医学SCI论文统计学处理与方法选择,论文,处理,EditSprings,艾德思

 对大量的数据进行必要的统计学分析,并将统计的结果展现在文章中用于论证论文的观点和理论.这是一篇医学文章中统计学应用最常见的情况.

那么,关于医学sci文章统计学处理与方式的选择,我们应该注意哪些内容?

一/关于统计学处理

在进行统计学处理时,首先要明白研究资料是计数资料还是计量资料,尽管是一个常识性的问题,但仍有不少作者搞混了.先分类再计数的资料叫计数资料,如A组30例,B组32例,可根据研究目的计算出阳性率/治愈率等.测定某项具体数值的资料叫计量资料,如身高/体重/脉搏/血压等许多物理诊断和化验结果.

在医学科研文章中,计数资料最常用的统计学方式是检验,计量资料最常用的是t检验.在研究设计时,就应根据研究资料的特点,决定假设检验的方式.在处理资料时,因均数和标准差是用来描述正态分布资料集中和离散趋势的指标,可否采用均数±标准差描述研究资料的分布特征,首先要看资料是否是正态分布,如果资料不是正态分布或者方差不齐时,应对资料进行转换处理,使其符合正态分布,方差齐性后采用t检验或方差分析,达不到上述要求,用秩和检验.

有的研究资料数据庞大,只能在表格描述中用阿.拉伯数字或特殊符号表示与比较对象的P值,如P>,P<,P<,无法一一给出具体的P值.但有的作者既不交代使用的统计学方式,也不给出具体的P值,直接列出P<或P>,认为差异有统计学意义或无统计学意义,使读者对无法判断结果的可靠性.

关于统计学方式的选择

一/两组或多组计量数据的比较

1.两组数据:

1)大样本数据或服从正态分布的小样本数据

(1)若方差齐性,则作成组t检验

(2)若方差不齐,则作t'检验或用成组的Wilcoxon秩和检验

2)小样本偏态分布数据,则用成组的Wilcoxon秩和检验

2. 多组数据:

1)若大样本数据或服从正态分布,并且方差齐性,则作完全随机的方差分析.如果方差分析的统计检验为有统计学意义,则进一步选择合适的方式(如:LSD检验,Bonferroni检验等)进行两两比较.

2)如果小样本的偏态分布数据或方差不齐,则作Kruskal Wallis的统计检验.如果Kruskal Wallis的统计检验为有统计学意义,则进一步选择合适的方式(如:用成组的Wilcoxon秩和检验,但用Bonferroni方式校正P值等)进行两两比较.

二/分类数据的统计分析

1.单样本数据与总体比较

1)二分类数据:

(1)小样本时:用二项分布进行确切概率法检验;

(2)大样本时:用U检验.

2)多分类数据:用Pearson c2检验(又称拟合优度检验).

2. 四格表数据

1)n>40并且所以理论数大于5,则用Pearson c2

2)n>40并且所以理论数大于1并且至少存在一个理论数<5,则用校正 c2或用Fisher's 确切概率法检验

3)n￡40或存在理论数<1,则用Fisher's 检验

3. 2×C表数据的统计分析

1)列变量为效应指标,并且为有序多分类变量,行变量为分组变量,则行评分的CMH c2或成组的Wilcoxon秩和检验

2)列变量为效应指标并且为二分类,列变量为有序多分类变量,则用趋势c2检验

3)行变量和列变量均为无序分类变量

(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%,则用Pearson c2

(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%,则用Fisher's 确切概率法检验

4. R×C表数据的统计分析

1)列变量为效应指标,并且为有序多分类变量,行变量为分组变量,则CMH c2或Kruskal Wallis的秩和检验

2)列变量为效应指标,并且为无序多分类变量,行变量为有序多分类变量,作none zero correlation analysis的CMH c2

3)列变量和行变量均为有序多分类变量,可以作Spearman相关分析

4)列变量和行变量均为无序多分类变量,

(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%,则用Pearson c2

(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%,则用Fisher's 确切概率法检验

三/两组或多组计量数据的比较

1.两组数据:

1)大样本数据或配对差值服从正态分布的小样本数据,作配对t检验

2)小样本并且差值呈偏态分布数据,则用Wilcoxon的符号配对秩检验

2.多组数据:

1)若大样本数据或残差服从正态分布,并且方差齐性,则作随机区组的方差分析.如果方差分析的统计检验为有统计学意义,则进一步作统计分析:选择合适的方式(如:LSD检验,Bonferroni检验等)进行两两比较.

2)如果小样本时,差值呈偏态分布数据或方差不齐,则作Fredman的统计检验.如果Fredman的统计检验为有统计学意义,则进一步作统计分析:选择合适的方式(如:用Wilcoxon的符号配对秩检验,但用Bonferroni方式校正P值等)进行两两比较.

四/回归分析

1.直线回归:如果回归分析中的残差服从正态分布(大样本时无需正态性),残差与自变量无趋势变化,则直线回归(单个自变量的线性回归,称为简单回归),否则应作适当的变换,使其满足上述条件.

2.多重线性回归:应变量(Y)为连续型变量(即计量数据),自变量(X1,X2,…,Xp)可以为连续型变量/有序分类变量或二分类变量.如果回归分析中的残差服从正态分布(大样本时无需正态性),残差与自变量无趋势变化,可以作多重线性回归.

1)观察性研究:可以用逐步线性回归寻找(拟)主要的影响因素

2)实验性研究:在保持主要研究因素变量(干预变量)外,可以适当地引入一些其它可能的混杂因素变量,以校正这些混杂因素对结果的混杂作用

3.二分类的Logistic回归:应变量为二分类变量,自变量(X1,X2,…,Xp)可以为连续型变量/有序分类变量或二分类变量.

1)非配对的情况:用非条件Logistic回归

(1)观察性研究:可以用逐步线性回归寻找(拟)主要的影响因素

(2)实验性研究:在保持主要研究因素变量(干预变量)外,可以适当地引入一些其它可能的混杂因素变量,以校正这些混杂因素对结果的混杂作用

2)配对的情况:用条件Logistic回归

(1)观察性研究:可以用逐步线性回归寻找(拟)主要的影响因素

(2)实验性研究:在保持主要研究因素变量(干预变量)外,可以适当地引入一些其它可能的混杂因素变量,以校正这些混杂因素对结果的混杂作用

更多科研论文服务，动动手指，请戳 论文润色、投稿期刊推荐、论文翻译润色、论文指导及修改、论文预审！

语言不过关被拒？美国EditSprings--专业英语论文润色翻译修改服务专家帮您！