1統計學應用中存在的常見問題

1.1單因素方差分析(ANOVA)兩兩比較誤用獨立樣本t檢驗單因素方差分析設計3組以上的均數比較,如果總體比較有差異,需進行兩兩比較,一般用SNK法或LSD法。但部分研究者卻將資料進行拆分,應用獨立樣本t檢驗進行兩兩比較,導致第Ⅰ類統計學錯誤發生率(假陽性率)增加,從而掉進了一個常見的“統計陷阱”,使所得結論可信度大大降低甚至得出錯誤結論。SNK法與LSD法雖然并非等價,實質是一致的。SNK法一般用于經方差分析結果具有統計學意義時才決定進行的兩兩事后比較,而LSD法可用于方差分析不足以具有統計學意義時也能進行兩兩比較[1]。比較兩種方法在SPSS的輸出結果形式,SNK是“分堆”比較,一目了然,對于組別數較多的研究更為好用,但沒有具體P值,而LSD是在進行“兩兩”比較時,能給出具體的P值。

1.2兩兩比較時檢驗水準的重新調定χ2檢驗或秩和檢驗3組以上整體比較有差異時,需應用分割法進行兩兩比較,這時檢驗水準應由原0.05調定為0.0167,否則會增加第Ⅰ類統計學錯誤的發生率。特別當P值處于0.0167~0.05時,按照P<0.0167的標準,差異無統計學意義,而按照P<0.05的標準,卻有意義,與事實相悖,出現假陽性,很容易得出錯誤結論。這種分割法有時很保守,當行列表資料分組多且為有序時可用Mantel-Haenszel卡方檢驗,也稱線性趨勢檢驗(testforlineartrend)或定序檢驗(Linear-by-Lineartest)[2]。統計路徑:用SPSS進行計數資料的趨勢檢驗,在輸出結果中讀取線性關聯檢驗統計量(Linear-by-LinearAssociation,LLA),如P<0.05可得出隨著病種級別的升高,檢測指標逐漸升高的趨勢。

1.3臨床診斷試驗中的統計學方法應用在臨床診斷試驗研究中,經常選取單項計量指標或者聯合計量指標以診斷某種疾病,若僅用初級統計學方法如t檢驗、單因素方差分析等往往不能有效挖掘信息,此時應采用受試者工作特征曲線(ROC)對檢測結果進行分析評價。ROC曲線分析基本原理是通過診斷界點的移動[3],獲得多對靈敏度和誤診率(1-特異度),以靈敏度為縱軸、誤診率為橫軸,連接各點繪制曲線,然后計算曲線下的面積,面積越大診斷價值越高。ROC曲線很直觀,能根據敏感性與特異性之和最大化原則自動產生最有效的診斷臨界點。具體路徑可以參考相關統計專著[3]。統計學處理一般描述為:采用SPSS(版次)統計軟件分析數據,對單項及聯合檢測結果作圖繪成ROC曲線,計算曲線下面積(AUC)和標準誤,其中聯合檢測結果變量即預測概率由Logistic回歸產生(也可以用判別分析得出)。計量資料應用-x±s表示,運用獨立樣本t檢驗及單因素方差分析,兩兩比較采用SNK及LSD法,計數資料采用χ2檢驗。檢驗水準為0.05。具體內容可據情而定。

1.4重復測量資料的方差分析誤用拆分文件的t檢驗或方差分析如研究共設3組,每位患者在3個時間點均查某項血指標,部分作者在處理此類數據時,常誤將縱向(同一時間點3組的比較)與橫向(同組3個時間點的比較)數據均應用拆分文件的t檢驗或單因素方差分析來處理,結果導致統計學第Ⅰ類錯誤發生。此組數據實質是重復測量資料,應采用重復測量資料的方差分析。SPSS中的統計路徑:數據-分析-一般線性模型-重復度量。研究者可以參考相關書籍進行處理[3]。

1.52×2析因設計及析因方差分析實驗是2×2析因設計時,分組有兩個因素,A與B,故分組為A、B、O、A+B,這個設計在析因設計研究中很常用,但常會出現分組設計正確,卻沒有用析因設計方差分析。析因設計與單因素方差分析不同[4],它不但能分析治療效果中處理因素的單獨效應和主效應,還能分析因素間的交互效應,并能提高檢驗效能。非統計專業的研究者進行析因分析可能稍有難度,可參考相關統計學書籍提供的統計步驟進行此類分析[3]。

1.6Meta分析Meta分析是循證醫學系統評價常用的方法[5],應用時需注意統計學處理中計數資料采用比值比(OR)作為效應變量。具體路徑:先進行異質性檢驗,當P>0.05時,認為同質,選擇固定模型;P≤0.05時,不同質,此時可采用敏感性分析或分層分析等異質性處理,使之達到同質后再選擇固定模型;若采用異質性處理仍未達到同質,則采用隨機模型,以上統計路徑均需交代清楚。Meta分析的結果是以“森林樹”體現的,審校中我們經常遇到作者繪制的“森林樹”左上角“文獻、對比、結果名稱”等內容顯示為“?”,這是由于部分版本的RevMan軟件不能輸入中文,此時可以考慮省去,或用Photo-shop軟件添加相應中文。Meta分析作為一種高級統計方法,專業性要求較高,作者可參考循證醫學類權威雜志上的文章格式,如《中國循證醫學雜志》中“論著•二次研究”欄目的循證文章。

2科技論文中統計學處理的相關表述

2.1資料與方法中具體統計路徑的描述“統計學處理”的內容常位于論文資料與方法的最后一段,一般來說包括統計軟件名稱及版次、統計描述、統計方法、檢驗標準等內容,亦可細致交待每個表格的具體統計方法。經典例子如下,“統計學處理:采用SPSS(版次)統計軟件分析數據。計量資料用均數±標準差表示,采用單因素方差分析,兩兩比較采用SNK法及LSD法。檢驗水準為0.05”。上述內容包括了大致的統計方法,即具體的統計路徑。此部分內容,沒有絕對統一的規定[6]。常見的問題有:統計學方法描述不全、內容過于簡單、存在粘貼抄寫痕跡等。如部分論文的統計學處理中提及“以α=0.05為檢驗水準,P<0.05為差異有統計學意義”這句話,這在統計學上實質是一個重復句,保留其一即可。

2.2結果中具體P值的標注現在的統計學處理手工計算的較少,一般均應用統計軟件,最常用的軟件如SPSS、SAS均能給出具體P值。但部分論文的結果表述中卻未標明具體P值,作為科技論文是不夠嚴謹的,建議作者在表述研究結果時注明具體P值,增加論文可信度的同時,可用于再次分析。

2.3表格制作統計表設計需規范,應體現統計設計內容。部分表格存在內容割裂、組別名稱違反表格簡潔化原則、表下注釋繁瑣、橫標目與縱標目顛倒等情況。建議作者寫作論文時參閱相關統計學教程及雜志稿約。醫學統計學教學在中國的醫學教育特別是高層次教育中舉足輕重。一項課題從一個好的創意開始到實施、結題,統計學方法始終貫徹其中。不管是臨床試驗研究、實驗性研究、觀察性研究,還是臨床測量誤差與診斷試驗,如果沒有規范性的統計設計、精確的統計分析、科學的統計學解釋與表述,很難獲得學術上的認可[1]。目前在統計學的具體應用中,研究課題開始設計時就有統計學專家參與已成為較流行的趨勢。許多專業統計學專家或研究者在不停的進行“統計基礎”的研究,以創造更多的數理統計方法。對于非統計專業的研究者來說,統計學的學習主要側重于應用。在應用統計學教學中,一般分為4個檔次或階段來進行,首先通過學習醫學統計學課本獲取統計學思想、原理和方法,其次學習統計軟件相關書籍掌握數據到統計結果的轉化,再學習統計表達與描述書籍達到書寫統計學報告能力,最后可以學習如何出具統計審閱報告。醫學科技工作者亦可按照這個順序學習以提高統計能力。