生物医学研究论文解说

生物医学工程回顾与展望生物医学工程(Biomedical Engineering,BME)是一门生物、医学和工程多学 科交叉的边缘科学，它是用现代科学技术的理论和方法，研究新材料、新技术、新仪器设备 ，用于防病、治病、保护人民健康，提高医学水平的一门新兴学科。 生物医学工程在国际上做为一个学科出现，始于20世纪50年代，特别是随着宇航技术的进步 、人类实现了登月计划以来，生物医学工程有了快速的发展。在我国，生物医学工程做为一 个专门学科起步于20世纪70年代，中国医学科学院、中国协和医科大学原院校长、我国著名 的医学家黄家驷院士是我国生物医学工程学科最早的倡导者。1977年中国协和医科大学生物 医学工程专业的创建、1980年中国生物医学工程学会的成立，有力地推进了我国生物医学工 程的发展。目前，我国许多高校科研单位均设有生物医学工程机构，从事着生物医学的科研 教学工作，在我国生物医学工程科学事业的发展中发挥着重要作用。 显微镜的发明 “解剖”一词由希腊语“Anatomia”转译而来，其意思是用 刀剖割，肉眼观察研究人体结构。17世纪Lee Wenhock发明了光学显微镜，推动了解剖学向 微观层次发展，使人们不但可以了解人体大体解剖的变化，而且可以进一步观察研究其细胞 形态结构的变化。随着光学显微镜的出现，医学领域相继诞生了细胞学、组织学、细胞病理 学，从而将医学研究提高到细胞形态学水平。 普通光学显微镜的分辨能力只能达到微米(μm)级水平，难以分辨病毒及细胞的超微细结构 、核结构、DNA等大分子结构。而20世纪60年代出现的电子显微镜，使人们能观察到纳米(nm )级的微小个体，研究细胞的超微结构。光学显微镜和电子显微镜的发明都是医学工程研究 的成果，它们对推动医学的发展起了重要作用。 影像学诊断飞跃进步 影像学诊断是20世纪医学诊断最重要发展最快的领域 之一。50年代X光透视和摄片是临床最常用的影像学诊断方法，而今天由于X线CT技术的出现 和应用，使影像学诊断水平发生了飞跃，从而极大地提高了临床诊断水平。即计算机体断层 摄影(computed tomography CT),即是利用计算机技术处理人体组织器官的切面显像。X线CT 片提供给医生的信息量，远远大于普通X线照片观察所得的信息。目前，螺旋CT(spiral CT 或helicalet CT)已经问世，能快速扫描和重建图像，在临床应用中取代了多数传统的CT， 提高了诊断准确率〔1〕。医学工程研究利用生物组织中氢、磷等原子的核磁共振(nu clear magnetic resonance)原理。研制成功了核磁共振计算机断层成像系统(MRI)，它不仅 可分辨病理解剖结构形态的变化，还能做到早期识别组织生化功能变化的信息，显示某些疾 病在早期价段的改变，有利于临床早期诊断。可以认为MRI工程的进步，促进了医学诊断学 向功能与形态相结合的方向发展，向超快速成像、准实时动态MRI、MRA、FMRI、MRS发展。 根据核医学示踪，利用正电子发射核素(18F，11C，13N)的原理，创造 的正电子发射体层摄影(PET)，是目前最先进的影像诊断技术。美国新闻媒体把PET列为十大 医学生物技术的榜首。PET问世不过30年历史，但它已显示出对肿瘤学、心脏病学、神经病 学、器官移植，新药开发等研究领域的重要价值〔2〕。影像学诊断水平的不断提高 ，与20世纪生物医学工程技术的发展密切相关。 介入医学问世 介入医学是一种微创伤的诊疗技术。Dotter和Judkin(1964 年)是最早使用介入技术治疗疾病的创始人，他们用导管对下肢动脉阻塞性病变进行扩张治 疗取得成功。1967年Margulis首先使用过介入放射学(Interventional Radiology)，这是医 学文献出现“介入”一词的最早记载。1977年 Gruenzing成功地进行了首例冠状动脉球囊扩 张术获得成功以后，介入性诊疗技术由于其创伤小、患者痛苦少，安全有效而倍受临床欢迎 。20世纪80年代随着生物医学工程的发展，高精度计算机化影像诊查仪器、数字减影血管造 影(DSA)、射频消融技术以及高分子(high-polymer)新材料制成的介入技术用的各种导管相 继问世，使介入性诊疗技术发生了飞速进步，临床应用范围不断扩大，从心血管、脑血管、 非血管管腔器官到某些恶性肿瘤等都具有使用介入诊疗的适应证，并使诊疗效果明显提高，患者可减免许多大手术之苦。有人把介入诊疗技术视 为与药物诊疗、手术诊疗并列的临床三大诊疗技术之一，也有人把介入诊疗技术称之为20世 纪发展起来的临床医学新领域--介入医学〔3，4〕。 人工器官的应用 当人体器官因病伤已不能用常规方法救治时，现代临床医疗技术有可能使用一种人工制造的装置来替代病损器官或补偿其生理功能，人们称这种装置 为人工器官(artificial organ)。如20世纪50年代以前，风湿性心脏瓣膜病的治疗，除了应 用抗风湿药物、强心药物对症治疗外，对病损的瓣膜很难修复改善，不少患者因心功能衰竭 死亡。而今天可以应用人工心肺机体外循环技术，在心脏停跳状态下切开心脏，进行更换人 工瓣膜或进行房、室间隔缺损的修补，使心脏瓣膜病、先天性心脏病患者恢复健康。心外科 之所以能达到今天这样的水平，主要是由于人工心肺机的问世和使用了人工心脏瓣膜、人工 血管等新材料、新技术的结果〔5〕。 肾功能衰竭、尿毒症患者愈后不良，而人工肾血液透析技术已挽救了大量肾病晚期患者的生 命，肾病治疗学也因此有了很大进步。 现代生物医学工程中人工器官的发展也非常迅速，除上述人工器官外，人工关节、人工心脏 起搏器、人工心脏、人工肝、人工肺等在临床都得到应用，使千千万万的患者恢复了健康。 可以说，人体各种器官除大脑不能用人工器官代替外，其余各器官都存在用人工器官替代的 可能性。 此外，放射医学、超声医学、激光医学、核医学、医用电子技术、计算机远程医疗技术等先 进的医疗技术和仪器设备都是现代医学工程研究开发的成果，综上可见，20世纪生物医学工 程的发展，显著提高了医学诊断和治疗水平，有力地推动着医学科学的进步。 21世纪生物医学工程展望 纵观医学新技术诞生和发展的 历史，从伦琴发现X线到今天X射线诊疗技术的发展，从朗兹万发现超声波到今天B超诊断的 广泛应用，从布洛赫和伯塞尔发现核磁共振到今天MRI的问世，从赫斯费尔德发明CT到今天C T成像系统的应用，都是以物理学工程技术为基础、医学需求为前提发展起来的医学新技术 。循着20世纪医学发展的轨迹，我们有理由预测21世纪新的医学诊疗技术可能在以下10个方 面有重大突破和创新： (1)各种诊疗仪器、实验装置趋向计算机化、智能化，远程医疗信 息网络化，诊疗用机器人将被广泛应用。〔6〕 (2)介入性微创，无创诊疗技术在临床医疗中占有越来越重要的地位。激光技术，纳米技术 和植入型超微机器人将在医疗各领域里发挥重要作用。 (3)医疗实践发现单一形态影像诊查仪器不能满足疾病早期诊断的需要。随着PET的问世和应 用，形态和功能相结合的新型检测系统将有大发展。非影像增显剂型心血管、脑血管影像诊 查系统将在21世纪问世。 (4)生物材料和组织工程将有较大发展，生物机械结合型、生物型人工器官将有新突破，人 工器官将在临床医疗中广泛应用。 (5)材料和药物相结合的新型给药技术和装置将有很大发展，植入型药物长效缓释材料，药 物贴覆透入材料，促上皮、组织生长可降解材料，可逆抗生育绝育材料、生物止血材料将有 新突破。 (6)未来医疗将由治疗型为主向预防保健型医疗模式转变。为此，用于社区、家庭、个人医 疗保健诊疗仪器，康复保健装置，以及微型健康自我监测医疗器械和用品将有广泛需求和应 用。 (7)除继续努力加强生物源性疾病防治外，对精神、心理、社会源性疾病的防治诊疗技术和 相应仪器设备的研制受到越来越多的重视与开发，研制精神分析、心理安抚、生物反馈型诊 疗技术和设备将是生物医学工程的新起点。 (8)创伤是造成青年人群死亡的主要原因，研制新型创伤防护装置、生命急救系统是未来生 物医学工程的重要课题。 (9)即将迎来的21世纪是分子生物学时代，有关分子生物学的诊疗新技术将快速发展，遗传 、疾病基因诊疗技术，生物技术和微电子技术相结合的DNA芯片、雪白芯片和诊疗系统将被 广泛应用。 (10)空气污染、环境污染严重危害着人类健康，研究和开发劳动保护、家庭保健、个人防护 用的人工气候微环境是未来不能忽视的问题。 1997年我国发布了关于卫生工作改革与发展的决定，提出了奋斗目标：“到2000年，基本实 现人人享有初级卫生保健”，到2010年国民健康的主要指标在经济发达地区达到或接近世界 中等发达国家水平，在欠发达地区达到发展中国家的先进水平。1999年国家科技部召开了“ 发展生物医学工程技术战略研讨会”，国家工程院开展了有关发展我国医疗器械工业战略研 究等，对推动生物医学工程产业发展、落实创新工程战略布置起着重要作用。20世纪人类与 疾病做斗争，在医学诊疗技术上取得了重大成就；但面向21世纪的巨大挑战，我们要动员起 来，调整政策，制定规划，改革医学研究教学的旧模式，发挥现代科学多学科交叉合作的优势，创建全新的生物医学，为人民造福。

生物医学动物实验研究论文

1实验设计

在开展生物医学研究时，研究者通过正确地运用统计学知识，可直接影响研究的质量。统计学设计的任务在于对研究的部署、实施，直到研究结果的解释进行系统的安排，力争做到以最少的人力、物力获得可靠的结论和信息。其目的在于确定某种处理是否会表现出某种特定的效应。在实验设计时应遵循惟一差异原则，即在进行两组比较时，两者之间仅有因处理因素不同而引起的差异，而其他实验条件相关的非处理因素都应保持等同。然而，处理组与对照组在反应上表现出的差别并不一定意味着是处理的结果。另有两种引起差别的可能性，即偏倚和偶然性。偏倚是指系统性差别，它不是因组间在处理上的不同所引起。生物医学实验中统计学设计和分析的目标就是消除潜在的偏倚，减少偶然性[2]。

实验的偏倚和控制

偏倚是在研究中从设计到实验实施和结果分析的各环节存在一些人为的、有系统倾向的非随机误差，它不是由于抽样造成的，而是某种偏性使得实验结果偏离它的真值。从所选择的生物医学问题到研究方案的制订与实施、实验的完成过程、实验的分析与解释，乃至实验结果的发表，均可能存在各式各样的偏倚[2]。这种偏倚常常表现为系统误差。偏倚的大小取决于研究的方法和具体的实验条件。常见的偏倚主要有选择性偏倚、观察性偏倚和混杂性偏倚。必须认识实验过程的偏倚，从实验设计起直到整个研究过程结束均要加以控制。正确的实验设计可控制选择性的偏倚，事前人为控制和采取相应的措施可避免和减少观察性的偏倚。对于混杂性偏倚，可将重要的混杂因素在设计阶段进行分层随机设计，使混杂因素在组间分布均衡；在统计分析阶段将混杂因素作为分层因素或采用有协变量分析方法，以消除混杂因素的影响。只有有效地控制或消除偏倚，方可减少结果的假阳性或假阴性。

减少偶然性的潜在影响

偶然性因素的作用可以减少，但不能完全排除。因为即使是在精心实施的研究中，接受同样处理的动物，其反应也不可能完全一样。适当的统计分析可使实验人员评估出现假阳性的概率，即根本不存在处理效应的情况下观察到差异的概率。这种概率越小，实验者发现真实效应的可能性就越大。为了更有把握地检测出真实效应，有必要减少偶然性的作用，并通过实验设计确保能在“噪声”之上识别真正的“信号”。

实验设计的要素

要消除生物医学实验中潜在的偏倚，减少偶然性，就应对实验对象、处理因素和实验效应这三个实验设计要素，按照对照、重复、随机化和均衡四项原则进行周到的设计与控制[3]。实验对象实验中处理因素所作用的对象称为实验对象。不同性质的实验研究需要选取不同种类的实验对象，一个完整的实验设计中所需实验对象的总数称为样本含量。生物医学试验中考虑动物实验对象时应关注以下几个方面：①动物种属的选择：选择实验动物的种属与品系时，尤其需要注意其背景反应的水平。为了将反应“信号”水平最大化，常常意味着应避免选择那些背景反应水平极低的动物种属或品系，但如果采用过度反应的动物种属或品系也同样会出现问题。动物物种选择中的其他问题，无论是实际问题（寿命、体型、易得性、对动物学特征的了解情况）或是理论问题（生化、生理或解剖结构与人的相似性），都需要从专业的角度认真加以考虑和权衡。②动物的数量：虽然从统计设计角度考虑可得出某项实验所需的动物数（样本含量），但所得出的数值往往很大。因此，虽然样本含量估计是保证结论可靠性（精度和检验效能）的前提，但基于实验的可操作性及经济原则方面的考虑，应结合统计学的计算结果与以往的生物医学研究经验予以确定。③动物的体重与年龄：为确保实验对象的同质性，实验中所使用的动物体重与年龄应尽可能相近；动物体重的标准差不应超出平均值的10%；啮齿类等小动物年龄相差不应超出1周，大动物年龄相差不应超出1个月。④动物的分层：为了准确检测一种处理因素引起的差别，各处理组在可能影响实验结果的其他非处理因素方面应尽可能具有同质性。当存在动物亚系间的差别时，有两种方法可得到更为准确的结论。一是在结果分析阶段将亚系作为一个“分层变量”处理，包括对两个亚系的结果进行单独分析，然后将结果综合，得出处理效应的总结论；二是将亚系作为实验设计的“区组因素”，这种情况下可使对照组与处理组中每个亚系动物数量相等。除以上所讨论的“亚系”之外，其他的非处理因素，如性别、窝别、体重段等也可作为分层变量进行局部控制，并据此进行分层随机化分组。处理因素设计实验研究时，要明确研究中的处理因素和影响实验效应的非处理因素。研究者希望通过对研究设计进行有计划的安排，从而能科学地考察其效应大小的因素称为处理因素或实验因素；研究者往往忽略对评价实验因素作用大小有一定干扰的重要的非处理因素或非实验因素（如动物的窝别、体重等）；其他未加控制的许多因素的综合作用统称为实验误差。实验结果是处理因素和非处理因素共同作用而产生的实验效应，因此如何控制和排除非处理因素的干扰，正确显示处理的效应，是实验设计的基本任务。实验效应实验效应是处理因素作用于受试对象的反应和结果，是反映实验因素作用强弱的标志，它通过观察指标（统计学常将指标称为变量）来体现。如果指标选择不当，未能准确反映处理因素的作用，获得的研究结果就缺乏科学性，因此选择好观察指标是关系整个研究成败的重要环节。指标的观察应避免带有偏性或偏倚，要结合专业知识，尽可能多地选用客观性强的指标，在仪器和试剂允许的条件下，应尽可能多选用特异性强、灵敏度高、准确可靠的客观指标。对一些半客观（如尿液pH试纸读数值）或主观指标（行为测量、病理观察），一定要事先规定读取数值的严格标准，只有这样才能准确地分析实验结果，从而提高实验结果的可信度。

实验设计的原则

为了防止结果的偏倚，保证实验结果的准确性和最大化的表达，在进行生物医学实验设计时必须遵循统计学设计的对照、重复、随机化和均衡四个基本原则。生物医学实验中对照组的设置必须具备三个条件：①对等原则，即惟一差别原则，除处理因素外，对照组具备与实验组对等的非处理因素。在相互比较的各组间，除了给予的处理因素不同外，其他方面应与实验组具有一致性，如相同的实验单位来源（动物种属、体重等）和相同的实验条件、操作方式和喂养环境等。②同步原则，对照组与实验组设立之后，在整个研究进程中始终处于同一空间和同一时间。③专设原则，任何一个对照组都是为相应的实验组专门设立的。不得借用文献上的记载或以往结果或其他研究资料作为本研究之对照。

生物医学中常用的实验设计类型

如果需要在同一实验中同时评价几种不同的效应，实验者应该安排能区别各自效应差别的实验设计方法。生物医学中常用的实验设计有以下几项。完全随机设计完全随机设计是生物医学动物实验中最为常用的一种实验设计方法，它是一种单因素有k个水平（k≥2）组的实验设计。即实验设计可设置一个对照或多个剂量组的实验方案。本设计保证每个实验动物都有相同机会接受任何一种处理，而不受实验人员主观倾向的影响。本设计应用了重复和随机化两个原则，因此能使实验结果受非处理因素的影响基本一致，真实反映出实验的处理效应。随机区组设计随机化完全区组设计，简称随机区组设计，又称配伍组设计，是配对设计的扩展，它将几个条件相同的受试者划分在同一个区组或配伍组，然后再按随机的原则，将同一配伍组的受试者随机分配到各实验组。该设计方法的优点是每个区组内的k个实验单位有较好的同质性，比完全随机设计更容易察觉处理间的差别。这种方法须特别注意的是要求区组内实验单位数与处理数相同，实验结果中若有缺失值，统计分析将损失部分信息。拉丁方设计拉丁方设计从横行和直列两个方向进行双重局部控制，使得横行和直列两向皆成区组，是比随机区组设计多一个区组因素的设计。在拉丁方设计中，每一行或每一列都成为一个完全区组，而每一处理在每一行或每一列都只出现一次，也就是说，在拉丁方设计中，实验处理数=横行区组数=直列区组数=实验处理的重复数。析因设计析因实验设计又称全因子实验设计，属于多因素、多水平单效应的设计。它不仅可以检验每一因素各水平之间的效应差异，而且可以检验各因素之间的交互作用。交互作用是指一个因素不同水平间的效应差受另一因素的影响，包括协同交互作用和拮抗交互作用。析因实验主要用于分析交互作用，当因素及水平数过多时，所需的实验对象数、处理组数和实验次数大幅度增加，故一般采用较简单的析因实验。含有较多因素和水平的实验一般采用正交实验设计[5]。

2生物医学动物实验的描述统计学

生物医学实验资料的类型

生物医学实验对实验对象（动物）进行干预后测定的观测指标通常有以下类型：①连续性数据：测定结果表现为有数字大小和单位的数据，统计上称定量资料，如生理、生化指标，体重值，器官重量等。②分类数据：测定结果表现为按某属性划分的定性类别，统计上称为定性资料，具体又可以分为二值资料、多值名义资料和多值有序资料。如某反应为出现或不出现，死亡或未死亡，有畸形或无畸形；病理损害的严重程度（无、轻度、中度、重度）等。

统计描述指标

描述性统计学（或归纳统计学）是对样本观察/测量数据频率分布的定量研究，描述性统计的目的在于：①对测量值或观察值进行归纳浓缩，用统计量、统计图或统计表的形式表现；②估计总体分布的参数。资料的整理与探索对于某一测量指标，一般应从文献资料中了解其分布类型。如果没有判断概率分布的理论基础，应重复以大样本测定，绘制样本的频数分布图（理论上样本量要大于100），并经统计学检验拟合其分布。数据的描述统计量①连续性数据的频数分布：通过对样本资料编制频数分布表或做茎叶图，以确定资料分布的类型、频数分布的集中趋势和离散趋势、估计总体参数，也便于发现离群值。②中心位置的描述统计量：描述数据分布的集中趋势，常用指标为算术均数、中位数、众数、几何均数等。③离散程度的描述统计量：描述数据分布的离散趋势，常用指标为标准差和方差、极差和四分位数间距、变异系数和离散系数等。④统计学图表：统计图包括连续性数据分布的直方图、茎叶图，表示数据中心位置和离散程度的点杆图（做图时表示均数和标准差）和盒须图（做图时表示中位数、极差、四分位数间距），描述构成比数据资料的百分条图、饼图，描述经时变化趋势的线图，以及预测和检验分布类型的概率-概率图（P-P图）等[6]。统计表具有简单、明了、易于理解、便于比较的优点。编制统计表时原则上应当重点突出、层次分明、避免层次过多或结构混乱。一般的统计表应为三线表，表中只有横线，无竖线和斜线。统计表的标目应层次清楚，不宜过于复杂。

3生物医学动物实验的假设检验

生物医学动物实验中最常见的情况是给予不同受试物后进行组间比较，通过统计学中的假设检验，说明受试物的作用。假设检验时应注意以下问题。

检验方法的选用依据

资料的类型和变量的数目不同类型的资料（定量、定性）的组间比较应采用不同的统计检验方法。单变量、多变量的`统计检验方法也各不相同。实验设计类型应该根据实验设计的具体类型选择对应的统计检验方法，以便得到处理组效应的真实结论。检验方法的前提条件选用假设检验方法前，应了解所分析的数据资料是否满足相应检验方法的前提条件，如t检验和方差分析等参数检验方法要求数据满足正态性和方差齐性，2检验要求样本含量大于40且理论频数大于5。

正态性检验及拟合优度检验

统计学假设检验须判定样本的频数分布是否符合某一理论分布，如符合要求就可按此理论分布来进行统计学处理。对正态分布可采用正态性检验，其他分布可用拟合优度检验。通常可通过查阅文献，了解实验参数符合何种理论分布。

方差齐性检验

连续性数据未达到参数法统计分析前提的第二种原因即为方差不齐。一般而言，数值愈大，其固有的变异性也愈大。例如，若某组动物的平均反应值为100，其数值范围可能为80~120；而另一组动物的平均反应值为300，其数值范围可能会扩大至240~360。解决方差不齐的措施是进行数据转换。若数据的标准差与平均值成正比，在统计分析前宜将数据转换为对数值之后再进行分析，据此，不仅数据的变异度与平均值大小无关，同时还可确保其更符合正态分布。若数据变异度增加幅度与平均值的关系不太明显，采用平方根转换则更易使数据的变异度与平均值大小无关。某些数据经对数或平方根转换后可能仍存在方差不齐，此时宜采用非参数检验。

单侧检验与双侧检验

检验假设选择单侧检验或双侧检验，应事先根据专业知识做出选择。一般而言，若研究目的仅须了解是否存在组间差异、实验者无法预测组间变化的方向以及实验者希望获得正负两方面的结果时，应采用双侧检验。若事先可预测组间差异的变化方向，实验者仅对某一方面的重要性感兴趣，实验者仅希望了解与对照组差异或正或负一个方向，则应采用单侧检验。此外，剂量设计预试验中应采用双侧检验，正式试验在了解相关信息后可采用单侧检验。

多重比较及多重性问题

生物医学实验经常在处理组和对照组之间做多个变量的比较。即使不存在真正的实验效应，也有可能纯粹由于偶然性而有一个或多个变量在5%检验水平出现显著性差别。除了上述均数多重比较导致Ⅰ类错误概率增加的多重性问题之外，其他的多重性问题还包括多次的中期分析、关注多个结局、亚组间的多重比较。处理多重性问题的原则包括：①预先计划进行多重比较；②限制比较的次数；③多重比较时采用更严格的界值标准；④多重比较具有生物学方面的依据。

观察值或实验对象的独立性

许多统计检验方法要求比较的观察值或实验对象相互独立，如二项分布的率检验、t检验和方差分析等。但是，有的生物医学实验中观察单位并不独立。例如，生殖和发育研究中就存在窝效应：由于遗传因素、宫内的发育环境和药物的代谢环境相似，与异窝胎仔相比，同窝胎仔之间对毒性效应的反应概率趋于系统，即同窝内数据为聚集性数据，这就是一种常见的非独立数据。在统计学分析时，忽略数据的窝内相关性具有潜在的风险；因同窝母鼠所产k个胎仔的观察值存在共性，其所提供的信息不及k个独立的来自不同母鼠所产胎仔所提供的信息；窝内相关性愈大，其信息量愈少。聚集性数据的均数标准误小于独立的数据，因此，若基于观察值独立的统计分析方法，就会增加犯Ⅰ类错误的概率，即假阳性的风险增加，降低实验的有效性。

历史对照数据的应用

某些情况下，尤其是在发生率较低的情况下，单项研究可能提示处理可影响肿瘤发生率，但无法得出明确的结论。可能想到的分析办法之一是将处理组的数据与来自其他研究的对照组动物相比较。虽然历史对照数据具有重要意义，但值得强调的是，众多原因可导致不同研究之间的变异度大于研究之内的变异度。动物来源、饲料及饲养条件，研究期限，研究中的动物死亡率、读片的病理学家等均可能影响最终的肿瘤发生率。故此，忽视这些差异，将处理组的肿瘤发生率与合并的对照组发生率相比较，可能得出严重错误的结果，并进而明显夸大统计显著性水平。Tarone[4]曾对历史对照组的比率数据分析进行过综述。

假设检验的局限性

首先，假设检验中的P值并未提供有关处理诱发效应大小的直接信息。某一受试物可诱发一定量的、反应的增加，但增加的幅度是否具有统计显著性则取决于研究的规模和数据的变异性。在规模较小的研究中，有可能错失较大、重要的效应，尤其是在检测终点测量精度不高的情况下。相反，在规模较大的研究中，较小、非重要的效应则具有统计显著性。例如，D药与C药相比，降血压效应相差近30mmHg，但因为例数仅10例，假设检验未发现显著性差异（P=）；相反，B药与A药相比，降血压效应仅相差，但因为例数达500例，假设检验却发现存在显著性差异（P<）。由此可见，统计学显著性与效应大小无直接相关性。因此，愈来愈多的统计学家主张以处理组与对照组差异值的95%置信区间表述处理的效应。据此，若处理反应的增加值为10个单位（95%置信区间3~17单位），则该区间包含真实差异的几率为95%。若置信区间的下限大于零，则双侧检验的P值小于。其次，假设检验无法消除实验设计或实施不当所带来的影响。虽然前述的分层分析等有助于发现真实的差异，但若实验设计存在偏倚，或实验实施过程中存在偏差或失误，假设检验方法一般也于事无补。因此，在生物医学实验过程中应注重对实验设计或实施过程进行严格的质量控制和质量保证措施，强化GLP规范意识。其三，对统计学分析本身的质量控制和质量保证也是确保研究质量的重要环节。所用统计分析软件包应经过充分的认证，以确保分析结果的准确、可靠性。数据的录入、核对和分析结果的报告与归档，均应制订并严格执行相关的标准操作规程。综上所述，在动物实验研究的多个环节，统计学中的相关理论和方法都能够发挥重要作用。统计学不仅可以保证结果的科学性和可靠性，在很多情况下也可以极大地提高研究效率，节约研究成本。在这里还必须强调，除了实验后期的数据分析以外，在实验方案的制定阶段也需要统计学人员的早期介入，这样有助于避免实验设计出现大的偏差和漏洞，有利于研究目标的顺利实现。