“卫生统计学”的版本间的差异
来自医学百科
（建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面） |
|||
| 第4行： | 第4行： | ||
<p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;"> | <p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;"> | ||
<strong>卫生统计学</strong>（Health Statistics / Medical Statistics），又称医学统计学，是一门运用<strong>[[概率论]]</strong>和<strong>[[数理统计]]</strong>的原理，来研究医学和卫生领域中数据的收集、整理和分析的学科。 | <strong>卫生统计学</strong>（Health Statistics / Medical Statistics），又称医学统计学，是一门运用<strong>[[概率论]]</strong>和<strong>[[数理统计]]</strong>的原理，来研究医学和卫生领域中数据的收集、整理和分析的学科。 | ||
| − | <br>它是<strong>[[循证医学]]</strong> (EBM) 的核心工具。因为生物体存在普遍的<strong>个体差异</strong>（Variability），我们无法仅凭一个个案就得出普遍规律。卫生统计学的作用就是从杂乱的变异中寻找客观规律，通过<strong>[[假设检验]]</strong>（如 | + | <br>它是<strong>[[循证医学]]</strong> (EBM) 的核心工具。因为生物体存在普遍的<strong>个体差异</strong>（Variability），我们无法仅凭一个个案就得出普遍规律。卫生统计学的作用就是从杂乱的变异中寻找客观规律，通过<strong>[[假设检验]]</strong>（如 <em>P</em> 值）来区分“偶然误差”与“本质差异”。它是评价新药疗效、追踪流行病趋势以及制定卫生政策的根本依据。 |
</p> | </p> | ||
</div> | </div> | ||
| 第40行： | 第40行： | ||
<tr> | <tr> | ||
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">关键指标</th> | <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">关键指标</th> | ||
| − | <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;"> | + | <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;"><em>P</em> 值, [[置信区间]]</td> |
</tr> | </tr> | ||
<tr> | <tr> | ||
| 第78行： | 第78行： | ||
</div> | </div> | ||
| − | <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">神坛上的 | + | <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">神坛上的 P 值：统计学意义 vs 临床意义</h2> |
<p style="margin: 15px 0; text-align: justify;"> | <p style="margin: 15px 0; text-align: justify;"> | ||
| − | + | <em>P</em> < 0.05 是医学论文发表的“金标准”，但它常被误读。 | |
</p> | </p> | ||
<div style="overflow-x: auto; margin: 20px auto;"> | <div style="overflow-x: auto; margin: 20px auto;"> | ||
| 第91行： | 第91行： | ||
<tr> | <tr> | ||
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">判断标准</td> | <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">判断标准</td> | ||
| − | <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong> | + | <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>P < 0.05</strong></td> |
| − | <td style="padding: 10px; border: 1px solid #cbd5e1;"> | + | <td style="padding: 10px; border: 1px solid #cbd5e1;">看效果的大小、副作用、成本。</td> |
</tr> | </tr> | ||
<tr> | <tr> | ||
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">含义</td> | <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">含义</td> | ||
<td style="padding: 10px; border: 1px solid #cbd5e1;">“这种差异不太可能是偶然造成的。”</td> | <td style="padding: 10px; border: 1px solid #cbd5e1;">“这种差异不太可能是偶然造成的。”</td> | ||
| − | <td style="padding: 10px; border: 1px solid #cbd5e1;"> | + | <td style="padding: 10px; border: 1px solid #cbd5e1;">“这种差异对患者的生命真的有价值。”</td> |
</tr> | </tr> | ||
<tr> | <tr> | ||
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">样本量影响</td> | <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">样本量影响</td> | ||
| − | <td style="padding: 10px; border: 1px solid #cbd5e1;">样本量极大时，极微小的差异也会有 | + | <td style="padding: 10px; border: 1px solid #cbd5e1;">样本量极大时，极微小的差异也会有 P < 0.05。</td> |
<td style="padding: 10px; border: 1px solid #cbd5e1;">与样本量无关，只关乎效果本身。</td> | <td style="padding: 10px; border: 1px solid #cbd5e1;">与样本量无关，只关乎效果本身。</td> | ||
</tr> | </tr> | ||
| 第107行： | 第107行： | ||
</div> | </div> | ||
<p style="font-size: 0.9em; color: #64748b; margin-top: 10px; border-left: 3px solid #cbd5e1; padding-left: 10px;"> | <p style="font-size: 0.9em; color: #64748b; margin-top: 10px; border-left: 3px solid #cbd5e1; padding-left: 10px;"> | ||
| − | <em>警示：一个新药如果能让血压下降 0.1 mmHg 且 | + | <em>警示：一个新药如果能让血压下降 0.1 mmHg 且 P < 0.01，它具有统计学意义，但毫无临床意义。</em> |
</p> | </p> | ||
| 第114行： | 第114行： | ||
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"> | <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"> | ||
| − | <strong>1. [[Confidence Interval]] (置信区间)：</strong> 比 | + | <strong>1. [[Confidence Interval]] (置信区间)：</strong> 比 <em>P</em> 值更重要的指标。通常是 95% CI。它不仅告诉我们“有没有差异”，还告诉我们“差异大概是多少”（范围），提供了精确度的信息。 |
</p> | </p> | ||
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"> | <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"> | ||
<strong>2. Type I & II Error (I型和II型错误)：</strong> | <strong>2. Type I & II Error (I型和II型错误)：</strong> | ||
| − | <br>• <strong>I型错误 ( | + | <br>• <strong>I型错误 (α)：</strong> 假阳性（冤枉好人）。本来无效，统计说有效。 |
| − | <br>• <strong>II型错误 ( | + | <br>• <strong>II型错误 (β)：</strong> 假阴性（放纵坏人）。本来有效，统计没发现。**[[效能]] (Power)** 就是 1 - β，科研设计时必须保证足够的样本量以提高效能。 |
</p> | </p> | ||
2026年2月6日 (五) 18:50的最新版本
卫生统计学（Health Statistics / Medical Statistics），又称医学统计学，是一门运用概率论和数理统计的原理，来研究医学和卫生领域中数据的收集、整理和分析的学科。
它是循证医学 (EBM) 的核心工具。因为生物体存在普遍的个体差异（Variability），我们无法仅凭一个个案就得出普遍规律。卫生统计学的作用就是从杂乱的变异中寻找客观规律，通过假设检验（如 P 值）来区分“偶然误差”与“本质差异”。它是评价新药疗效、追踪流行病趋势以及制定卫生政策的根本依据。
核心：设计决定命运
统计学不只是事后的数据处理，更重要的是事前的科研设计。设计如有缺陷，再高级的算法也无法挽救（Garbage In, Garbage Out）。
- 随机化 (Randomization)： 统计学的灵魂。通过随机分配（如抛硬币）将患者分入治疗组和对照组，确保两组在基线上的均衡，消除混杂偏倚。
- 对照 (Control)： “没有比较就没有鉴别”。设立安慰剂对照或标准治疗对照，以排除疾病自愈或心理作用（霍桑效应）的影响。
- 盲法 (Blinding)： 防止主观偏见。单盲（患者不知）、双盲（医患均不知）、三盲（统计师也不知）。
神坛上的 P 值：统计学意义 vs 临床意义
P < 0.05 是医学论文发表的“金标准”，但它常被误读。
| 概念 | 统计学意义 (Statistical Significance) | 临床意义 (Clinical Importance) |
|---|---|---|
| 判断标准 | P < 0.05 | 看效果的大小、副作用、成本。 |
| 含义 | “这种差异不太可能是偶然造成的。” | “这种差异对患者的生命真的有价值。” |
| 样本量影响 | 样本量极大时，极微小的差异也会有 P < 0.05。 | 与样本量无关，只关乎效果本身。 |
警示：一个新药如果能让血压下降 0.1 mmHg 且 P < 0.01，它具有统计学意义，但毫无临床意义。
关键相关概念 [Key Concepts]
1. Confidence Interval (置信区间)： 比 P 值更重要的指标。通常是 95% CI。它不仅告诉我们“有没有差异”，还告诉我们“差异大概是多少”（范围），提供了精确度的信息。
2. Type I & II Error (I型和II型错误)：
• I型错误 (α)： 假阳性（冤枉好人）。本来无效，统计说有效。
• II型错误 (β)： 假阴性（放纵坏人）。本来有效，统计没发现。**效能 (Power)** 就是 1 - β，科研设计时必须保证足够的样本量以提高效能。
3. Meta-analysis (Meta分析)： 统计学的集大成者。通过数学方法合并多个同类研究的结果，增加样本量，是循证医学证据金字塔的塔尖。
学术参考文献 [Academic Review]
[1] 孙振球, 徐勇勇. (2014). 医学统计学 (第4版). 人民卫生出版社.
[点评]：中国医学统计学的“红宝书”。研究生入学考试和科研工作的案头必备，严谨地阐述了统计学原理与SAS/SPSS操作。
[2] Altman DG. (1990). Practical Statistics for Medical Research. CRC Press.
[点评]：国际经典教材。作者是 BMJ 的统计学顾问，该书以“为了让医生读懂”而著称，极少堆砌公式，重在逻辑。
[3] Schulz KF, et al. (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ.
[点评]：临床试验报告的国际标准。规定了发论文时必须汇报的统计学细节（如随机化方法、样本量计算依据）。