统计描述与实验设计错误辨析1
临床试验中常见科研设计与统计分析错误辨析
临床试验中常见科研设计与统计分析错误辨析在临床试验中，科研设计和统计分析是确保研究结果准确可靠的重要环节。
然而，由于研究者的误判、设计缺陷或统计方法错误等原因，常常出现一些常见的错误，影响着研究的科学性和实用性。
本文将针对临床试验中常见的科研设计和统计分析错误进行辨析，以期帮助研究者更好地设计和分析临床试验。
一、样本量计算错误在临床试验中，样本量的计算是保证研究结果具有统计学意义的前提。
然而，很多研究中样本量的计算存在错误。
常见的错误有两个方面：一是样本量过小，导致研究结果缺乏统计学意义；二是样本量过大，造成研究资源的浪费。
为了避免样本量计算错误，研究者需要在研究设计之前充分了解已有的背景知识和相关文献，根据目标参数的预期值、可接受的显著性水平和统计功效等因素来计算样本量。
确保样本量的合理性和可行性对于有效的科学研究至关重要。
二、样本选择偏倚样本选择偏倚是指试验中某些特定群体被有意或无意地排除在外，导致研究结果的失真。
通常，这种偏倚主要表现在两个方向上，即选择性偏倚和信息偏倚。
临床试验中常见的样本选择偏倚包括招募患者时没有使用随机化方法、仅选择特定的患者群体、忽视非完全随机的分配方法等。
要解决这个问题，研究者应该使用随机化方法，即将患者按照一定的规则随机分配到不同的治疗组或对照组，以保证样本在一定程度上的均衡，降低样本选择偏倚的可能性。
三、结果分析错误结果分析是临床试验中最终总结和解释研究结果的过程。
然而，结果分析中也存在一些常见的错误。
首先，研究者常常没有正确选择适当的统计学方法来分析数据。
例如，某些连续变量数据使用了t检验，而在正态分布假设不成立的情况下，应该使用非参数方法进行处理。
其次，研究者在报告研究结果时常常忽略了效应估计和置信区间。
这些参数能够更全面地反映变量的影响程度和结果的可靠性，并且有助于他人对研究结果的理解和解释。
另外，研究者有时过于依赖显著性检验，而忽略了临床意义的判断。
在一些研究中，虽然结果间差异达到统计学显著水平，但实际上对于临床决策来说并没有太大的实际意义。
科学研究中的统计与错误分析
科学研究中的统计与错误分析统计和错误分析在科学研究中扮演着至关重要的角色，因为它们是科学实验设计和数据分析的基础。
当人们进行实验时，他们需要尽可能减少任何可能影响实验结果的外部因素，同时通过统计分析数据来优化实验的结果。
而错误分析则意味着进行实验时会产生误差，因此研究者需要识别和纠正这些错误，以确保实验或研究的结果准确性。
在科学实验中，试验设计和样本大小是确保实验结果可靠性的基础。
由于实验结果受到许多不同因素的影响，因此在确定实验设计时，需要仔细考虑如何尽可能减少这些影响。
一种常见方法是采用随机化控制试验，这种方法以抽样分为两组的方式，使每组可以在小样本情况下确保代表性。
此外，在样本大小确定时需要谨慎选择，因为样本太小可能会使结果出现随机误差，而样本太大可能会浪费实验资源。
实验数据的采集通常涉及数学模型和算法的应用。
任何有关实验结果的分析都需要通过统计学的方法解释和解读数据。
根据数据的类型和变量之间的关系，通常会使用不同的统计方法。
例如，在研究连续变量时，经常使用方差分析和回归分析，而研究分类变量时，则通常会使用卡方检验或Fisher精确检验。
分析数据时，需要注意各种假设检验和置信区间，在统计分析中，这些是关键的部分，它们将帮助科学家得出关于实验数据或现象的高度可信结论。
当出现错误时，研究者需要能够识别和纠正这些错误。
对于人们进行实验时可能出现的各种不确定性和差错，需要有完善的错误分析计算。
这样可以帮助我们了解和澄清误差来源，并找到一些可以减少重复的方法来提高实验的结果可靠性，同时让科学家们更加精确有据地评估他们的实验结果。
对于技术装置的影响，我们常常需要采用标准化资金投资增长比率来比较自变量之间的差异。
此外，研究者还需要检查他们的数据是否符合正态分布，以了解是否需要采用更复杂的方法来解释结果。
在科学实验中，要确定实验结果的有效性，关键在于实验设计的质量、统计学的知识和错误分析的能力。
一些常见的错误分析包括ASA图形和病态条件分析。
临床试验中常见科研设计与统计分析错误辨析
临床试验中常见科研设计与统计分析错误辨析临床试验是评估新药物、治疗方法和医疗器械有效性和安全性的重要手段。
科学合理的研究设计和统计分析是保证试验结果可靠性和有效性的关键。
然而，由于种种原因，临床试验中常常出现各种错误，这些错误严重影响了试验结果的准确性和可信度。
本文将从设计和统计两个方面，对临床试验中常见的错误进行辨析，并提供相应的解决办法。
一、设计错误辨析1. 非随机分组临床试验需要将研究对象分为实验组和对照组进行比较，如果分组过程不是完全随机，容易引入选择偏倚。
解决办法是使用随机数表或随机化软件进行随机分组，确保分组过程是完全随机的。
2. 样本量计算不合理样本量计算是临床试验设计的重要步骤，样本量过小会导致试验结果的抽样误差较大，无法得出可靠结论；样本量过大会浪费研究资源。
样本量计算应基于实验的预期效应大小、显著性水平和统计功效等因素进行合理估计。
3. 缺乏双盲设计双盲设计是有效控制观察者和被观察者误差的重要手段，可以减少主观因素对试验结果的影响。
临床试验中，应尽量采用双盲设计，使实验组和对照组在临床观察和数据收集过程中得到相同对待。
二、统计分析错误辨析1. P值解释错误P值是判断统计显著性的重要指标，但在解释P值时经常出现错误。
P值并不能表示效应的大小或者概率，它只是一个统计推断的结果。
因此，不应仅仅从P值的大小来断定结果的重要性，还需要考虑置信区间、样本量和实际临床意义等。
2. 没有考虑多重比较问题在一个临床试验中进行多个指标或者多个观察点比较时，忽视多重比较问题容易导致假阳性结果。
为了控制多重比较的误差，需要采用修正方法，如Bonferroni校正或Benjamini-Hochberg方法，来调整显著性水平。
3. 忽略数据分布的假设在进行统计分析时，往往基于一些假设进行，如数据服从正态分布。
如果数据的实际分布与假设不符，可能导致统计推断的错误。
因此，在进行统计分析前，应该对数据的分布进行检验，并采用相应的非参数方法或转换方法进行分析。
国内检验医学临床研究常见科研设计缺陷和统计学错误辨析
差 的慨 率 ， 并 不 能 体 现 实 验 因 素 引 起 效 应 量 的 变 化 幅 度 。 因 此， 如 果 仅 仅 在 研 究 论 文 中报 道 Ｐ 值 ， 可 能会 误导读 者 ， 夸 大 研 究 的价 值 。 比 如 ， 某 研 究 发 现 丁冠 心 病 患 者 （ ” 二ｌ － ｌ ８ ） 血 浆 载
数 比较 的 时 候 ， 并不 严 格 区 分 两 组 资 料 是 否 符 合 正 态 分 布 ， 是
否 为配 对 设 计 ， 几 乎 千篇 一 律 地采用 ｔ 检 验 进 行 两组 均 数 的 比 较 。有 的研 究 在 处 理 两 组 以 卜数 据 间 的 比较 时 ， 甚 至 反 复 采 用 ｔ 检验 进行 ， 增加 了 Ｉ 类误 差的风险 。 １ ． ２ 分类资料统 计中的常见错 误 对 于 分 类 资 料 的 比较 ， 首 先 需 要 明确 的 两 个 问 题 是 ： （ １ ） 日标 变 量 的 分 类 描 述 之 间 是 否
在开展检验 医学临床研究的过程 中， 严谨 认 真 地 对 待 每 …
个试验细节 ， 对获取的科学 数据 进行科 学的统 计学分 析 ， 是 保
结 沦 。 在某 些 情 况 下 ， 有 统计学 意义 不 ・ 定有专 业意 义， 反 之
亦 然。统汁学处理结 果 的 Ｐ值 ， 只 能 反 映 这 一 结 论 犯 Ｉ类 误
异 具 有 统 讨‘ 学 意义 （ Ｐ＜ ０ ． ０ ５ ） Ｊ 。但众 所周 知， 载 脂 蛋 白 Ｍ 的 检 测 误差 和生 物学 变 异 都 远 大 于 ０ ． ０ ２（ ） Ｄｕ ／ ｍｍ ， 如 此 微 小 的 差 异 虽 然 有 统 计学 差异 ， 但 是 井 尤 多大 临 床 价 值 。如 果 能 列 出两组患者载脂 蛋白 Ｍ 差异 的 ９ ５ （ 、 ｊ ， 则读 者便 可以 一目了 然 地 判 断 研 究 实 验 因素 效 应 的 大小 ， 并 根 据 专 业 判 断 该 研 究 是
医学论文中实验设计方面的错误辨析与释疑
C²σ²/D²等。其中，N为样本量，Z为标准正态分布下的临界值（根据α和β值 确定），σ为总体标准差估计值，d为容许误差范围，C为样本与总体比例的t 分布临界值（根据α和β值确定），D为组间差值估计值。实际应用中需要根 据具体情况选择合适的公式进行计算。
3、混淆实验组与对照组有何危 害？
混淆实验组与对照组会导致无法准确比较两组之间的差异，影响结果的可靠性。 如果将实验组的试剂误加入对照组，或将对照组的试剂误加入实验组，就会造 成两组之间的差异无法准确解释，导致研究结论出现偏差甚至错误。因此，
谢谢观看
在医学研究中，定量资料统计分析具有至关重要的地位。然而，由于对统计学 的误解和不正确的应用，许多论文在定量资料分析方面存在错误。下面我们来 探讨一些常见的错误及其辨析方法。
1、错误的数据分析方法
在医学论文中，作者有时会使用不恰当的统计分析方法，导致结论的误导。例 如，使用t检验来比较两组非正态分布的数据，或未能正确理解卡方检验的适 用范围。在遇到这类问题时，我们需要仔细审查所用统计方法的合适性，并确 保数据满足所使用方法的假设。
在实验过程中必须严格区分实验组和对照组，避免混淆现象的发生。
参考内容
医学论文中定性资料统计分析的 错误辨析与释疑
定性资料统计分析在医学论文中具有重要意义，但其中也存在着一些常见的错 误和误解。本次演示将介绍定性资料统计分析的基本步骤，并探讨如何在分析 过程中避免和解决可能出现的错误。
在医学研究中，定性资料通常包括问卷调查、访谈、病例登记等。这些资料通 常能够反映研究对象的主观感受、态度、行为以及疾病的特征等信息。收集定 性资料时，需要注意保证数据的真实性和完整性。
1、什么是随机化原则？
随机化原则是指在实验过程中，研究对象在实验组和对照组之间的分配应该是 随机的，即每个研究对象都有同等的机会被分配到实验组或对照组。通过随机 化原则，可以消除潜在的混杂因素的影响，保证各组之间的均衡性，从而提高 结果的可靠性和准确性。
常见试验设计定量资料统计分析错误辨析
ｌ
＿
冀 纛 簟曩
ｌ ｌ ｌ
。
。
￡ ｅ０２ ・ ６２９ ｆ 了ｊ０２ 职 ３ｍ８ ｊ／ ０ ｉ
新
｜ Ｉ 。 爹 ｊ
瑚雷盘 Ｊ罾 －每 当Ｉ ｆ
Ｄｉ ｃ ｉ ｉ ｔｏｎ ｏ ｒｏｒ ｉ ｔ ｔｓ ｉａｌ ｎ ｙｓ ｓ ｏｆ ｓ ｒｍ ｎａ ｉ ｆ ｅ ｒ ｓ ｎ ｓ ａ ｉ ｔｃ ａ ａｌ ｉ ｑｕ ｎｔｔ ｔｖｅ ｄａ ａ ａ ｉａ ｉ ｔ ｗ ｉｈ ｔ
ｃｌ ａ
常见试验设计定量资料统计分析错误辨析
高辉 ，胡 良平 金 松华。 ， ．郭晋 李 长平 ，
１ ．军 事 医学 科 学 院 生 物 医学 统 计 学 咨 询 中 心 ，北 京 １ ０ ５ ０８０
２ ．北 京 华 素制 药 股 份 有 限 公 司 ，北 京 １ ０ ５ ０ ８０
Ｒ ｅｅ ｅ ｕｙ ９ ２ ０ ； ｕ ｌ ｈ ｄＯ ｌ ｅＳ ｐ ｅ ｂ ｒ１ ＇２ ０ ． ｃ ｉ ｄＪ ｌ ， ０ ８ ｐ ｂｉ ｅ ｎｉ ｅ ｔｍ ｅ ５ ０ ８ ０ ｖ ｓ ｎ Ｆ ｅ ｕｌｅ ｔ Ｐ ）ｉ ａａｌ ｌ ａ Ｗ ．ｃ ｉｕｎ＾Ｃｒ ｒｅｌｌｔｘ （ ＤＦ ｓ ｖｉ ｂｅ ｔ ｗｗ ｉｉ ９ ｒ矗．ｏ ａ ｍ ｍ ｊｎ 毫ｃｄ ａ ｓ穗ｃｅ ｎａ ｄｆ ｌ ｔｘ ｉｋｏ ｔａ ｂ ｌｄ ） ／ ｂ ｔ ｔｄ ｉ ｎ ｕｌ ｅ ｔ ｎ ： ｕ ｔＰｕ Ｍ￣ ． ｅ ｌ Ｆ ｒ ａｄ ｌ Ｎ￣ ａ ｄｒ ｆｒｎ ｅ ｏ ｗ ｎ ｒ ｉ ｎ ｅｅ ｅ ｃ
能 正 确 地 实 现 定 量 资 料 的 统 计 分 析 呢 ？ 关 键 是 两
独立性要求 。正态性要 求各 组定量 资料 分别 取 自正
态分 布 的 总体 ， 差 齐 性 要 求 各 试 验 （ 验 ） 素 的 各 方 实 因 水 平 组 的总 体 方 差 相 等 ； 对 于 具 有 重 复 测 量 设 计 的 而 定 量 资 料 ， 要 检 查 其 是 否 满 足 Ｈｕｎ － ｅ ｔ Ｈ Ｆ 还 ｙ ｈＦ ｌ （ — ） ｄ
临床试验中常见科研设计与统计分析错误辨析
临床试验中常见科研设计与统计分析错误辨析临床试验过程包括设计、测量和评价( design，measurement and evaluation ，简称DME) 三大步骤，其每一步骤均遵循一定的原则：设计要遵循“分层、区组随机化分组，可比性(均衡)的平行对照，盲法，可重复性(样本量足够)”四大原则；测量必须保证取得的数据真实、可靠，避免各种可能的测量偏倚；评价包括正确选择统计分析技术及对统计分析结果的统计学推断和专业推断。
临床试验论文是反映药物临床设计、实施过程，并对试验结果作出分析、评价以供循证医学进行系统评价参考的总结性文章，真实、完整地描述事实，科学、准确地分析数据，客观、全面地评价结局是撰写试验论文的基本准则。
因此，充分理解DME过程遵循的原则有助于临床医生合理设计临床试验，选择正确的统计分析方法，书写科学严谨的试验论文。
本文拟系统分析医学论文中常见的科研设计与统计分析错误。
一、临床试验论文设计问题辨析临床试验论文中设计问题主要表现在违反试验设计的四大原则和测量方法的描述上。
因试验设计是科学研究的开始，设计中的错误所导致的后果是很严重的，甚至可能导致整个科研工作的全盘否定。
1．随机化问题随机化是临床科研设计的重要原则之一，是避免偏倚和混杂因素的最有效的方法。
常见随机化方面的问题有：未注明分组是否随机，或未采用随机化分组方法。
未说明随机的方法，只是笼统地说“将病例随机分为两组”，如某已发表论文对分组的描述：“35 例均为住院患者，随机分为两组，治疗组21 例，对照组15 例。
”从两组样本数相差悬殊即可断定分组并非随机。
随机化方法错误，如按奇偶数、单双日、入院顺序等。
如“按病情和就诊的先后顺序分组”，因病人就诊的先后顺序往往暗示其病情不同，尤其是当病人的病情轻重难以判断时若将先来就诊者分在一组，后来就诊者分在另一组，就不可避免的导致顺序误差(即一组病人的病情较另一组病人的病情重)，从而得出错误结论。
统计研究设计中常见错误辨析
统计研究设计中常见错误辨析统计研究设计是研究领域的一个重要环节，涉及到研究对象、研究方法、数据收集等多个方面。
在这个过程中，研究者常常会出现一些错误和偏差，影响研究的可靠性和准确性。
本文将分析和辨析统计研究设计中常见的错误和偏差。
一、样本容量偏小样本容量是统计研究中重要的参数之一，决定着研究的可靠性和准确性。
如果样本容量偏小，可能会导致样本代表性不足、误差较大，研究结论存在一定的偏差。
因此，研究者在确定样本容量时，应注意考虑研究目的、假设检验的类型、数据类型和误差范围等因素。
二、样本选择偏倚样本选择偏倚是指样本不具备代表性，未能覆盖到整个研究领域的不同方面，导致研究结果产生一定误差。
这种偏倚可能出现在多个方面，比如样本来源、样本属性、样本数量等，研究者应该尽可能地避免这种偏倚。
三、研究设计问题研究设计是研究的基础，如果研究设计存在问题，会导致研究结果无法得到充分的验证和确认。
在研究设计阶段，研究者需要明确研究目的、研究对象、研究方法等重要参数，建立完整的研究框架，以确保最终研究能够得到有效的验证和证实。
四、数据收集和处理问题数据收集和处理是研究中关键的步骤之一，直接影响到研究结论的准确性和可靠性。
在数据收集和处理过程中，研究者容易出现一些偏差和错误，如数据不完整、数据分类不准确、数据清洗不彻底等。
为避免这些问题，研究者需要制定合理的数据收集和处理程序，保证数据收集和处理的质量和准确性。
五、假设检验问题假设检验是统计研究中重要的结果分析方法之一，用来判断样本数据是否具有代表性和统计意义。
但是研究者在假设检验过程中，容易出现一些错误和偏差，如假设选择不合理、显著性水平超限、样本误差未考虑等。
因此，研究者需要严格遵循假设检验步骤，确保假设检验结果的正确性和可信度。
六、结论推断问题结论推断是统计研究中重要的结果展示方式之一，用来从样本数据中得出整体研究结论。
但是研究者在结论推断过程中，容易出现一些错误和偏差，如过度推断、推断范围不准确、结论与实际情况偏差大等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
合计
７２
未排出 ３６ ７６ １１２
合计
５２ １３２ １８４
三 、误 用 正 态 分 布 法 描 述 呈 偏 态 分 布 的 资 料
１． 例 ３、原 文 题 目 ： 猪 活 体 脑 片 钙 离 子 荧 光 强 度 的 测 定
及 对 停 循 环 后 脑 缺 血 损 伤 的 评 价 。原 文 中 资 料 的 表 达 见 表５ 。
的主语， 在本例应是实验分组， 正确的做法是将其放在统计
表的左边， 用以从左向右说明问题； 另外应在表的上部加上
总 的 纵 标 目 即 血 浆 ＴＮＦ 水 平 （ ｎｇ／ｍｌ， ｘ±ｓ） ， 用 来 说 明 表 中 数
据所代表的含义， 即统计表的谓语， 用以从上向下说明表中
数据的真实含义。而各组进行重复测量的不同时间点是第 ２
一事物内部各组成部分在总量中所占的比重， 是构成指标，
应 属 于 “构 成 比 ”。
３． 释疑： 将“百分率”改为“构成比”。表的下部加上合计
一行， 可以给读者更清晰的印象， 修改表见表 ８。
表 ８ １０１ 例术后病人对探视时机的需求（ 修改表）
探视时机（ 术后日数） １ ２ ３ ＞４
合计
例数 ９ ２４ ４１ ２７
１． 例 ２、原先的表格设计形式见表 ３。
表 ３ 用使君子治疗 １８４ 例蛔虫、蛲虫混合感染病人的排虫
情况分析
蛲虫
排出 未排出 合计
蛔 排出
１６ ５６ ７２
虫 未排出 ３６ ７６ １１２
合计
５２ １３２ １８４
２． 对 差 错 的 辨 析 ： 表 中 的 原 始 数 据 “１６、３６、… ”等 的 含 义未表达清楚， 容 易 使 读 者 误 认 为 这 些 数 据 是 “蛔 虫 和 蛲 虫
外科理论与实践 ２００５ 年第 １０ 卷第 ５ 期
表 ６ ＢＲＣＡ１ 基因表达与乳腺癌临床病理特征的关系（ 例，
ｎ＝５１）
临床病理指标
例数
组织学分级
Ⅰ级
６
Ⅱ级
３４
Ⅲ级
１１
肿块大小
≤２
１１
２～５
２７
＞５
１３
淋巴结转移数（ 枚）
无
２６
１～３
２０
≥４
５
ｃ－ｅｒｂＢ－２ 表达
阴性
１２
阳性
３９
年龄（ 岁）
３５
３５ ３０ ２５ ２０ １５ １０
５ ０
０
ＰＣＭＶ－４ ＦＬ ＧＣＦ ＦＬ＋ＳＣＦ
７
１４
２１
２８
培养天数
图 １ ４ 种 处 理 条 件 下 不 同 培 养 天 数 的 ＣＦＵ－ＧＭ 集 落 总 数 （ 原图）
２． 对 差 错 的 辨 析 ： 复 式 条 图 适 合 表 达 具 有 一 个 统 计 指 标， 两个定性的分组因素的资料。一般将两个分组因素放置 在 Ｘ 轴上， 而本资料中的一个分组因素（ 即处理方法） 是定 性的， 另一个分组因素（ 即培养天数） 却是定量的， 是一连续
组的总数和发生现象的例数即可。故在此表中只要给出临
床 病 理 指 标 、 例 数 及 ＢＲＣＡ １ 表 达 的 阳 性 数 这 ３ 项 就 可 以
了， 不宜给出阳性率。
五 、以 “率 ”代 “比 ”
１． 例 ５、原文题目： 术后病人探视需求的调查分析。原作
者对外科术 后 １０１ 例 病 人 的 探 视 需 求 进 行 了 调 查 ， 编 制 了
２． 对差错的辨析： 在原 表 中 ， 缺 少 总 的 纵 标 目 用 来 说 明
表 中 数 据 所 代 表 的 含 义， 并 且 用 纵 标 目 表 示 原 因（即 试 验 分
组因素）， 横标目表示第 ２ 分组标志， 不符合一般阅读习惯。
３． 释疑： 表格的横标目 应 该 代 表 某 种 “原 因 ”， 即 统 计 表
统计描述错误辨析
一 、统 计 表 纵 、横 标 目 颠 倒
１． 例 １、原文题目： “血小板衍生生长因子－ＡＡ 对破骨 细
胞 功 能 的 影 响 ”。 原 作 者 对 ３ 组 家 兔 血 浆 ＴＮＦ 水 平 进 行 比
较， 见表 １。
表１ ３ 组家兔血浆 ＴＮＦ 水平的比较（ ｎｇ／ｍｌ， ｘ±ｓ） （ 原表）
７
３５～４９
２２
５０～６４
１８
≥６５
４
合计
５１
注： ＊ 与 ｃ－ｅｒｂＢ－２ 阴性组比较， Ｐ＜０．０５
ＢＲＣＡ １ 表达
阳性数
阳性率（ ％）
４
６６．７
１９
５５．９
３
２７．３
７
６３．６
１２
４４．４
７
５３．８
１２
４６．２
１０
５０．０
４
８０．０
３
２５．０
２３
５９．０＊
２
２８．６
１２
５４．５
１１
６１．１
１
ＣＦＵ－ＧＭ 集落总数（ ×１００）
３５ ３０
２５ ２０
１５ １０
５ ０
０
７
１４
２１
培养天数
ＰＣＭＶ－４
ＦＬ
ＧＣＦ
２８ ＦＬ＋ＳＣＦ
图 ２ ４ 种 处 理 条 件 下 不 同 培 养 天 数 的 ＣＦＵ－ＧＭ 集 落 总 数 变化幅度（ 修改图）
七 、用 线 图 表 达 适 合 用 复 式 条 图 表 达 的 资 料 １． 例 ７、原 文 题 目 ： 糖 尿 病 牙 周 炎 治 疗 后 血 清 肿 瘤 坏 死 因子－α和糖化血红蛋白的变化。其中一资料为 １５ 例 ２ 型糖 尿病伴牙周炎病 人 ， 分 别 于 牙 周 治 疗 前 、后 一 定 时 间 段 内 检 测其血清肿瘤坏死因子－α（ ＴＮＦ－α） 的 水 平 ， 原 作 者 将 其 资 料 绘成了普通线图见图 ３。 ２． 对差错的辨析与 释 疑 ： 图 ３ 中 “系 列 １”与 “系 列 ２”的 含 义 不 清 楚 ， 从 其 正 文 所 述 内 容 推 测 ， 可 能 是 指 “治 疗 前 与 治 疗 后 ”或 “治 疗 后 与 治 疗 前 ”。 线 图 适 合 表 达 观 察 指 标 随 时 间变化的趋势 ， 而 本 资 料 放 置 在 横 轴 上 的 项 目 却 是 “病 例 编 号 ”， 它 是 一 个 名 义 变 量 ， 因 而 不 适 合 用 普 通 线 图 来 表 达 该 资料。若确实希望表达每位病人的数据， 宜选用复式条图来 表达， 横轴上安排“病例编号”， 纵轴上表示观察指标。若绘
· 附 １０ ·
ＴＮＦ－α水平（ ｎｇ／Ｌ）
系列 １ 系列 ２ ２５ ２０ １５ １０ ５ ０ １ ２ ３ ４ ５ ６ ７ ８ ９ １０ １１ １２ １３ １４ １５ 病例编号
图 ３ 牙周基础治疗前后血清 ＴＮＦ－α的变化
制散布图， 可能更符合专业含义。即将治疗前的结果放在横
轴 上 ， 将 治 疗 后 的 结 果 放 在 纵 轴 上 ， 每 位 病 人 治 疗 前 、后 同 一个指标的测定结果在图中就是一个点， 此散布图能够比
个分组标志， 为细分的纵标目。原文作者在表 １ 中正好将统
计表纵、横标目颠倒了， 不便于读者阅读。对表 ２ 进行修改，
修改结果见表 ２。
表 ２ ３ 组家兔血浆 ＴＮＦ 水平的比较（ ｎｇ／ｍｌ， ｘ±ｓ） （ 修改表）
试验分组
对照组 休克组 治疗组
时间： ０ ０．０３２±０．００４ ０．０３５±０．００７ ０．０２９±０．００７
血浆 ＴＮＦ 水平（ ｎｇ／ｍｌ， ）
２
４
８
０．０３７±０．０１３ ０．０２８±０．０１０ ０．０２５±０．０１３
１３．１２８±２．６０１ ０．１３６±０．０７３ ０．０３１±０．００９
０．８５０±０．４７３ ０．０３０±０．０１２ ０．０２２±０．０１１
二 、统 计 表 中 数 据 含 义 不 清
３． 释 疑 ： 描 述 偏 态 分 布 资 料 的 集 中 趋 势 应 该 选 用 中 位 数， 描述其离散程度应该选用四分位数间距， 其形式为“Ｍ （ ＱＲ） 或 Ｍ（Ｑ１－Ｑ３）”， Ｍ 代表中位数， ＱＲ 代表四分位数间距， ＱＲ＝ Ｑ３－ Ｑ１，由第三四分位数减第一四分位数得来。由于没有原始 数据， 故只能解释一下。
· 附８ ·
Ｊ Ｓｕｒｇ Ｃｏｎｃｅｐｔｓ Ｐｒａｃｔ ２００５， Ｖｏｌ．１０， Ｎｏ．５
·函授继续医学教育·
统计描述与实验设计错误辨析( 1)
胡良平 １， 刘惠刚 ２ （１． 军事医学科学院生物医学统计咨询中心， １００８５０ 北京； ２． 首都医科大学基础医学院， １０００５４ 北京）
在实际的科研工作中， 严格按统计研究设计要求完成的 科 研 课 题 却 为 数 不 多 ， 严 格 按 统 计 学 要 求 收 集 、表 达 、描 述 和分析科研数据者为数也不太多， 导致很多科研课题完成 的质量不高， 在学术期刊上发表的科研论文的统计学水平 不高， 因而， 在很大程度上影响了我国科研质量和在国际上 的学术威望， 这一点应当引起各界人士的高度关注。为此， 应本刊编辑部的邀请， 从本期开始， 笔者将陆续发表数篇 “医 学 统 计 学 典 型 错 误 辨 析 与 释 疑 ”的 文 章 ， 供 广 大 生 物 医 学科技工作者、临床 医 师 和 高 等 医 药 院 校 师 生 学 习 和 参 考 ， 望广大读者多提宝贵建议， 让我们共同努力把这件办好。