医学研究结论的统计学推断_姚晨

讲座 医学研究结论的统计学推断

姚 晨

(北京大学第一医院医学统计室,北京 100034)

[关键词]统计学,医学;生物医学研究;数据说明,统计学

[中图分类号]R195 1 [文献标识码]A [文章编号]1671-167X(2007)02-0213-04

医学研究的任务在于从偶然的医学现象中发现必然的医学规律,为了研究医学总体属性变化的规律,常常采用抽样研究方法进行实验,所获研究数据也是样本研究结果。在上一讲中,重点介绍了实验研究样本数据的描述和结果表达方法。但医学研究的目的不是对所完成实验结果的解释,而是获得能适合于整个研究总体的医学结论。由于生物医学研究领域中的实验结果往往是不确定的,所以描述不确定现象、通过重复观察发现不确定现象背后隐藏的统计学规律是统计推断的显著特征。

1 统计推断的必要性

在医学研究报告中,常常要求所报告的医学研究结论需要有统计学处理(或分析)。统计学分析不仅要有前一讲所述的有关研究样本的统计描述,还需有通过样本信息获得的可能研究结论并进行必要的统计推断,这是因为在抽样研究中,抽样误差不可避免,误差产生的根本原因是生物个体的变异性,但数理统计已证明,当研究样本达到一定数量时,抽样误差的分布具有一定的统计规律性,这为通过一定样本信息来推断和估计总体的某些规律提供了理论依据和相应的统计方法。

现举一个临床试验的实例来阐明医学研究结论统计推断的必要性。某临床医生为评价某药物治疗骨关节疼痛的临床疗效,采用了随机双盲双模拟、阳性药平行对照设计,即从临床诊断为骨关节病的患者(研究总体),其骨关节疼痛视觉模拟评分(VA S)在60分以上者中,筛选出240名符合入选/排除标准的合格受试者(试验样本),受试者随机分入试验组和对照组中,接受不同的药物干预治疗,两组在8周治疗结束时,主要疗效指标VA S变化见表1。

从表1中两组VAS评分的基线水平来看,虽然在试验开始前所有受试者均来自同一研究总体,即符合入选标准的骨关节疼痛患者,但两组VA S平均得分不尽相同,由此可见抽样误差导致了来自同一总体的两个不同样本均数的不同,这就要求在通过样本研究结果下医学结论时,必须要考虑抽样误差的影响。在观察对两个研究样本的受试者分别采用两种不同药物的干预治疗8周后的研究终点的VA S变化时,不仅要考虑抽样误差的影响,还要考虑不同干预因素对VAS 评分的影响。因此,对来自同一总体的一个个体来说,VAS 的变化是不确定的,而对于一个具有较大样本含量的研究样本来说,观察指标的变化就有可能呈现出某一个方向发展或某属性有确定联系的趋势。如各组治疗前后VA S变化采用配对样本t检验,对于一个患者治疗前后VA S变化值(d)的取值有可能取正值,也有可能取负值,而对于足够的样本d 的变化规律就有可能比较明确。统计推断正是通过大量的偶然性去揭示总体发展的必然规律。

表1 两组患者治疗前后骨关节疼痛视觉模拟评分(VAS)变化

(I TT分析人群)

试验组(n=120)对照组(n=120)

基线水平

x s65.87 15.3167.38 13.28

95%C I(63.13,68.61)(65.00,69.76)

治疗终点(LOCF)

x s46.56 22.3447.43 24.85

95%C I(42.49,50.63)(42.98,51.88)

相对于基线的变化

x s-20.44 22.76-20.01 23.94

95%C I(-24.51,-16.37)(-24.29,-15.73) P值(a)<0.001<0.001

变化值之差(试验组-对照组)

x s x(b)-1.43 2.75

95%C I(-6.82, 3.96)

P值(c)0.599

LOCF:末次结果结转(一种对随访资料中缺失数据估计方法);

(a):采用配对t检验计算治疗组内差异检验的P值;(b):采用最小二乘均数估计的均数和标准误;(c):采用协方差分析模型计算治疗组间差异检验的P值,该模型调整了基线VAS评分和试验中心因素的影响。

2 统计推断的基本内容与方法

统计学上将描述样本特征值的指标称为统计量,如样本均数、样本率和样本相关系数等;而将描述总体特征值的指标称为总体参数,相应地有总体均数、总体率和总体相关系数等。统计推断是基于一定样本实验数据对总体特征值所做的推断,主要包括总体参数的估计和总体参数的假设检验两部分内容。

由于医学研究总体常常是无限总体,通常只能借助于从总体中抽取部分足够数量的有代表性的样本,通过观察和检测样本来了解研究总体的规律。这种从研究的目标总体中抽取部分有代表性的样本,用统计量(如样本均数 x,样本率

213

北京大学学报(医学版)

J OURNAL OF PEK I NG UN I VERS I TY(HEALTH SC I ENCES) Vo.l39 No.2 Ap r.2007

P )来推断总体参数(如总体均数 ,总体率 )的方法称为抽样研究(samp li ng study)。抽样研究的目的是为了对研究总体进行统计推断。

在抽样研究中,统计学把样本统计量之间或样本与总体参数之间的差别称为抽样误差(samp li ng e rror),如 x 与 的差别,P 与 的差别等。产生抽样误差的根本原因是生物个体相应指标值存在的变异性。因此抽样误差具有客观性,只要抽样时样本数量小于总体规模,抽样误差必然出现。为了区别反映个体值变异的标准差与反映统计量变异的标准差,统计上称统计量(如样本均数 x 、样本率p 等)的标准差为标准误(standa rd erro r ,s x )。标准误是衡量统计量(如样本均数 x 、样本率P 等)抽样误差大小的指标。

在实际工作中,总体标准差 常常是不知道的,而是用样本标准差s 来估计之,故计算均数标准误的估计值(s x )的公式为:s x =s /n ,不同统计量的标准误计算也不尽相同,如计算率的标准误可用公式估计s x =p (1-p )/n ,上述举例

中的最小二乘均数的标准误计算是从协方差分析模型中估

计而来。

由于标准误是衡量抽样误差大小的一个定量指标,因此,常常被用于以下两种统计推断。2.1 总体参数的假设检验

假设检验是在决策论、概率论及极大似然性理论的基础上形成的,是根据资料的性质和所需回答的问题(假设检验要回答的基本问题是样本和总体之间、样本和样本之间是否存在实质性差异),建立统计假设,按照小概率事件在一次实验中不可能发生的原理和逻辑上的反证法思想,通过样本对总体所提供的信息,是否支持所作的假设,来推断该假设是应该拒绝或不应该拒绝。假设检验的具体步骤如下:2.1.1 根据研究目的对总体参数作出相应的检验假设 首先要明确假设检验中的两个检验假设:一种是原假设(亦称无效假设null hypo thes i s),记为H 0;另一种是备择假设(alter -nati ve hypothesis),记为H 1。二者都是根据研究目的提出的对总体参数或分布特征的假设,其基本原则是:在对总体参数进行假设检验前,最好将原假设H 0定义为预想结果的反面,将希望证明的命题(研究人员根据专业所提出的研究假设或者说希望得到的样本数据强有力支持的陈述)放在备择假设上。如果统计推断有足够的理由拒绝了H 0,则可接受H 1,这样就可达到统计推断的目的了。例如,在上述举例中,研究目的是评价药物干预治疗是否有减轻骨关节疼痛?这时,对试验组而言,由于抽样误差的存在,治疗前后VA S 评分的样本均数差异可以被假设是单纯由于抽样误差导致的,换言之,两个样本均数所代表的总体均数是相同的,那么可以建立如下检验假设,即H 0: 疗后= 疗前;H 1: 疗后 疗前,这就是均数差异性检验常用的检验假设。如果统计推断拒绝了H 0接受了H 1,则说明治疗前后VA S 评分样本均数所代表的总体均数不同,不能单纯从抽样误差原因解释,可能还有干预措施的作用使得总体均数发生了变化,从而也可以认为试验组的干预是有效的。同理也可证明对照组的干预也是有效的。在临床试验中,由于治疗干预不仅限于药物作用,

还有其他非实验因素的作用,如心理因素对疼痛评分的影响是显而易见的,因此,随机双盲、平行对照的研究设计保证了两组间的非实验因素的均衡,这时,分析比较两组治疗终点相对于基线的VAS 评分变化的均数,研究者可以有两种研究假设期望,一种是试验药的疗效能优于对照药,另一种是试验药的疗效与对照药相当或差不多,当然此时所选用的对照药必须是已被证明有效的。要证明优效的研究假设,可以采用上述的差异性检验假设,所不同的是备择假设H 1是 试验组> 对照组。如果要证明两组疗效相当或差不多,研究者首先要将研究目的转换为两个不同的概念,即疗效相当意味着两组VA S 评分的均数差异在临床认可的界限范围内,疗效差不多意味着试验组VA S 评分的均数不会高于临床认可的一个界值。这就是所谓的临床试验中常提及的等效或非劣效试验的研究目的。为达到以上两个不同的研究目的,其检验假设与差异性试验的检验假设就不同了,等效性试验的检验假设就有两个,即无效假设为H 01: 试验组- 对照组 - 和H 02: 试验组- 对照组 ,相应的备择假设为H 11: 试验组- 对照组>-

和H 12: 试验组- 对照组< ;而非劣效性试验的检验假设只有一个,即无效假设为H 0: 试验组- 对照组 - ,相应的备择假设为H 1: 试验组- 对照组>- 。在以上假设中 是预先规定的所谓临床认可的界值。

2.1.2 规定一个假设检验的水准 假设检验通常是在前面对总体参数作出的检验假设H 0和H 1中选择其一,表2总结了假设检验过程中四种可能的判断结果。由于抽样研究在客观上存在随机性,在假设检验中,两类错误的出现是客观存在、不可避免的。不过可以尽量缩小其发生的可能性,使得两类错误 和 只取一个很小的值,以至可以认为错误的发生是一个小概率事件,根据小概率事件在一次抽样检验中其几乎是不可能发生的原理,而甘愿在推断中冒这样一个 小 风险。所以在假设检验之前,预先规定一个检验水准 ,也就是规定发生第一类错误的大小,例如,规定检验水准 =0.05,当研究者根据检验假设H 0成立前提下,通过样本信息计算概率P 0.05,这时,作出拒绝H 0的推断结论时,即使犯第一类错误 也属小概率事件(通常情况下,认为概率小于0.05已是小概率事件),其判断正确的信心在95%以上。当然,为了提高判断正确的信心,可以规定更小的检验水准 ,如 =0.01,这时,会增大犯第二类错误 的概率,从而减小了检验的把握度(po w er o f test),即两总体确有差别,按 水准能发现它们差别的能力。

表2 假设检验的判断结果

判 断

总 体 参 数 情 况真H 0假H 1

假H 0真H 1

接受H 0,拒绝H 1

判断正确1- :可信度判断错误

:第二类错误拒绝H 0,接受H 1

判断错误 :检验水准,第一类错误判断正确

1- :检验效能或把握度

2.1.3 计算相应的检验统计量及P 值 进行假设检验必须满足其使用条件:(1)数据资料必须是经随机抽样设计所得;

214 北京大学学报(医学版)

J OURNAL OF PEK I NG UN I VERS I TY (HEALTH SC I ENCES) Vo.l 39 No .2 Ap r .2007

(2)除试验因素外,分组资料应均衡,各组间的其它条件具有可比性;(3)根据研究因素、设计方法、样本大小、资料类型及分布特征等选定合适的检验方法。由于现在统计分析软件已得到广泛使用,检验统计量和P 值的计算已不成为难题,但检验统计的计算方法的选择往往取决于研究设计中的检验假设。 计量资料的检验方法:数据服从正态分布,组间的总体方差相等时,一般采用t 检验,u 检验、F 检验等参数检验法。如数据分布类型不明确,或者不能满足参数检验的条件,可用符号检验、秩和检验、R idit 分析等非参数检验法。在使用参数检验法时若只有一个实验因素和两个水平时,可用t 检验(大样本可用u 检验代之)。在实验因素为l 而水平为( 3)或因素为2水平也为2时,应采用相应研究设计的方差分析(ANOVA )。并随之进一步作一个样本均数(对照组)与多个样本均数(各实验组)的比较及多样本均数间的两两比较,前者检验方法有Dunnet t 检验,后者的方法有q 检验、Dunncan 检验、Tukey 检验等。上述举例中采用了配对t 检验和协方差分析(AN COVA )两种检验方法。 分类资料的假设检验方法:分类资料是对受试者或观察对象的每个类别的计数,并用百分数或其他比值表示,通常也称为计数资料。如进行样本率与总体率的比较,可用u 检验或 2

检验;如配对计数资料的比较,可用M c N ema r 配对 2检验;两样本率的比较可用2 2的 2

检验及对数似然比检验;多个样本率的比较和两个或多个构成比的比较可用R C 列联表的 2检验;样本含量很小的两样本率的比较,可用F i sher 精确概率检验。在对有序变量作检验时,如资料为单向有序资料(如两组药物的疗效等级),除应用两组有序数据比较的 2检验外,也可用秩和检验和R i d i t 分析等非参数检验;如为双向有序资料(如人体晶状体的混浊程度与年龄关系),可用双向有序列联表的 2检验及K appa 检验,如同时分析的变量 3时,常用加权 2检验、M enta l-H eansze l 2检验等。2.1.4 根据P 值作出合理的统计推断 根据计算所得的P 值与检验水准 比较,若P ,就拒绝H 0,接受H 1。如在上述举例中,对试验组治疗前后VA S 变化值进行配对t 检验时,检验假设H 0是差值d 的总体均数等于0,H 1是差值d 的总体均数不等于0,现计算P <0.001,拒绝H 0,接受H 1,认为试验组治疗前后VA S 评分存在实质性差异,从而证明了治疗干预是有效的。由于上述举例中对两组治疗终点相对基线VA S 变化均数的比较采用了协方差分析,该分析的假设检验是基于差异性检验假设基础上的,所以,统计检验计算P =0.5995,说明不能拒绝两组均数无差异的原假设,还需进一步分析。

2.2 总体参数的估计

几乎所有的生物学研究都是建立在这样一个假设之上的,即对从总体中随机抽取的样本来说是正确的结论,则对于该总体来说结论大致也是正确的。因此,对样本特征的测量可以用来估计总体的特征。估计的准确度取决于和测量方法相关的变异大小(测量误差)、样本量大小以及样本的代表性(抽样误差)、以及生物学本身的变异(随机误差)。这些变异都可以通过可信区间得以体现。

总体参数估计是用样本统计量估计相应总体参数,如用样本均数 x 估计总体均数 、样本率P 估计总体率 等。参数估计有点估计(point esti m ation )和区间估计(i nterval est-i m ati on)两种形式。

点估计直接用样本统计量代替总体参数,如直接用样本均数( x )去估计相应的总体均数( )。在上述举例中,可分别用两组平均VA S 评分65.87和67.38代替总体均数的估计。数理统计学已经证明, x 是一种很好的参数点估计量。但点估计量 x 并不等于 ,因为在同一研究总体抽样的总体均数只有一个,用各样本 x 估计 时并没有考虑到抽样误差的影响,因此应将 x 的抽样误差即样本均数的标准误引入估计。这时所估计的总体均数( )已不是一个数值,而是一个区间范围的估计值。

总体均数的区间估计是利用样本 x 常常服从t 分布规律确定一个有概率意义的区间,以该区间具有较大的可信度1- (如95%或99%)包含总体均数来说明总体均数所在范围的一种估计方法,称这样的区间为总体均数的1- 可信区间(confidence i n terva ,l CI )。 值一般取0.05或0.01,故1- 为0.95或0.99。如总体均数 的95%可信区间(95%CI )计算公式常写成( x -t 0.05,v s x , x +t 0.05,v s x ),或缩写为 x t 0.05v s x ,其中t 0.05,v 为t 分布的双侧尾部概率为0.05时的界值。以0.01取代,可类似地获得总体均数 的99%可信区间。与总体均数的估计相似,样本率是总体率的点估计值,总体率的可信区间估计常根据样本量n 与样本率P 的大小,可以采用二项分布法或正态分布法估计。

在以上计算的95%可信区间,意味着作100次抽样,算得100个可信区间,平均有95个可信区间包括 (估计正确),只有5个可信区间不包括 (估计错误)。5%是小概率事件,在一次试验中出现的可能性很小。因此,在实际应用中就认为总体均数在算得的可信区间内,用这种方法进行估计,犯错误的概率为5%。

可信区间的两个要素:一是准确度(accuracy ),由可信度1- 的大小来反映,即区间包括 的概率大小,愈接近1愈好,如可信度99%比95%好;二是精密度(prec isi on),由区间的宽度来反映,区间愈窄愈好。在样本例数确定的情况下,二者是矛盾的,若仅考虑提高可信度(即减小 ,增大t a ,v ),把区间变得很宽,势必降低可信区间的应用价值。故不能笼统地认为99%可信区间比95%可信区间好,需要兼顾准确度与精密度。一般情况下,95%可信区间更常用。在可信度确定的情况下,增加样本例数,可减少区间宽度,提高精密度。

例如,在上述举例中,某试验药能使骨关节疼痛的VAS 平均降低20.44分(95%CI 为-24.51~-16.37分;P <0.001),而对照药能使骨关节疼痛的VA S 平均降低20.01分(95%CI 为-24.29~-15.73分;P <0.001),试验组与对照组变化值之间差值,在调整基线VAS 评分和试验中心影响后的最小二乘均数估计为-1.43分(95%CI 为-6.82~3.96分),在本研究中,试验组与对照组的VAS 评分之差值大于0表示对照组为优,小于0表示试验组为优,即与对照

215 姚 晨 医学研究结论的统计学推断

组相比最好不会超过6 82分,最差也不会超过约4分,如果该研究选择的对照药是公认有效的治疗骨关节疼痛的药物,并事先规定了判定非劣效界值,就可以判断结果是否具有临床意义。

3 统计推断时应注意的几个问题3.1 重视实验研究的随机抽样(或分组)

统计推断是通过来自样本的数据对总体参数进行推断。因此,样本的选择应能充分代表研究总体,随机抽样从理论上讲是能较好地代表总体的,由此样本统计量推断总体参数才能达到无偏的要求。这就要求在实验研究设计和实验过程中重视随机抽样(或分组)的要求,如实验分组要严格遵守随机化分配原则,以保证组间基线资料的均衡性。如果抽样(或分组)不随机,由于存在人为误差或系统误差对研究结果的影响。这时用样本统计量作为总体参数的估计就不再是无偏的,由此得出的结论往往存在偏倚。这也势必会影响研究者对事物发展的必然性认识。在医学研究中,抽样(或分组)不随机的现象时有发生,如采用的是不完善的历史性对照和不均衡性对照,有的实际上是采用选择性分组,这样,在许多非实验性因素的干扰下,组间就根本上缺乏可比性。例如,某临床医生为研究某药物的降压效果,试验组为住院患者,而对照组则是门诊患者,两者除治疗药物不同外,其他病情、生活环境等非实验因素都不具有可比性,那么研究结论就无法回答试验药物的有效性。另外,在一些 临床病例分析 之类文章中,在交待 资料来源与分组方法 时常称 经随机分试验组和对照组 ,既不说明用何种随机方法,也不对分组资料进行均衡性检验,而实际上或按入院先后,或按病情轻重,或按治疗进程,或按治疗结局等所形成的组别。这样的分组无论在时间、数量、性别、年龄、病情及病程等都缺乏可比性,这样的资料即使进行多种统计推断,其结论的价值是可想而知的。

3.2 正确理解假设检验中P 值的统计学意义

假设检验计算所得的P 值大小,仅仅是说明作出假设判断(是否拒绝检验假设H 0)的理由的充分程度,在学术论文中经常作为得出某一结论有统计学上的意义(Sta ti stica lall y si gnificance)。如在组间差异比较的假设检验中,P 值大小所能回答的问题是观察组间是否存在差异或者说差异是否源于抽样误差,经检验如P < (设检验水准为0 05),拒绝检验假设H 0,就认为差异由于抽样误差所致的可能性不大,即组间差异有统计学意义,从而为得出观察组间存在差异结论提供了统计学证据。显然,假设检验根本就不涉及差异的程度;也不涉及差异本身的显不显著;更不涉及药物效应或其它效应的差异程度 甲组疗效显著高于乙组 等专业性问题。可是,实际上有相当多论文作者,在表述假设检验结果时(如P <0 05或P <0 01),往往表述为:两组间 有显著差异 、 有非常显著差异 ,或者是 差异显著 、 差异非常显著 等等。这种表述实际潜含的意义是将P 值的大小与组间的差异程度等同起来了,或者直接理解为某一组的效应高于另一组效应的显著程度了。这种表述和理解当然符合作者

的 预期目标 ,但对假设检验结果的本来含义却大大地曲解了。

由于假设检验主要是控制犯第一类错误的概率( ),而对犯第二类错误的概率( )却无法直接控制。通常是通过限制犯第一类错误的概率大小,即选定 ,要求 尽可能小,但往往不知道犯第二类错误的概率( )大小,因此,在假设检验中,当根据样本信息作出不能拒绝H 0的推断时,并不意味着不必再作进一步分析就贸然接受H 0,还应考虑当H 0不真时,拒绝H 0的概率1- (即检验效能或把握度)的大小。通常将P >0.05的统计检验结果作为 阴性 结果,分析原因主要有两个:一是原检验假设客观成立,如两个总体均数本身的差别就小,另一可能是样本量过小,导致检验效能过低。通常组间差异假设检验的检验效能至少受四个因素的影响:组间总体差异大小、个体间变异的大小、样本量及第一类错误的大小,并且检验效能与它们存在定量关系,即客观事物差异越小,检验效能越低;个体间变异越大,检验效能越低;样本量n 越小,检验效能越低; 规定越小,检验效能越低。如果是由于检验效能过低,出现的阴性结果可能为假阴性结果,因此,可以得出差异无统计学意义的结论,但是不能据此判断结果是无差异的,即 差异证据的缺乏并不能解释为缺乏差异的证据 ,其结论有待于进一步验证。

3.3 注意 统计学意义 与 医学/临床/生物学意义 的关系

在医学研究结论表达中,不管研究结果的统计推断是否具有 统计学意义 ,医学结论是否有 医学/临床/生物学意义 是非常重要的。有 统计学意义 的研究结果不一定有 医学/临床/生物学意义 。因此,不能单靠P 值下结论,而是要综合考虑研究的各个方面:研究设计、研究的执行、效应的大小、可信区间的宽度、生物学合理性、其他的证据等。例如:大样本研究中即使没有临床意义的很小的差异也可以得出有统计学意义。在研究某降压药物的降压效果时,采用了随机双盲、安慰剂平行对照的多中心临床试验,每组分别有100名受试者,研究结果为两组舒张压治疗前后变化值之差的样本均数为0.83mm H g ,经两样本均数比较t 检验得,t =6.306,P <0.001,即两组均数差异有统计学意义,但该差异被认为是没有临床意义,因此,该研究最终结论是无法认可该药物的临床降压效果。小样本研究中有临床意义的大的差异也可能没有统计学意义。假定接受普通治疗的16人中有8人死亡,而新治疗方法16人中仅有4人死亡,尽管两组病死率的差异比较没有统计学意义,但试验组病死率下降了一半是有临床意义的,说明需要大样本研究进一步证实。

不管假设检验结果是否具有统计学意义,应给出由统计软件计算所得的精确P 值(保留小数点后3位),而不再简单写成P <0.05,但很小的P 值可以报告为P <0.001。当计算的P 值近似于在假设检验的水准 时,如P =0.051和P =0.049应当得到相似的解释,尽管前者是 没有统计学意义 ,而后者是 有统计学意义 ,给出确切P 值可以避免这种解释上的麻烦。而且确切的P 值在m eta 分析中也很有用处。另外,如果研究结果没有 统计学意义 ,不要说成 显

216 北京大学学报(医学版)

J OURNAL OF PEK I NG UN I VERS I TY (HEALTH SC I ENCES) Vo.l 39 No .2 Ap r .2007

示了有统计学意义的趋势 或 大致有统计学意义 ,而是根据P 值和 水平得出没有 统计学意义 的结论时,进一步讨论有无 医学/临床/生物学意义 。

3.4 结合两种统计推断结果讨论医学研究结论

假设检验用于推断总体参数 质 的不同。如判断两总体均数是否不等,可信区间用于说明总体参数 量 的大小,如推断总体均数的范围,而两者既相互联系,又有区别。一方面,可信区间亦可回答假设检验的问题,算得的可信区间若包含了H 0,则按 水准,不拒绝H 0;若不包含H 0,则按 水准,拒绝H 0,接受H 1。如上述举例中,试验组治疗终点相对基线VA S 评分总体均数95%CI 为(-24.51,-16.37)分,由于该可信区间不包含了H 0: 疗后= 疗前(或 疗后- 疗前=0分),其可信区间上限也低于0

。根据临床经验治疗后与治疗前VAS 评分之差越低越好,故可认为试验组的干预是有统计学意义,结论同经配对t 检验计算的P 值。另一方面,可信区间不但回答了治疗前后差别是否有统计学意义,而且还能比假设检验提供更多的信息,即提示差别有无临床意义。因为,95%可信区间的上限提示治疗后VA S 评分最少也能下降16.37分,最多可以下降24.51分。如果其最低下降分能在事先规定的临床意义界值以上,则可以认为该下降分是有临床意义的。

虽然可信区间亦可回答假设检验的问题,并能提供更多的信息,但并不意味差可信区间能够完全代替假设检验。可信区间只能在预先规定的概率(检验水准 )的前提下进行计算,而假设检验能够获得一个较为确切的概率P 值。故将两者结合起来,才是完整的分析。如表达式所举例的主要研

究目的是为了证明试验药物治疗骨关节疼痛的有效性,所选用的对照药是目前公认有效的上市药品,如果能证明试验药的疗效(即治疗8周相对基线的变化值)不劣于对照药即可。如果在研究设计的试验方案中已明确规定了试验组与对照组疗效之差不超过5分。则在本临床试验的总结报告中,建议用以下表达方式解释研究结论。试验组治疗8周后,VAS 评分平均下降了20.44分(95%C I 为=-24.51~-16.37分;P <0.001);对照组的VA S 评分下降了20.01分(95%CI 为-24.29~-15.73;P <0.001),说明两组治疗干预均能降低VA S 评分。在调整基线VA S 评分和试验中心影响后的,试验组与对照组疗效相差的VA S 平均分为-1.43分(95%CI 为-6.82~3.96分),其上限值没有超过预先规定的非劣效界值,即可认为试验药疗效不劣于对照药的疗效,认为试验药治疗骨关节疼痛是有效的。

综上所述,统计推断是辩证思维的一种具体表现。它同时兼容了数学和归纳两种推断方式。统计推断中的肯定与否定不能简单地理解为数学中的对与错的绝对对立。统计推断中通过样本信息反映的量的变化来推断总体是否发生了质的变化。而总体的质是与研究目的和研究对象密切相关的,不同的研究目的或不同的研究对象对质的要求可能不同。因此,在医学研究中,研究者应当根据研究目的和研究对象具体问题具体分析,不能拘泥于统计检验结论来归纳医学研究结论。

(2007-03-01收稿)

(本文编辑:王 蕾)

消息

著名临床医学杂志 柳叶刀 执行总编来北京大学公共卫生学院作学术报告

柳叶刀 (Lancet )已经创刊180多年,是历史悠久的权威综合性理论医学刊物,为了加强和促进北京大学医学部师生的英文写作能力,提高在世界著名杂志上的论文发表率。2007年3月20日北京大学循证医学中心和北京大学公共卫生学院联合举办讲座,邀请 柳叶刀 执行总编威廉 萨玛斯克尔(W illi am Su mm ersk ill)博士做了 如何在柳叶刀杂志发表论文 、 撰写临床研究论文的国际标准 的学术报告。唐金陵教授主持并协助翻译。

威廉博士报告内容为三大部分:撰写英文科学论文的要

点; 柳叶刀 的文章录用原则和方法;撰写各种临床研究论文的国际标准。

威廉博士特别提示, 柳叶刀 不仅仅录用临床研究论文,也欢迎评价研究结果或评论已发表结果的 读者来信 及来自一线医生的 病案报告 和 新书介绍 等。

北京大学医学部,许多其他医院的临床医生、学生300余人参加了本次讲座。

(北京大学公共卫生学院周小平王燕玲)