What Do the Numbers Mean: Tools to Interpret Medical Literature

数字所代表的意义：医学文献的解读工具

演讲者: Harvard Medical School  Alyssa B. Dufour. Ph.D

那么什么是统计学？统计学是学习数据，测量控制交流不确定性的科学；而且它提供了控制科学和社会进步导航。统计学家运用统计思维和方法到自然科学，社会科学和商学的领域如天文学，生物学，教育学，经济学，工程学，基因学，市场学，医学，生理学，公共健康，运动等。生物统计学是统计学分支，用来推断生物学，公共健康和健康科学（如生物医学）的科学数据。生物统计学是一门关系到当我们分析生物医学数据时如何做决定的学科。这是进化的学科关系到用制定明确的规则补偿人类直觉的食物和研究设计的偏见。

 

统计学在研究中的目标是推断研究中发生的事和这些研究发现给研究外的人们提供的信息。他们能够帮你设计实验，公式化目标和假说，计算样本尺寸、力量，决定合适的方法分析数据，推断结果，写出文章手稿的结果和方法部分。

 

作者系统的介绍了以下几个基础统计学概念：

假说检测：用来分析机会在你的研究中的角色。用统计学检测决定我们是否能拒绝零假设。 H0表示没有区别。结论包括：这里有效果、区别；没有充分证据证明有效果、区别，我们不能证明没有区别。

P值：是得到检测统计的观察数据的可能性，或者是有更大的证据抵抗零假设的价值，如果零假设实际上是真的。且P值越小，零假设不成立的可能性越高。P值的阈值一般设为5%或1%，但还要根据不同的检测调整，完全随意。P值只能用来决定是否拒绝零假设，对于结果的精确没有提供任何信息。不同的测量会产生p值的变化。而且任何一个测试会产生显著p值只有样本容量足够大。P值通过测试统计学分布计算。

置信区间：一个95%的置信区间，即95%的值落入区间中。置信区间不一定是95%,也可以是90%和99%。置信区间取决于样本大小和标准偏差，样本越大，置信区间越窄；标准偏差越大，置信区间越窄。

P值和置信区间：如果置信区间不包括零假设，p值小于0.05.但是它们都不能告诉我们结果是否正确，或者在临床上很重要，但是小的p值在临床上没有意义。

I型和II型错误：零假设是没有治疗效果。当事实是没有效果，而你的结果是有效果，你的错误是I型错误。当事实是有效果，而你的结果是没有效果，你的错误是II型错误。所以I型错误只会在正面研究中发生，而我们把a水平降低可以避免。II型错误只会在负面研究中发生，幂方可以避免。通常我们宁愿接受很高的II型错误而不是很低的I型错误。

 

对于统计功效和样本规模，作者进行了以下阐述：假说检测分析结果是否是由于随机变化得到的。当结果有统计学意义（p<0.05）时，我们拒绝零假设。P值与尺寸大小有关。研究样本必须足够大时的科学或者临床意义也会有统计学意义。你能从你的样本得出有显著a水平的区别的结论依据的机会称为幂。幂值等同于测试敏感度。幂值分析的元素包括实验设计和分析方法，最小的有意义的可检测到的区别，测量变化性，统计学意义，幂方，尺寸大小。

 

最后，作者介绍了一些常用的效果测量手段：

可能性比概率在0-1，几率等于可能性/(1-可能性)。可能性的比率是相对风险和风险比率。几率值是0-正无穷，可能性等于几率/（1+几率）。如果是罕见的事件，可能性约等于几率。当样本尺寸较小时，它们会出现偏差。

β系数: 线性回归。展示了独立变化导致的依赖变化产生比例的改变。独立变化系数一个单位的变化导致结果的β改变。

风险率：通常在队列研究中，暴露的物体与非暴露的物体相比有（风险比例数值）倍的可能性得到结果。

让步比：通常用于病例对照研究。

 

问与答

问：您是如何认为p值和置信区间的？那个更有优势？

答：我认为两个都很重要。尽管置信区间相比p值给予我们更多的信息，所以二者选一的话我会展示置信区间。

问：您在演讲中展示了很多关于比例的数据例如风险比例和几率比例，会有一些混淆。您认为试验中有必要将比例数据都提供吗？

答：我认为险比例和几率比例对于我们推断分析结果都很重要，而且很多文献中会将它们都提供。

问：p值没有小于0.05是不是说明没有临床意义？

答：P值的阈值通常设为0.05，但不是一成不变的。如果你的研究结果又很重要的临床意义时，p值没有小于0.05也不能否定你的研究。