第六章循证医学中常用的统计指标.pptVIP

循证医学中常用的统计指标 桂立辉 新乡医学院公共卫生学系 流行病与卫生统计学教研室 一、概述 临床研究的数据资料必须经过恰当的统计分析才能得出正确结论。 在循证医学实践中，无论是证据提供者或使用者，熟悉统计分析方法和指标都是十分必要的。 统计分析的目的 统计描述——反映某事物之数量特征或规律 统计推断——由样本信息推断总体特征 数据资料分类 数值资料（计量） 分类资料（计数和等级） 统计指标因而也分为数值资料指标与分类资料指标两类。 可信区间（confidence interval,CI） 是循证医学中常用的统计指标之一。 可信区间主要用于估计总体参数，从获取的样本数据资料估计某个指标的总体值（参数）。如，率的可信区间估计总体率，均数的可信区间估计总体均数。 可信区间在一定情况下可以代替假设检验，尤其是试验组与对照组某指标差值或比值的可信区间，在循证医学中更为常用。 如试验组与对照组某指标差值或比值的95%可信区间与α= 0.05的假设检验等价， 99%可信区间与α= 0.01的假设检验等价。 循证医学中常用的可信区间： 率的可信区间 两率差的可信区间 RR或OR的可信区间 均数的可信区间 两均数差值的可信区间 二、分类资料的指标 在循证医学的研究与实践中，除了有效率、死亡率、患病率、发病率等常用率的指标外，相对危险度（RR）、比值比（OR）及由此导出的其他指标也是循证医学中富有特色的指标。 目前，在循证医学中分类资料常用的描述指标主要有EER、CER、OR、RR、RRR、ARR、NNT、NNH等。 1、EER与CER 循证医学中预防和治疗性试验中，率可细分为EER和CER两类。 EER——试验组中某事件的发生率（experimental event rate, EER）如对某种暴露采用某些防治措施后该疾病的发生率。 CER——对照组中某事件的发生率（control event rate, CER）如对某种暴露不采取防治措施该疾病的发生率。 2、RD（率差）及可信区间 两个发生率的差即为率差，也称危险差(rate difference, risk difference, RD), 如试验组的发生率(EER)与对照组发生率(CER)的差，其大小可反映试验效应的大小。 两率差的可信区间由下式计算： |p1-p2|±uαSE(p1-p2)=RD±uαSE(p1-p2) 两率差的标准误： 两率差为0时，两组的某事件的发生率没有差别。 两率差的可信区间不包含0（上下限均大于0或上下限均小于0 ），则两个率有差别；反之，两率差的可信区间包含0，则无统计学意义。 例:某医师研究了阿司匹林治疗心肌梗死的效果,资料见下表 该试验结果的EER和CER计算结果为: EER=a/n1=15/125=12%, CER=c/n2=30/120=25% 阿斯匹林治疗心肌梗死的效果EER=15/125=12%，CER=30/120=25%，两者率的标准误： 该试验两率差（RD）的95%可信区间为： RD±uαSE(p1-p2)= （0.12-0.25）±1.96×0.049=-0.23～-0.03 该例两率差的可信区间为-0.23～-0.03，上下限均小于0（不包含0），两率有差别。可认为阿斯匹林可降低心肌梗死的病死率。 3、RR及可信区间 相对危险度RR（relative risk, RR）是前瞻性研究中较常用的指标，它是试验组某事件发生率P1与对照组某事件发生率P0之比，用于说明前者是后者的多少倍，常用来表示试验因素与疾病联系的强度及其在病因学上的意义大小。 RR计算的四格表： 组别 发病 未发病 例数 试验组 a(r1) b n1 对照组 c(r2) d n2 试验组的发生率为：p1=a/(a+b)=r1 /n1 对照组的发生率为： p0=c/(c+d)=r2 /n2 相对危险度按下式计算：RR=p1/p0=EER/CER 当RR=1时，可认为试验因素与疾病无关； 当RR≠1时，可认为试验因素与疾病有关； 当RR1时，可认为试验组发生率大于对照组； 当RR1时，可认为试验组发生率小于对照组； RR的可信区间,应采用自然对数进行计算，即应求RR的自然对数值ln(RR)和ln(RR)的标准误SE（lnRR ），其计算公式如下： ln(RR)的1-α可信区间为