首页 > 文献资料
-
应用趋势季节模型预测法统计出院病人
本文应用趋势季节模型预测法,对我院出院病人进行统计分析,以时间数列的历史观察值作为依据,运用数学模型进行统计预测,其作用:(1)观察和研究客观现象发展变化的方向,发展变化的幅度,(2)观察和研究客观现象在研究期间的主要波动,为进一步研究季节波动做准备,(3)预测未来发展状态.
-
门诊量的预测
统计预测是根据预测对象发展变化的规律,估计和判断未来发展趋势的一种活动,遒过预测能有效地促进卫生事业有计划、按比例、快速协调发展.预测的方法很多,各种预测方法都有一定的局限性,预测结果正确与否,一方面取决于数据的准确性,另一方面也取决于预测方法及数学模型的确定.本文以时间数列的历史观察值作为依据,运用小乘法预测门诊人次,使统计指标的预测值更准确地反映出季节变动规律以及发展趋势.
-
第五讲如何对数据资料进行一般性统计分析
医学论文中常用的一些统计方法,如t检验、χ2检验,虽然计算简单,却容易出错.作者通过剖析医学科研论文中的正反两方面实例,以引起作者的足够重视.一、随机误差医学观察值不可避免地存在误差.统计上的误差概念专指随机误差(random error),即多种不可控制因素的影响造成的误差,大小没有方向性和系统性,如人体身高值、体重值及实验室检测结果.由于各种统计分析方法都需度量观察值的随机误差大小,因而在论文中表述统计结果时,都必须报告变异指标,如正态分布资料选用标准差s或±s,偏态分布资料选用四分位数间距或极差(大值~小值).统计指标的随机误差(与研究的样本大小有关,又称抽样误差),用标准误(standard error,s)表示,如样本均数的误差用s或±s表示,样本率p的误差用sp或p±sp表示.系统误差和过失误差不属于随机误差的范畴,必须在研究中尽可能杜绝,如测量仪器偏差、失灵、数据记录或计算机录入错误等.
-
定量资料的组间比较分析策略
临床许多研究的结局观察值都是定量资料,如血压值、血糖值、生活质量评分等.定量资料的组间比较方法较为丰富,且针对性比较强.不同的研究目的 、设计类型、数据分布所采用的方法也不尽相同.这些方法看似简单,却很容易混淆.本文主要介绍定量资料组间比较的分析策略,并对实际运用中常见的错误进行分析总结.
-
医学科研中的统计学方法简介(二)
计量资料的描述性分析指对原始数据的分布状态进行描述,包括两类指标,描述分布集中的位置或平均水平的指标及分布离散程度或离中趋势的指标.前者常用的有均数、几何均数及中位数,后者有方差、标准差和四分位数间距.分布状态有两种情况,即对称分布和偏态分布,前者指分布是以均数为中心,左右分布是对称的;后者指多数分布在数值偏小或偏大的一侧,左右不对称.常用均数和标准差来描述对称分布的两种状态,用中位数和四分位数来描述偏态分布.均数和标准差计算式如下:=Σx/n,s=[Σ(x-)2/(n-1)](1)/(2),为样本场数;Σx为全部观察值之和;n为样本含量;s为标准差;(n-1)为自由度,表示全部观察值中允许自由取值的观察值的个数.如x+y+z=10,受10的限制可以自由取值的只有两个,当x=2,y=3时,z就只能取5了.用有统计功能的计算器很容易获得与s.为计算中位数和四分位数间距,首先要介绍百分位数,将全部观察值由小到大排列后分成100等份,有99个分位点,第x分位点称为第x百分位数,用Px表示.Px把数列分成两部份,比x小的部份占x%,比x大的部份占(100-x)%.中位数M即第50百分位数P50,四分位数间距即第75和第25百分位数之差,用Q=QU-QL,QU=P75,QL=P25.PX=L+(i)/(f)(n*x%-ΣfL),式中L为第x百分位数所在组段的下限;i为该组段的组距;f为该组段的频数;ΣfL为该组段前一组的累积频数.举例如下,见表1.
-
关于均数与偏差
标准差(x±s),是用来反映变异程度,当两组观察值在单位相同、均数相近的情况下,标准差越大,说明观察值间的变异程度越大。即观察值围绕均数的分布较离散,均数的代表性较差。反之,标准差越小,表明观察值间的变异较小,观察值围绕均数的分布较密集,均数的代表性较好。
-
浅谈中位数在卫生统计中的运用
所谓中位数(median,简记为M),统计学基本原理定义为:是将一组观察值从大到小按顺序排列起来,位次居中的观察值就是中位数.因而全部观察值中,大于和小于中位数的观察值的个数相等.同时,本定义给定了中位数是一个位置平均数.是百分位数的特例,是特定的百分位数.本文仅以小学生身高体检为例来阐述中位数在卫生统计调查与分析中的运用.
-
医生小词典--重复测量数据的方差分析
重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后,分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值,或是通过重复测量同一个个体的不同部位或组织获得的指标的观察值。分析前要对重复测量数据间是否存在相关性进行球形检验,若该检验结果为 P ﹥0.05,说明重复测量数据间不存在相关性,测量数据符合 Huynh - Feldt 条件,可用单因素方差分析方法处理;若检验结果 P ﹤0.05,说明重复测量数据间存在相关性,不能用单因素方差分析方法处理。
-
利用(Xi-)si及ni进行多个样本均数比较的方差分析
多个样本均数比较的方差分析,是数值变量资料统计推断的一个重要内容,其中应用多的是单因素方差分析与双因素方差分析.就方差分析的基本思想而言,是将所有观察值的总变异按设计与研究的目的分解为两个或更多个部分.例如,单因素方差分析将总变异SS总分解为SS组内与SS组间,而双因素方差分析是将总变异SS总/分解为SS处理、SS区组与SS误差[1].以上不同来源变异的计算,如果利用目前各类教科书与参考书提供的计算公式,都离不开原始数值.当资料不提供原始数值,只给出各组的均数i、标准差si及样本例数ni时,上述不同来源的变异无法计算,方差分析便不能进行.尤其是医学期刊论文中,往往只提供各组的均数i、标准差si和样本例数ni,若要对方差分析的结论进行验证,现有的公式显然不能满足这个要求.本文通过标准差与离均差平方和之间的关系,导出一套利用均数、标准差及样本例数进行多个样本均数比数的方差分析F值的计算公式,不仅计算简单,而且易于理解.
-
使用SPSS作多变量观察值的ROC曲线分析
在临床医学中,采用金标准[1]来诊断是为理想的,如恶性肿瘤的病理诊断、血液疾病的骨髓诊断、传染性疾病的病原体诊断等等.但有时病人受客观情况的限制,无法利用金标准来诊断,医生仅能根据病人的临床表现对疾病作出诊断.如果医生只凭单项测量指标对病人作出诊断,往往较为主观和敏感性(sensitivity,或真阳性率)较低.综合利用多项测量指标对病人作出诊断,能大大提高正确诊断的敏感性.本文介绍如何使用SPSS的Binary Logistic和ROC Curve过程进行多变量(多项测量指标)观察值的ROC曲线分析,并且与单变量(单项测量指标)观察值的ROC曲线作比较,说明多变量观察值的ROC曲线作诊断的优点,使用线性内插法求诊断点(cutoff),后对某个体作出诊断.
-
门诊人次统计预测
本文以时间数列的历史观察值作为依据,运用数学模型进行统计预测,使统计指标的预测值更准确地反映出季节变动规律以及发展趋势.
-
高级计算器在普哇松配合计算中的应用
笔者使用CASIOfx-3600P计算器,先利用SD机能输入观察值,得到标准差、均数和样本含量,然后使用P1区程序输入频数,依次显示概率、理论频数和卡方值.操作简单、快速方便、结果准确,现介绍如下:
-
Moses变异度检验
原理与方法该检验由Moses在1963年提出.应用条件要求两个随机样本相互独立,总体分布连续,两样本分别由X1,X2,…,Xn1和Y1,Y2,…,Yn2构成.检验假设①双侧H0为σ1=σ2,即两样本变异度相等;H1为σ1≠σ2,即两样本变异度不等.②单侧:H0为σ1≥σ2,H1为σ1<σ2.③单侧:H0为σ1≤σ2,H1为σ1>σ2.Moses检验的基本思路和方法是,将X和Y样本随机地分别分为含量相等的数个子样本,计算每个子样本中观察值的离均差平方和即∑(X-)2和∑(Y-)2,然后对离均差平方和编排秩次,并应用Mann-Whitney位置检验法检验结果.具体方法及步骤如下.
-
顺序效应的Page检验
原理与方法对于随机区组设计的资料,通常检验的是各处理组的效应是否不同.而有时则随时间或地点或其他因素的变化,处理组的效应可以顺序增大或减小,这称为顺序效应.Page在1963年提出此检验用来处理具有顺序效应的资料.应用条件是一般以行为区组,列为处理组.区组与处理组之间无交互作用,区组的样本相互独立,变量是连续性的.分别按照每一区组内的观察值由小到大编排秩次.
-
神经网络模型在分析复杂性疾病多基因交互作用中的应用
复杂性疾病的发病机制复杂,受多个微效基因及环境因素的影响,并且普遍存在基因-环境、基因-基因的交互作用.选择何种方法对多基因之间的交互作用进行分析以评价其在疾病发生过程中的作用,是当今面临的大挑战.传统的统计分析方法存在多重检验、维度困扰、模型依赖等许多问题,其中维度困扰是指每增加一个基因位点,所需的样本量将呈指数倍增加,即使样本量较大,很可能出现某些基因型组合观察值太少甚至缺失的情况,这将导致交互作用效应参数估计的不准确[1].
-
数据包络分析法在医院临床科室相对效率评价中的应用
数据包络分析(data envelopment analysis, DEA)是著名运筹学A.Charnes 和W.W.Cooper 等学者1978 年在" 相对效率评价" 概念基础上发展起来的一种新的非参数分析方法,其实质是根据一组关于输入、输出指标的观察值来估计生产前沿面并以之进行综合效果评价,从而得出哪些单位投入过大、产出过小的意见~([1]).它不仅能够计算出决策单元之间的相对效率,而且也能为低效率单元指出投入过剩或是产出不足.
-
样本量估计及其在nQuery和SAS软件上的实现——均数比较(四)
1.2.1.5 Wilcoxon/Mann-Whitney秩和检验(连续变量)方法:Noether( 1987 )[9]给出Wilcoxon/MannWhitney秩和检验样本量计算公式为:2n=(Zα/s+Z1-β)2/3(P1-1/2)2 (1 -12)式中,p1为当备择假设成立时一组观察值小于另一组观察值的概率[例1 -11]一个两组平行随机对照的研究,以定量变量血细胞比容为评价指标,拟用Wilcoxon两样本秩和检验进行分析.假定两组的均数差为2.2,共同标准差为2.0.若采用平衡设计,取α=0.05,检验效能为90%,试估计样本量.
-
龙牙木根皮中新皂苷的结构鉴定
从龙牙木Aralia elata(Miq.)Seem.根皮中近又分离得到一个新的三萜皂苷,通过理化和谱学分析(MS、NMR),确定其结构为3-O-{[β-D-glucopyranosyl(1→2)]-[β-D-glucopyranosyl(1→3)-β-D-glucopyranosyl(1→3)]-β-D-glucopyranosyl]}echinocystic acid[1~3]。命名为辽东木皂苷ⅩⅤ(congmunoside ⅩⅤ)。结构见图1。 本皂苷为白色无定形粉末,Liebermann-Burchard反应和Molish反应均为阳性。HR-FAB MS给出分子式为C54H88O24观察值m/z:1143.5514[M+Na]+,(计算值C54H88O24Na:1143.5564)。正ESI-MS给出伪分子离子峰m/z:1143[M+Na]+,负ESI-MS给出伪分子离子峰m/z:1119[M—H]-。1H-NMR中有四个端基信号:5.63(1H,d,J=8.0 Hz),5.34(1H,d,J=8.0 Hz),5.12(1H,d,J=8.0 Hz),4.80(1H,d,J=8.0 Hz)。化合物经酸水解后薄层检查,只检出有葡萄糖。13C-NMR δ:123.2,145.1(C1
-
人群健康研究的统计学方法第二讲计量资料的统计描述
计量资料的统计描述包括三部分:平均水平描述、离散程度描述和正态分布.1 平均水平描述平均数(average)是描述计量资料常用的统计指标,它说明一组观察值的平均水平或中心位置.常用的平均数指标有算术均数(arithmetic mean)、几何均数(geometric mean)和中位数(median).
-
离散型相对危险度函数在病因研究中的应用
在病因学研究中,对危险因素的观察值为0的情况并不多见,此时离散型危险度函数是衡量危险因素危险度的好方法.