10-传染病监测数据的统计分析.pdf
.传染病监测数据的统计分析康敏传染病预防控制所GDCDC(2013年8月)传染病监测数据的统计分析1/45.内容.1统计基础.2描述性统计.3统计推断GDCDC(2013年8月)传染病监测数据的统计分析2/45.统计基础内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析3/45.统计基础监测数据类型定量变量/数值变量I连续变量I离散变量定性变量/分类变量（二项、多项）I有序变量I名义变量.举例.年龄、性别、病情程度、年龄组、发病数、发病率、职业GDCDC(2013年8月)传染病监测数据的统计分析4/45.统计基础常用概率分布正态分布I“中间多，两头渐少，对称分布”二项分布I重复多次的独立试验I每次只出现两种对立结果的一种I且其概率相等Poisson分布I二项分布的极限分布I试验次数很多I结果发生的概率很小GDCDC(2013年8月)传染病监测数据的统计分析5/45.统计基础统计指标定量资料I算术均数，标准差I中位数，四分位数间距I几何均数I全距定性资料I频率，如：阳性率、构成比I强度，如：发病密度I比，如：性别比、OR、RRGDCDC(2013年8月)传染病监测数据的统计分析6/45.描述性统计内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析7/45.描述性统计主要统计内容疾病特征人群时间空间GDCDC(2013年8月)传染病监测数据的统计分析8/45.描述性统计疾病特征患病率发病率、罹患率死亡率病死率病程潜伏期GDCDC(2013年8月)传染病监测数据的统计分析9/45.描述性统计人群性别年龄组职业GDCDC(2013年8月)传染病监测数据的统计分析10/45.描述性统计时间爆发流行季节性波动长期趋势统计图直观反映GDCDC(2013年8月)传染病监测数据的统计分析11/45.描述性统计空间空间聚集：疫点、疫区流行病学地图GDCDC(2013年8月)传染病监测数据的统计分析12/45.统计推断内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析13/45.统计推断比较内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析14/45.统计推断比较定量资料的比较t检验I小样本，方差齐性，正态分布I单样本I两独立样本、两配对样本方差分析(ANOVA)I方差齐性，正态分布I两样本I多组样本I两两比较非参数检验GDCDC(2013年8月)传染病监测数据的统计分析15/45.统计推断比较定性资料的比较2检验I两组二分类：独立，配对I两组多分类I多组多分类I连续性校正IFisher确切概率法秩和检验GDCDC(2013年8月)传染病监测数据的统计分析16/45.统计推断关联内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析17/45.统计推断关联关联性分析相关分析IPearson相关ISpearman相关病因推断IRRIARIORGDCDC(2013年8月)传染病监测数据的统计分析18/45.统计推断关联相关系数步骤：I散点图，判断独立性和正态性I相关系数 rI假设检验 t检验.SPSS.散点图：Graphs Scatter/Dot Simple Scatter Define XXAxis Y Y Axis OKPearson相关：Analyze Correlate Bivariate X,Y Variables Correlation Coefficients Pearson OKGDCDC(2013年8月)传染病监测数据的统计分析19/45.统计推断回归内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析20/45.统计推断回归简单线性回归因变量是连续性变量时适用；自变量可是任何类型变量。回归系数1I当x增加1个单位时，y值变化量I测量结局变量（因变量y）和预测变量（自变量，x）之间的关联程度I常用最小二乘法，“LINE”GDCDC(2013年8月)传染病监测数据的统计分析21/45.统计推断回归例1某研究者调查了16个地区在某一固定时期内到中心医院的就诊率（Y），同时测定了每一地区中心点到医院的距离（X）。（线性回归.SAV）I欲了解就诊率是否与距离有关,应该如何分析？I某地区中心点到医院的距离为9千米，预测该地区的就诊率为多少？I相关与回归的区别和联系？GDCDC(2013年8月)传染病监测数据的统计分析22/45.统计推断回归线性回归分析思路绘制散点图估计线性回归方程假设检验（回归模型、回归系数）运用：预测、控制.SPSS实现.Analyze Regression Linear Y Dependent,X IndependentStatistics Estimates,confidence intervals,Model fit Continue Save Prediction intervals:Mean,Individual Continue OKGDCDC(2013年8月)传染病监测数据的统计分析23/45.统计推断回归例2年龄与冠心病的关系？GDCDC(2013年8月)传染病监测数据的统计分析24/45.统计推断回归结果2.1？GDCDC(2013年8月)传染病监测数据的统计分析25/45.统计推断回归结果2.2？CD=0.527+0.020 Age?GDCDC(2013年8月)传染病监测数据的统计分析26/45.统计推断回归结果2.3GDCDC(2013年8月)传染病监测数据的统计分析27/45.统计推断回归结果2.4?GDCDC(2013年8月)传染病监测数据的统计分析28/45.统计推断回归结果2.5许多生物学过程都符合S形曲线GDCDC(2013年8月)传染病监测数据的统计分析29/45.统计推断回归Logistic 回归当因变量是分类变量时，这是最重要的一个模型I二分类变量I多分类变量：无序或有序自变量可以是任何种类的变量.SPSS实现.Analyze Regression Binary logistic Y Dependents,XCovariates Method:Enter Continue Options CI forexp(B)95%Continue OKGDCDC(2013年8月)传染病监测数据的统计分析30/45.统计推断回归Logit 变换logit(pi)=ln(pi1 pi)logit(p)=0+jXjGDCDC(2013年8月)传染病监测数据的统计分析31/45.统计推断回归回归系数的解释logit(p)=ln(p1 p)=0+jXj(p1 p)=exp(0+jXj)ORj=Odds(Xj=1)Odds(Xj=0)=exp(0+j 1)exp(0+j 0)=exp(0+j j)=exp(j)OR=eGDCDC(2013年8月)传染病监测数据的统计分析32/45.统计推断时空聚集性分析内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析33/45.统计推断时空聚集性分析何谓时空聚集性分析？常用单一维度描述直观，缺乏定量统计分析时空二维分布特征什么区域？时期？高发？低发？GDCDC(2013年8月)传染病监测数据的统计分析34/45.统计推断时空聚集性分析理论基础基于假设的概率分布模型“在地图上创建时空二维扫描圆柱体，在各地域内移动扫描”；泊松广义似然函数（generalized likelihood,GLR）计算各扫描地区发病数是否异常；统计量：Log likelihood ratio,LLR.比较扫描窗口内、外的风险性；LLR越大，疾病发病风险越高。计算每一个聚集区的RR值和P值。GDCDC(2013年8月)传染病监测数据的统计分析35/45.统计推断时空聚集性分析SaTScan 软件介绍免费软件由Kulldorff的研究组在美国卫生部的资助下开发完成下载和使用说明请参考网址http:/www.satscan.org分析疾病在空间上或时空上的集聚分布，检验其分布是否具有统计显著性GDCDC(2013年8月)传染病监测数据的统计分析36/45.统计推断时空聚集性分析例3：R 疾病时空聚集性分析R 疾病在广东省的时间和空间上分布信息利用SaTScan回顾性分析R疾病在广东省的时空聚集性文件格式：.cas.pop.geoGDCDC(2013年8月)传染病监测数据的统计分析37/45.统计推断时空聚集性分析结果3GDCDC(2013年8月)传染病监测数据的统计分析38/45.统计推断Bootstrap分析方法应用内容.1统计基础.2描述性统计.3统计推断比较关联回归时空聚集性分析Bootstrap分析方法应用GDCDC(2013年8月)传染病监测数据的统计分析39/45.统计推断Bootstrap分析方法应用Bootstrap方法概述1979年Efron提出，以原样本自身数据有放回自助抽样从而进行统计推断方法。计算机技术发展，基于大量计算的统计思维。特别适用于总体假设未知、难以用常规方法。GDCDC(2013年8月)传染病监测数据的统计分析40/45自助法思想.统计推断Bootstrap分析方法应用例4：利用Bootstrap法进行中位数区间估计与比较控制介入时机对H疫情持续时间的影响I1-4天内介入，78起，疫情持续中位时间6天；I5-10天内介入，356起，疫情持续中位时间9天；I11天后介入，94起，疫情持续中位时间16天。GDCDC(2013年8月)传染病监测数据的统计分析42/45.统计推断Bootstrap分析方法应用结果4对三类不同时机介入的暴发疫情持续时间分别做Bootstrap,各抽样1000次。计算其中位数分布，以2.5%和97.5%分位数作为置信区间取值。结果：I1-4天内介入，疫情持续中位时间6天，95%CI(4,7)；I5-10天内介入，疫情持续中位时间9天，95%CI(8,10)；I11天后介入，疫情持续中位时间16天，95%CI(13,17)。GDCDC(2013年8月)传染病监测数据的统计分析43/45.结语结语防疫佬的统计方法：CDCC=CountD=DivideC=CompareGDCDC(2013年8月)传染病监测数据的统计分析44/45.结语结语防疫佬的统计方法：CDCC=CountD=DivideC=CompareGDCDC(2013年8月)传染病监测数据的统计分析44/45.结语结语防疫佬的统计方法：CDCC=CountD=DivideC=CompareGDCDC(2013年8月)传染病监测数据的统计分析44/45.结语结语防疫佬的统计方法：CDCC=CountD=DivideC=CompareGDCDC(2013年8月)传染病监测数据的统计分析44/45.结语统计学对于流行病学家的用途，犹如路灯灯杆对于酒鬼的用途-用来支持，而非照明。(佚名)TGDCDC(2013年8月)传染病监测数据的统计分析45/45
