首页 > 文献资料
-
常见药理学数据处理错误的分析
药理学研究数据统计是建立在设计合理,客观观察,资料完整,记录准确的基础上,是分析样本,推论总体,透过偶然,找出规律的过程.统计分析的主要任务是进行显著性检验,而显著性检验是分析无效假设的概率(P),因此,经统计所得出的结论是概率性的,不是绝对的肯定和否定[1].熟悉统计学的基本概念,正确分析数据性质,就能恰当地选择统计方法,进行正确分析,得出正确结论.统计软件也无法帮助你进行数据性质的分析和选择正确的统计方法.很多数据处理错误是由实验设计不当引起的,而实验设计不当又是因为缺乏数据处理技能造成的,因此正确掌握数据处理方法可帮助进行合理的实验设计.现就药理学论文常见数据处理失误进行了分类,并对各类失误提出如下建议.
-
探讨整体自洽理念在脑血管病防治中的作用
脑血管病是21世纪人类健康的大威胁,目前尚无令人满意的防治手段.从循证医学的观点来看,现有许多医疗干预的有效性是相当不确定的.在这种背景下,几乎所有与脑血管病相关的学科都理直气壮地参与到该类疾病的诊治中来,所形成的恶性竞争,几近相互诋毁的程度.而作为一名科学工作者,当我们知道连数学这门演绎、推理、精确论证的学科都是不确定性的(见M.克莱因编著<数学:确定性的丧失>),我们就更清楚临床医学的疗效也只是概率性的结论,我们不能轻易否定其他学科的理论和经验基础.
-
数量性状位点在行为及精神病分子遗传学研究中的进展
数量遗传学的观点认为,人类的复杂行为大部分并不遵循孟德尔定律,而是与更加复杂的基因系统相关联,不仅如此,精神障碍也具有这样的遗传学基础.自从1975年Gelderman提出了数量性状位点(quantitative trait loci,QTLs)的概念后,在精神病分子遗传学领域的QTLs研究取得了迅速进展.所谓的QTLs是指参与控制某种数量性状、作用大小不完全相同而又相互协同和相互作用的基因系统.由这些基因系统决定的性状呈数量化分布,而不是"有"或"无"的二分式分布.其中任何一种基因的缺陷,对精神障碍的发生既非必要也非充分条件,而只能是某种精神障碍的危险因子.基因对行为的影响是以概率性事件出现,而非决定因素[1].
-
第五讲灵敏度分析在临床决策中的应用
通常情况下,在临床上由于病人病情的复杂性,医生在处理病人时要承受一定的风险,此时医生所做出的决策就是风险性型决策.风险型决策之所以有风险,是因为决策所依据的主要参数中,存在不确定性(即概率性)的参数,如果这些参数发生一点变化,或估计时不够准确,有一点出入又会产生怎样的结果呢?这时决策方案还如以前一样稳定吗?因此,应该对决策方案的稳定性进行分析和估计.这时所作的分析和估计就是灵敏度分析.
-
统计推断中检验效能的估计及应用
假设检验是统计推断的重要内容,它是应用数学上的反证法和小概率事件实际推断原理,根据样本统计量对总体作出推断,结论具有概率性[1].对于任何一次假设检验,不论其结论是拒绝H0,还是接受H0,都有判断错误的可能,即可能犯两类错误.第一类错误(也称Ⅰ型错误)是指拒绝了实际上成立的H0,其概率大小用a表示.假设检验时,研究者可根据研究的目的来确定α值的大小,如规定α=0.05(即犯第一类错误的概率为0.05),当拒绝H0时,则理论上100次抽样检验中平均有5次发生这样的错误.第二类错误(也称Ⅱ型错误)是指接受了实际不成立的H0,其概率大小用β来表示,β值的大小一般很难确切估计,只有与特定的H1结合起来才有意义.通常把1-β称为检验效能(也称把握度),它的意义是:当两总体确有差别时,按规定的检验水准.α能够发现该差别的能力.如1-β=0.90,则理论上在100次抽样检验中,平均有90次能够得出差别有统计学意义的结论.