù)12┆n┆┆……………┆Y┆YY為二項分類變量——BinaryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)…Y1X2┆┆X┆ Y為二項分類變量——BinaryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)

Y為二項分類變量——BinaryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)

mRS: BinaryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)

：是否+時復發(fā)：是否+時

inaryLogisticY為多項分類變量—MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)

MMSE量NIHSS

naryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——Linear多變量資料數(shù)據(jù)12┆n┆┆……………┆Y┆YY為二項分類變量——BinaryLogisticY為多項分類變量——MultinomialLogisticRegressionY為有序分類變量——OrdinalLogisticRegressionY為生存時間與生存結(jié)局——CoxY為定量變量——LinearLogisticCox多重線性回數(shù)據(jù)類型分類變分類變量+定量LogisticCox多重線性回數(shù)據(jù)類型分類變分類變量+定量變數(shù)據(jù)類型變量篩選方Enter,forward,backward,參數(shù)估計方最大似然部分似然最小二乘參數(shù)解偏回歸系數(shù)樣本含至少變量數(shù)20至少變量數(shù)10應篩、校正混雜因素、預測與判Logistic回Cox回多重線性回數(shù)據(jù)類型分類變分類變量+時定量變數(shù)據(jù)類型變量篩選方Enter,forward,backward,參數(shù)估計方最大似然部分似然最小二乘參數(shù)解偏回歸系數(shù)樣本含至少變量數(shù)20至少變量數(shù)10應篩、校正混雜因素、預測與判數(shù)據(jù)內(nèi)容包括、、吸煙、飲酒、高血壓、糖 1.卒中的相關(guān)

單因素分析中P<0.21、Enter2、Forward:Conditional3、Forward:LR：5、BackwardConditional：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗，向后逐步選擇6、BackwardLR：以最大局部似然為基礎(chǔ)作似然比概率檢驗，向后逐步選擇自變1、Enter2、Forward:Conditional3、Forward:LR：5、BackwardConditional：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗，向后逐步選擇6、BackwardLR：以最大局部似然為基礎(chǔ)作似然比概率檢驗，向后逐步選擇自變1、Enter2、Forward:Conditional3、Forward:LR5、BackwardConditional：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗，向后逐步選擇6、BackwardLR：以最大局部似然為基礎(chǔ)作似然比概率檢驗，向后逐步選擇自變1、Enter2、Forward:Conditional3、Forward:LR：5、BackwardConditional：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗，向后逐步選擇6、BackwardLR：以最大局部似然為基礎(chǔ)作似然比概率檢驗，向后逐步選擇自變情況。BinaryLogistic過B:數(shù)據(jù)內(nèi)容包括、、吸煙、飲酒、高血壓、糖

研究中P<0.05的變?nèi)丝趯W，行 ，疾病相關(guān)變量等Title:AsymptomaticIntracranialArterialStenosisandMetabolicSPSS完全數(shù)據(jù)(completedata刪失數(shù)據(jù)(censoreddata)由于失訪、改變防治方案、研究工作結(jié)束等情況，使得部分不能隨訪到底，稱之為刪 確定結(jié)局變量的類型確定結(jié)局變量的類型方法（進入）---分類（ms,gender）---選項（exp,Model1Model2:校 Model3:校 ，吸煙，飲 有哪些 確定結(jié)局變量的類型12.分析---回歸---線性---因變量（TG）---自變量（age,gender,smoke,drink）---方法（步進）---統(tǒng)計（估算值，模型擬合， 度（Tolerance）Norusis 方差膨脹因子（VarianceinflationfactorVIF）Marquardt于1960 條件指數(shù)（ConditionIdex）：由Stewart等提出，當某些維度的該指標數(shù),smoke,drink）---方法（輸入）---統(tǒng)計（估算值，模型擬合， Model1Model2