医学论文常用统计学干货

医学统计学重点知识归纳如下：

1、统计学，是关于数据收集、整理、分析、表达和解释的普遍原理和方法。

2、研究对象：具有不确定性结果的事物。

3、统计学作用：能够透过偶然现象来探测其规律性，使研究结论具有科学性。

4、统计分析要点：正确选用统计分析方法，结合专业知识作出科学的结论。

5、医学统计学基本内容：统计设计、数据整理、统计描述、统计推断。

6、医学统计学中的基本概念

(1) 同质与变异

同质，指根据研究目的所确定的观察单位其性质应大致相同。

变异，指总体内的个体间存在的、绝对的差异。统计学通过对变异的研究来探索事物。

(2) 变量与数据类型

变量，是反映实验或观察对象生理、生化、解剖等特征的指标。

变量的观测值，称为数据，分为三种类型：定量数据，也称计量资料，指对每个观察单位某个变量用测量或其他定量方法准确获得的定量结果。（如身高、体重、血压、温度等）

定性数据，也称计数资料，指将观察单位按某种属性分组计数的定性观察结果。包括二分类、无序多分类。（进一步分为二分类和多分类，如性别分为男和女，血型分为A、B、O、AB等）

有序数据，也称半定量数据或等级资料，指将观察单位按某种属性的不同程度或次序分成等级后分组计数的观察结果，具有半定量性质。统计方法的选用与数据类型有密切的关系。

（3）总体与样本

总体，指根据研究目的确定的所有同质观察单位的全体，包括所有定义范围内的个体变量值。样本，是从研究总体中随机抽取部分有代表性的观察单位，对变量进行观测得到的数据。抽样，是从研究总体中随机抽取部分有代表性的观察单位。参数，指描述总体特征的指标。

统计量，指描述样本特征的指标。

（4）误差

误差，指观测值与真实值、统计量与参数之间的差别。可分为三种：系统误差，也称统计偏倚，是某种必然因素所致，不是偶然机遇造成的，误差的大小通常恒定，具有明确的方向性。随机测量误差，是偶然机遇所致，误差没有固定的大小和方向。

抽样误差，是抽样引起的统计量与参数间的差异。抽样误差主要来源于个体的变异。统计学主要研究抽样误差。

（5）概率

概率，是描述某事件发生可能性大小的量度。

必然事件，事件肯定发生，概率P(U)=l。

随机事件，事件可能发生，可能不发生，概率介于0_P(A)≤ 1;不可能事件，事件肯定不发生，概率P($)=0。

小概率事件，事件发生的可能性很小，概率P(A)≤、或P(A)≤。

科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。

一般常用的统计检验方法有：t 检验、卡方检验、方差分析和相关回归分析。统计检验方法的选择主要依据数据的类型(计量、计数) 、组数的多少(两组、多组) 、样本量的大小以及对比的方式(相互比较、配对比较) ,此外计量数据还要考虑分布形态和方差齐性等问题。