医学研究数据管理与统计分析.ppt

1王建明公共卫生学院流行病与卫生统计学系公共卫生学院流行病与卫生统计学系SPSS软件应用（三）（三）医学研究数据管理与分析医学研究数据管理与分析2常用命令：常用命令：描述统计描述统计描述统计描述统计比较均值比较均值比较均值比较均值一般线性模型一般线性模型一般线性模型一般线性模型相关相关相关相关回归回归回归回归非参数检验非参数检验非参数检验非参数检验生存分析生存分析生存分析生存分析SPSSSPSS统计分析模块统计分析模块u统计描述统计描述u统计推断统计推断3一、均数的计算方法一、均数的计算方法计量资料的均数和标准差计算可采用上节课介绍计量资料的均数和标准差计算可采用上节课介绍的的分析分析描述统计描述统计*如果分组（如按性别）计算均数和标准差可以如果分组（如按性别）计算均数和标准差可以:(1)(1)拆分文件拆分文件 或或(2)(2)选择个案选择个案 或或(3)(3)分析分析 描述统计描述统计 探索探索还有什么方法吗？还有什么方法吗？4均数与均数间的比较均数与均数间的比较一、均数的计算方法一、均数的计算方法分析分析Analyze比较均值比较均值Compare Means均值均值Means试采用多种方法计算试采用多种方法计算example.savexample.sav中，男性和女性中，男性和女性的平均年龄与标准差。的平均年龄与标准差。分组变量分组变量可选的统计量可选的统计量可再添加分组变量可再添加分组变量5均数与均数间的比较均数与均数间的比较上例仅是对男女性年龄的均数和标准差进行了描上例仅是对男女性年龄的均数和标准差进行了描述，那么男性和女性的年龄差异是否存在统计学述，那么男性和女性的年龄差异是否存在统计学意义呢？意义呢？这类资料应该采用何种统计学检验方法？这类资料应该采用何种统计学检验方法？性别MeanStd.Deviation男55.109.991女54.579.500Total54.909.787age 6均数间的比较均数间的比较一、一、t t检验检验 1 1、样本均数与总体均数的比较、样本均数与总体均数的比较 2 2、完全随机设计（成组设计）的两样本均数的比较、完全随机设计（成组设计）的两样本均数的比较 3 3、配对设计的两样本均数比较、配对设计的两样本均数比较二、方差分析二、方差分析 1 1、完全随机设计（成组设计）的单因素方差分析、完全随机设计（成组设计）的单因素方差分析 2 2、随机区组设计（配伍设计）的两因素方差分析、随机区组设计（配伍设计）的两因素方差分析三、协方差分析三、协方差分析7样本均数与已知总体均数的比较样本均数与已知总体均数的比较8样本均数与已知总体均数的比较样本均数与已知总体均数的比较例：通过大量调查例：通过大量调查,已知某地正常男婴体重为已知某地正常男婴体重为3.26Kg,3.26Kg,某医生随机抽取某医生随机抽取2020名难产男婴，测得出名难产男婴，测得出生体重如下：问，该地难产男婴体重是否不同于生体重如下：问，该地难产男婴体重是否不同于本地正常男婴？本地正常男婴？3.5 3.5 3.2 3.5 3.3 3.0 3.3 3.2 3.4 2.7 3.4 3.6 3.5 2.8 3.4 2.9 3.5 3.5 4.0 4.0 SPSS 分析命令：分析命令：分析分析Analyze比较均值比较均值Compare Means单样本单样本t检验检验 One-Sample T Test数据库：one sample T test.sav9样本均数与已知总体均数的比较样本均数与已知总体均数的比较总体均数总体均数10样本均数与已知总体均数的比较样本均数与已知总体均数的比较结论：结论：不能认为难产男婴的出生体重与正常男婴不同。不能认为难产男婴的出生体重与正常男婴不同。P 值值自由度自由度t 值值11 成组比较成组比较t检验需注意：检验需注意：n个体之间相互独立n两组资料均取自正态分布的总体n满足方差齐性12完全随机设计（成组设计）两个样本均数的比较完全随机设计（成组设计）两个样本均数的比较例：某医生测得例：某医生测得1212名正常人和名正常人和1313名病毒性肝炎患者血清转铁名病毒性肝炎患者血清转铁蛋白含量（蛋白含量（g/Lg/L）结果如下：问肝炎患者和正常人血清转铁结果如下：问肝炎患者和正常人血清转铁蛋白含量有无差异？蛋白含量有无差异？病毒性肝炎患者：病毒性肝炎患者：2.34 2.47 2.22 2.31 2.36 2.38 2.15 2.57 2.19 2.25 2.28 2.31 2.42正常人：正常人：2.61 2.71 2.73 2.64 2.68 2.81 2.76 2.55 2.91 2.85 2.71 2.64Q：此类数据如何录入？：此类数据如何录入？数据库：Independent Samples T Test.sav13完全随机设计（成组设计）两个样本均数的比较完全随机设计（成组设计）两个样本均数的比较分析变分析变量量分组变分组变量量14完全随机设计（成组设计）两个样本均数的比较完全随机设计（成组设计）两个样本均数的比较统计描述统计描述方差齐性检验方差齐性检验结论：结论：病毒性肝炎患者与正常人血清转铁蛋白含量差病毒性肝炎患者与正常人血清转铁蛋白含量差异有统计学意义。异有统计学意义。1516配对配对t检验检验17配对设计的两个样本均数比较配对设计的两个样本均数比较（配对（配对t检验）检验）例：为比较某新药与常规药降血脂的效果，将性别相同、血例：为比较某新药与常规药降血脂的效果，将性别相同、血清总胆固醇水平相近的高血脂患者配成对子，每对中随机抽清总胆固醇水平相近的高血脂患者配成对子，每对中随机抽取一个人服用新药，另一个人服用常规药。服用一段时间后，取一个人服用新药，另一个人服用常规药。服用一段时间后，测得血清总胆固醇含量（测得血清总胆固醇含量（mmol/Lmmol/L）如下：问新药与常规药降）如下：问新药与常规药降血清总胆固醇效果是否相同？血清总胆固醇效果是否相同？新新 药：药：6.57 6.46 6.27 6.89 6.21 7.61 7.60 7.04 6.68 7.42常规药：常规药：6.00 6.83 5.97 7.28 6.30 6.64 7.38 7.00 6.03 7.22 SPSS 分析命令：分析命令：Q：此类数据如何录入？：此类数据如何录入？paired-sample T test.sav18配对设计的两个样本均数比较配对设计的两个样本均数比较选中欲比较的两个因素，再点击选中欲比较的两个因素，再点击 19配对设计的两个样本均数比较配对设计的两个样本均数比较结论：结论：不能认为新药与常规药降低血清总胆固醇的效不能认为新药与常规药降低血清总胆固醇的效果不同。果不同。配对差值配对差值20Q：能否采用我们前面学过的能否采用我们前面学过的单样本单样本T检验检验（样本均数与已知（样本均数与已知总体均数比较）总体均数比较）比较新药与常规药降血清总胆固醇效比较新药与常规药降血清总胆固醇效果是否相同？果是否相同？21Compute 计算产生一新变量计算产生一新变量 d,d=group1-group2检验检验 d=0222组均数比较可采用组均数比较可采用t-test多组均数如何比较？多组均数如何比较？23方差分析方差分析Analysis of Variance,ANOVA方差分析的目的：方差分析的目的：推断两个或多个总体均数是否相等推断两个或多个总体均数是否相等方差分析的使用条件：方差分析的使用条件：n各处理组样本来自正态总体各处理组样本来自正态总体n各样本是相互独立的随机样本各样本是相互独立的随机样本n各处理组的总体方差相等，即方差齐性各处理组的总体方差相等，即方差齐性24n方差分析的结果解释：方差分析的结果解释：方差分析的方差分析的F F 检验，当检验，当P0.05P0.05，可以认为各组总体均数，可以认为各组总体均数不等或不全相等，但并不可认为任意两组总体均数都有差不等或不全相等，但并不可认为任意两组总体均数都有差别。需要进一步作两两比较才能知道哪些组间有差别。别。需要进一步作两两比较才能知道哪些组间有差别。n多个样本均数间的两两比较多个样本均数间的两两比较 当样本组数大于当样本组数大于2 2时，不宜再用前述的时，不宜再用前述的t t检验分别作两两检验分别作两两比较，否则会增大犯第一类错误的概率。比较，否则会增大犯第一类错误的概率。n方差分析与方差分析与t t检验的联系检验的联系 t t检验可以看作时方差分析的特例检验可以看作时方差分析的特例:方差分析的注意事项方差分析的注意事项25完全随机设计方差分析完全随机设计方差分析（成组设计）（成组设计）2627完全随机设计（成组设计）的单因素方差分析完全随机设计（成组设计）的单因素方差分析1个因素，k个水平例：某社区随机抽取例：某社区随机抽取3030名糖尿病患者、糖耐量减低（名糖尿病患者、糖耐量减低（IGTIGT）者和正常）者和正常人进行载脂蛋白人进行载脂蛋白(mg/dl)(mg/dl)测定，结果如下：问三种人载脂蛋白水平有测定，结果如下：问三种人载脂蛋白水平有无差别？无差别？糖尿病患者：糖尿病患者：85.70 105.20 109.50 96.00 115.20 95.30 110.00 100.00 125.60 111.00 106.50IGT异常者：异常者：96.00 124.50 105.10 76.40 95.30 110.00 95.20 99.00 120.00正正 常常 人：人：144.00 117.00 110.00 109.00 103.00 123.00 127.00 121.00 159.00 115.00 方法一：方法一：Q：此类数据如何录入？：此类数据如何录入？One-way ANOVA.sav28完全随机设计（成组设计）的单因素方差分析完全随机设计（成组设计）的单因素方差分析1个因素，k个水平分组变量分组变量分析变量分析变量29方差齐性检验方差齐性检验输出描述统计量输出描述统计量30完全随机设计（成组设计）的单因素方差分析完全随机设计（成组设计）的单因素方差分析1个因素，k个水平结论：结论：可以认为三种人血清载脂蛋白水平有差别。可以认为三种人血清载脂蛋白水平有差别。但哪两组间有区别呢？但哪两组间有区别呢？31两两比较两两比较假定方差假定方差齐时齐时假定方差假定方差不齐时不齐时32两两比较两两比较33两两比较两两比较每两个均数进行比较AB、AC、BCABC34两两比较两两比较分别与对照组进行比较AC、BCABC（对照）35前述的方差分析还可以通过一般线性模型实现前述的方差分析还可以通过一般线性模型实现AnalyzeGeneral Linear ModelUnivariate因变量因变量分组变量分组变量协变量协变量36组间变异组间变异组内变异组内变异总变异总变异除了方差分析表不同以外，方法一和方除了方差分析表不同以外，方法一和方法二的其他输出结果是一致的：法二的其他输出结果是一致的：37 SPSS 分析命令：分析命令：AnalyzeGeneral Linear ModelUnivariate随机区组设计（配伍组设计）资料的方差分析随机区组设计（配伍组设计）资料的方差分析（1个研究因素a个水平，1个配伍组因素b个水平）例：为探索丹参对肢体缺血再灌注损伤的影响，将例：为探索丹参对肢体缺血再灌注损伤的影响，将3030只纯种只纯种新西兰实验用大白兔，按窝别相同、体重相近划分为新西兰实验用大白兔，按窝别相同、体重相近划分为10 10 个个区组区组。每个区组。每个区组3 3 只大白兔随机采用只大白兔随机采用A A、B B、C C 三种处理方案三种处理方案，即在松止血带前分别给予丹参即在松止血带前分别给予丹参2ml/kg2ml/kg、丹参、丹参1ml/kg1ml/kg、生理盐、生理盐水水2ml/kg2ml/kg，在松止血带前及松后，在松止血带前及松后1 1小时分别测定血中白蛋白小时分别测定血中白蛋白含量（含量（g/Lg/L），算出白蛋白减少量。问三种方案的处理效果），算出白蛋白减少量。问三种方案的处理效果是否不同？是否不同？GLM Univariate.sav38白蛋白减少量白蛋白减少量A A、B B、C C 三种处三种处理方案理方案区组因素（配伍组）区组因素（配伍组）39分组变量分组变量分析变量分析变量40分析主效应分析主效应或或交互作用交互作用分析所有主效分析所有主效应应和和交互作用交互作用41随机区组设计资料的方差分析随机区组设计资料的方差分析组间组间区组区组组内组内结论：结论：认为认为10 个区组的总体均数相同。但是，个区组的总体均数相同。但是，A、B、C 三种方案的三种方案的处理效果不全相同，即三个总体均数中至少有两个不同。至于三个总处理效果不全相同，即三个总体均数中至少有两个不同。至于三个总体均数中哪些不同，同样需要进行多个均数间的两两比较。体均数中哪些不同，同样需要进行多个均数间的两两比较。42随机区组设计资料的方差分析随机区组设计资料的方差分析结论：结论：认为认为A、B种方案的处理效果没有差异，但均与种方案的处理效果没有差异，但均与 C 种处理方案种处理方案的效果有差异，的效果有差异，松止血带前给予丹参能使血中白蛋白含量降低。松止血带前给予丹参能使血中白蛋白含量降低。SNK法法两两比较两两比较43协方差分析协方差分析Analysis of Covariance,ANCOVAANCOVA的目的的目的将协变量对因变量的影响从自变量中分离出去，可以将协变量对因变量的影响从自变量中分离出去，可以进一步提高实验精确度和统计检验灵敏度进一步提高实验精确度和统计检验灵敏度ANCOVA的适用条件的适用条件n各处理组样本来自正态总体各处理组样本来自正态总体n各样本是相互独立的随机样本各样本是相互独立的随机样本n各处理组的总体方差相等，即方差齐性各处理组的总体方差相等，即方差齐性n各组的回归斜率相等，即回归齐性各组的回归斜率相等，即回归齐性44一元协方差分析一元协方差分析例：研究镉作业工人暴露于烟尘的年数与肺活量的关系。按例：研究镉作业工人暴露于烟尘的年数与肺活量的关系。按暴露年数将工人分为两组：甲组暴露暴露年数将工人分为两组：甲组暴露 1010年，乙组暴露年，乙组暴露100.05），满足回归齐性的假定，因此可以），满足回归齐性的假定，因此可以采用采用ANCOVA。交互作用项交互作用项542、ANCOVA方法方法55结论：结论：扣除了年龄对肺活量的影响后，不能认为扣除了年龄对肺活量的影响后，不能认为甲、乙两组工人的肺活量有差别甲、乙两组工人的肺活量有差别。56分类变量的统计分析分类变量的统计分析 1 1、成组设计的两样本率比较、成组设计的两样本率比较 2 2、配对设计的两样本率比较、配对设计的两样本率比较 3 3、完全随机设计的多个样本率比较、完全随机设计的多个样本率比较57完全随机设计两个样本率的比较完全随机设计两个样本率的比较例例1 1：某中药在改变剂型前曾在临床观察：某中药在改变剂型前曾在临床观察152152例，治愈例，治愈129129例，例，未治愈未治愈2323例；改变剂型后又在临床观察例；改变剂型后又在临床观察130130例，治愈例，治愈101101例，例，未治愈未治愈2929例，能否得出新剂型疗效与旧剂型不同的结论？例，能否得出新剂型疗效与旧剂型不同的结论？疗效疗效合计合计治愈治愈未治愈未治愈新剂型新剂型1291292323152152旧剂型旧剂型1011012929130130合计合计2302305252282282crosstabs1.sav58完全随机设计两个样本率的比较完全随机设计两个样本率的比较59完全随机设计两个样本率的比较完全随机设计两个样本率的比较60SPSS 分析命令：分析命令：Descriptive StatisticsCrosstabs61行变量行变量列变量列变量62636465例例2 2：某矿石粉厂当生产一种矿石粉时，在数天内即有部分：某矿石粉厂当生产一种矿石粉时，在数天内即有部分工人患职业性皮炎，本生产季节开始，随机抽取工人患职业性皮炎，本生产季节开始，随机抽取1515名车间工名车间工人穿上新防护服，其中人穿上新防护服，其中1 1名患皮炎，其余名患皮炎，其余2828名工人仍穿旧防名工人仍穿旧防护服，其中护服，其中1010名患皮炎。生产一段时间后，检查两组工人皮名患皮炎。生产一段时间后，检查两组工人皮炎患病率，问两组工人皮炎患病率有无差异？炎患病率，问两组工人皮炎患病率有无差异？皮炎患病情况皮炎患病情况合计合计患病患病未患病未患病新防护服新防护服1 114141515旧防护服旧防护服101018182828合计合计111132324343crosstabs2.sav6667例例3 3：某医师：某医师A A药治疗药治疗9 9例病人，治愈例病人，治愈7 7人；用人；用B B药治疗药治疗1010例病人，治愈例病人，治愈1 1人，问两药疗效是否有差别？人，问两药疗效是否有差别？疗效疗效合计合计治愈治愈未治愈未治愈A A药药7 72 29 9B B药药1 19 91010合计合计8 811111919crosstabs3.sav6869配对设计两个样本率的比较配对设计两个样本率的比较例例1 1：分别用反向血凝法和酶标法对：分别用反向血凝法和酶标法对200200名献血员进行名献血员进行HBsAgHBsAg检测，结果如下，问两种检验方法检出率有无差异？检测，结果如下，问两种检验方法检出率有无差异？反向血凝法合计+-酶标法+-3018482150152合计32168200pair-crosstab.sav70方法一：交叉表方法一：交叉表 Crosstabs717273方法方法 二：非参数检验二：非参数检验 Nonparametric Test74非参数检验非参数检验 Nonparametric Test75非参数检验非参数检验 Nonparametric Test精确概率法精确概率法76完全随机设计的多个样本率的比较完全随机设计的多个样本率的比较例：某省从水氟含量不同的地区随机抽取例：某省从水氟含量不同的地区随机抽取10-1210-12岁儿童，进岁儿童，进行第一恒齿患病率的调查，问行第一恒齿患病率的调查，问3 3个地区第一恒齿患病率是否个地区第一恒齿患病率是否不同？不同？地区地区患病数患病数合计合计高氟区高氟区45457171干预区干预区31314646低氟区低氟区43434848合计合计11911916516577完全随机设计的多个样本率的比较完全随机设计的多个样本率的比较资料整理资料整理地区地区患病数患病数未患病数未患病数合计合计高氟区高氟区454526267171干预区干预区313115154646低氟区低氟区43435 54848合计合计1191194646165165crosstabs4.sav78SPSS 分析命令：分析命令：AnalyzeDescriptive StatisticsCrosstabs完全随机设计的多个样本率的比较完全随机设计的多个样本率的比较crosstabs4.sav79结论：结论：3 3个地区第一恒齿患病率不同或不全相同。个地区第一恒齿患病率不同或不全相同。80分层分析与混杂偏倚分层分析与混杂偏倚混杂偏倚（混杂偏倚（confounding bias）是指暴）是指暴露因素与疾病发生的相关（关联）程度露因素与疾病发生的相关（关联）程度受到其他因素的歪曲或干扰。受到其他因素的歪曲或干扰。由于一个或多个外来因素的存在，掩盖由于一个或多个外来因素的存在，掩盖或夸大了研究因素与疾病或夸大了研究因素与疾病(或事件或事件)的联系，的联系，从而部分或全部地歪曲了两者之间的真从而部分或全部地歪曲了两者之间的真实联系实联系 81混杂偏倚混杂偏倚 ConfoundingExposure OutcomeThird variable(Confounder)混杂因素具有下述三项特点：混杂因素具有下述三项特点：(1)混杂因素必须与所研究疾病的发生有关，是该疾病的危险混杂因素必须与所研究疾病的发生有关，是该疾病的危险因素之一。因素之一。(2)混杂因素必须与所研究因素有关。混杂因素必须与所研究因素有关。(3)混杂因素必须不是研究因素与疾病病因链上的中间环节或混杂因素必须不是研究因素与疾病病因链上的中间环节或中间步骤。中间步骤。82混杂偏倚的控制混杂偏倚的控制在设计阶段在设计阶段：可以通过配比、随机化分：可以通过配比、随机化分配或限制进入（选择混杂因素的某个层配或限制进入（选择混杂因素的某个层的对象）等方法来控制。的对象）等方法来控制。在统计分析阶段：在统计分析阶段：可采用标准化率分析、可采用标准化率分析、分层分析分层分析和多因素分析等来控制。和多因素分析等来控制。83M-H（Mantel-Haenszel）分层分析法分层分析法(1)对可能的混杂因素进行分层，在各层内对可能的混杂因素进行分层，在各层内混杂因素就不再可能对暴露与疾病关联混杂因素就不再可能对暴露与疾病关联起混杂干扰；起混杂干扰；(2)具备具备M-H方法的应用条件的前提方法的应用条件的前提,即判即判定层间定层间RR或或OR是否相等或相近；是否相等或相近；84AlcoholSmokingLung cancer饮酒与肺癌的病例对照研究饮酒与肺癌的病例对照研究（吸烟为可能的混杂因素）（吸烟为可能的混杂因素）85饮酒与肺癌的病例对照研究饮酒与肺癌的病例对照研究饮酒不饮酒合计肺癌病例241034对照264066合计5050100（吸烟为可能的混杂因素）（吸烟为可能的混杂因素）86(1)按可能的混杂因素吸烟分层按可能的混杂因素吸烟分层吸烟层(i=1)不吸烟层(i=2)饮酒不饮酒小计饮酒 不饮酒小计肺癌病例21627347对照9413173653合计30104020406087(2)异质性检验异质性检验判定层间关联效应水平是否同质，否则判定层间关联效应水平是否同质，否则不能应用不能应用M-H方法方法。按是否吸烟分层后，两层内的饮酒与肺按是否吸烟分层后，两层内的饮酒与肺癌的关联效应大小是同质的，可以应用癌的关联效应大小是同质的，可以应用M-H方法计算综合方法计算综合OR。88(3)计算综合或调整计算综合或调整OR，并与粗，并与粗OR比较比较 调整调整OR粗粗OR比较（比较（一一般而言，如果差值有般而言，如果差值有0.5以上的改变（以上的改变（RR或或OR1时）或者有时）或者有0.1以上的改变（以上的改变（RR或或OR描述统计描述统计交叉表交叉表M-H.sav91分层资料的卡方检验分层资料的卡方检验分层变量分层变量92分层资料的卡方检验分层资料的卡方检验计算计算OR值值层间齐性检验层间齐性检验合并合并OR值计算值计算93分层资料的卡方检验分层资料的卡方检验94分层资料的卡方检验分层资料的卡方检验 层间一致性检验层间一致性检验层间一致性检验层间一致性检验95分层资料的卡方检验分层资料的卡方检验结果显示：结果显示：在剔除了混杂因素性别的影响后，吸烟与肺在剔除了混杂因素性别的影响后，吸烟与肺癌仍然显著相关，即吸烟是导致肺癌发生的危险因素。癌仍然显著相关，即吸烟是导致肺癌发生的危险因素。96调整混杂因素后的综合调整混杂因素后的综合OR值，前提是层值，前提是层间具有一致性间具有一致性