统计结果的解释和表达
临床试验中的数据分析与结果解读
临床试验中的数据分析与结果解读临床试验作为评估药物疗效和安全性的重要手段，在医学研究中起着至关重要的作用。
数据分析与结果解读是临床试验的核心环节，能够直接影响到试验结果的准确性和可靠性。
本文将从数据分析的基本原则、常用统计方法以及结果解读的要点等方面进行阐述，旨在帮助读者更好地理解临床试验中的数据分析与结果解读。
一、数据分析的基本原则在临床试验中，数据分析的基本原则主要包括数据完整性、数据清洗、数据变量和数据整体性的考虑。
首先，数据完整性是数据分析的基础。
在进行数据分析前，应确保收集到的数据齐全、准确、无重复，并进行验证。
任何缺失或错误的数据都可能对试验结果产生重要影响，因此要密切关注数据的完整性。
其次，数据清洗是数据分析的前提。
数据清洗是指通过识别和纠正数据中的错误和不一致性，使得数据达到可靠、统一和一致的状态。
数据清洗包括验证数据的准确性、删除或修复错误数据以及统一数据的格式和单位等。
再次，数据变量的选择与定义对分析结果至关重要。
在数据分析中，应明确每个变量所代表的含义，根据研究的目标确定所需变量，并保证所选变量与研究问题的相关性。
最后，数据整体性的考虑是数据分析的重要环节。
应全面考虑试验的整体数据特点、趋势和变异程度，选择合适的分析方法和模型，确保结果的准确性和可靠性。
二、常用统计方法在临床试验中，常用的统计方法主要包括描述统计和推断统计。
描述统计是对试验数据的整体特征进行概括和描述的方法。
可以通过计算平均值、中位数、标准差等指标来揭示数据的中心趋势和离散程度，还可以绘制频率分布直方图和箱线图等图形进行可视化展示。
推断统计是根据样本数据来推断总体特征的方法。
其中，假设检验用于评估变量之间的差异是否具有统计学意义，回归分析用于分析变量之间的关系，生存分析用于评估时间相关数据的生存率等。
三、结果解读的要点在临床试验中，结果解读要点包括结果的客观性、结果的可靠性和结果的应用性。
首先，结果要客观准确。
结果呈现与解读过程
结果呈现与解读过程在研究或调查中，结果的呈现与解读过程是非常重要的，它可以帮助读者或观察者更好地理解和解释研究的数据或实验结果。
通过合理的结果呈现与解读过程，可以确保研究的准确性、可靠性并提供有意义的信息。
本文将探讨结果呈现与解读过程的要点与技巧。
一、结果的呈现结果的呈现是将研究或实验的数据以清晰、可读性强的方式展现给读者或观察者。
以下是一些常用的结果呈现方法：1. 图表展示：使用图表可以将数据以直观的形式展示出来，例如柱状图、折线图、饼状图等。
图表需要确保清晰、简洁，同时注释和图示要准确明了。
2. 描述性统计：对于数据量较小的情况，可以使用描述性统计（如均值、中位数、标准差等）来概括和描述数据结果。
3. 数据报告：通过书面方式以表格的形式列出数据，可以提供更详细的数据信息。
报告中应有标题、注释、单位等，以帮助读者准确理解数据。
无论使用何种呈现方式，都需要确保数据的准确性和可读性。
在结果呈现中，可以加入一些引导性的文字解释，帮助读者更好地理解结果。
二、结果的解读结果的解读是对研究或实验结果进行分析、推理和解释的过程。
以下是一些要点和技巧：1. 简明扼要：结果的解读应该简明扼要，不要冗长。
重点反映结果中最重要的发现和趋势。
2. 统计学意义：对于量化数据，可以使用统计学方法来评估结果的显著性。
如果结果具有统计学意义，需要指出相关的统计指标和显著性水平。
3. 结果的解释：解读时需要注重结果和研究问题之间的联系，分析结果出现的原因和可能的解释。
尽量给出合理推断和解释。
4. 结果与相关文献的比较：将自己的结果与现有的相关研究结果进行比较，看是否存在一致性或差异。
如果有差异，需要提供可能的解释。
5. 结果的限制与局限性：要诚实地描述结果的限制与局限性。
这有助于读者更好地理解结果的范围和可靠性。
6. 结果的实际意义：最后，需要将结果与实际问题或问题背景联系起来，讨论结果的实际意义。
这有助于读者更好地理解结果的重要性。
关于统计学符号及统计结果的表述
关于统计学符号及统计结果的表述统计学符号是专门用于统计表达及其结果的一种通用语言，可以有效地传达统计学概念和数据的 E 。
一般而言，大多数的统计学符号是由一个或多个字母、数字、箭头和斜杠组成的。
统计学符号的用途：统计学符号可以用来表达统计学概念、建模数据、描述属性、建立运算公式以及展示结果。
统计学符号的说明：一般来说，统计学符号通常被用来描述总体数据，以及它们之间的相互关系和特性(比如均值、方差、离散度等)。
统计学常用变量记号：1.均值(平均数)：用μ(μ)来表示。
2.比值：用P来表示。
3.标准差：用σ(sigma)表示。
4. 极差：用D表示。
5. 计数：用N表示。
6. 概率：用符号P表示。
7. 成功率：用符号R表示。
8. 方差：用σ2(sigma的平方)表示。
9. 算术平均数：用A(arithmetic mean)来表示。
10. 方差均等比例：用Y表示。
11. 成绩：用X表示。
12. 中位数：用M（median)来表示。
13. 标准差/均数：用S表示。
14. 偏度度量：用G表示。
15. 全有效率：用V表示。
16. t分布值：用t来表示。
17. 决策界限值：用L表示。
统计结果的表述：1. 统计结果的表述是使用统计数据、描述性统计和推断统计技术对主题进行描述的，概括了它的特征。
2. 对于名义变量，可以使用频率、比例和比率统计表达，它们可以有助于我们了解统计分布。
3. 对于度量变量，可以使用中心趋势及其方差描述它们，这包括均值、中位数、众数、标准差、变异系数等。
4. 回归分析后可以通过R方值/决定系数来衡量线性关系的程度，以及通过t值/p值来判断零假设是否拒绝。
5. 分组比较可以使用t检验、卡方检验、F检验等表达方法来衡量它们之间的统计学差异，也可以使用独立样本t检验来衡量它们的差异。
学术论文中如何解释和解读实证研究的定量数据结果和统计显著性
学术论文中如何解释和解读实证研究的定量数据结果和统计显著性引言：在学术研究中，实证研究是一种基于定量数据的研究方法，它通过收集和分析数据来验证假设并得出结论。
然而，仅仅提供数据结果是不够的，研究人员还需要解释和解读这些数据结果，以便读者能够理解其意义和潜在影响。
本文将探讨学术论文中如何有效地解释和解读实证研究的定量数据结果和统计显著性。
1. 数据结果的描述和概括首先，研究人员应该对数据结果进行描述和概括。
这可以通过提供相关的统计指标和描述性统计量来实现。
例如，平均数、标准差、中位数等可以用来描述数据的集中趋势和分散程度。
此外，研究人员还可以使用图表和表格来可视化数据结果，使其更加直观和易于理解。
2. 解释统计显著性的含义在实证研究中，统计显著性是一种用来判断数据结果是否具有实际意义的指标。
当数据结果具有统计显著性时，我们可以推断出这些结果不是由随机因素引起的，而是由所研究的变量之间的真实关系引起的。
因此，研究人员应该解释统计显著性的含义，并说明其对研究问题的重要性和实际意义。
3. 结果的解释和解读在解释和解读实证研究的数据结果时，研究人员应该注意以下几点：a) 结果的一致性：研究人员应该检查数据结果是否与研究假设一致。
如果结果与假设不一致，研究人员应该提出可能的解释，并讨论其潜在原因。
b) 结果的大小和方向：研究人员应该解释结果的大小和方向。
例如，如果结果显示某个变量对另一个变量有显著影响，研究人员可以解释这种影响的程度和方向（正向或负向）。
c) 结果的可靠性和有效性：研究人员应该评估结果的可靠性和有效性。
这可以通过检查统计模型的拟合度、样本大小和数据质量等方面来实现。
4. 结果的限制和局限性在解释和解读实证研究的数据结果时，研究人员应该诚实地讨论结果的限制和局限性。
这可以帮助读者更好地理解结果，并避免对结果的过度解读。
例如，研究人员可以讨论数据采集方法的局限性、样本的代表性问题以及其他可能影响结果的因素。
工作报告中如何有效展示数据和统计分析
工作报告中如何有效展示数据和统计分析在工作报告中，有效展示数据和统计分析是非常重要的，它可以让上级领导和同事们更好地了解工作进展和成果。
以下是我对于如何有效展示数据和统计分析的一些建议。
一、明确目标和需求在开始展示数据和统计分析之前，我们首先要明确我们想要传达的信息和目标。
这样我们才能选择合适的数据和统计分析方法来展示。
同时，我们还要了解听众的需求，以便根据不同的观众调整数据和统计分析的呈现方式。
二、选择合适的图表图表是展示数据和统计分析的常用工具，可以直观地呈现数据和趋势。
常见的图表类型包括柱状图、折线图、饼图等。
在选择图表类型时，我们应该根据数据的特点和展示的目的选择合适的图表类型。
比如，想要展示不同时间段的变化趋势，可以选择折线图；想要展示各个部门的占比关系，可以选择饼图。
三、简洁明了的标题和标注在展示数据和统计分析时，我们应该给图表和表格加上简洁明了的标题和标注，以便观众一目了然地了解图表的主要内容和数据。
标题和标注应该简洁明了，突出重点，避免冗长和难以理解的词语。
四、恰当的比例和尺度在展示数据和统计分析时，我们应该注意选择合适的比例和尺度。
比如，当数据中的差距很大时，我们可以使用对数尺度来展示，以便观众更好地理解数据之间的差异。
另外，我们还要注意保持比例的准确性，避免误导观众。
五、突出重点和趋势在展示数据和统计分析时，我们应该突出重点和趋势，以便观众更好地理解数据的重要性和变化趋势。
我们可以使用不同颜色、线条或者标注来突出重点数据，同时，我们还可以使用箭头或者直线来展示趋势的变化方向。
六、结构清晰的段落和表达在撰写工作报告时，我们应该使用结构清晰的段落和表达方式来展示数据和统计分析。
每个段落应该有明确的主题和逻辑结构，同时使用简洁明了的语言来表达数据和结果。
不要使用过于复杂和晦涩的词语，以免让观众难以理解。
七、多角度分析问题在展示数据和统计分析时，我们应该从不同的角度对问题进行分析。
我们可以使用不同的图表和表格来展示不同维度的数据，以便观众全面了解问题的复杂性和多样性。
简述统计的基本程序和基本内容
简述统计的基本程序和基本内容统计是一门研究数据收集、分析、解释和呈现的学科。
在现代社会中，统计学被广泛应用于各个领域，如经济学、社会学、医学、生物学等。
统计的基本程序包括数据收集、数据整理、数据分析和结果解释。
下面将结合这些程序来简要介绍统计的基本内容。
数据收集是统计学的第一步。
在数据收集阶段，研究人员需要确定研究的目的、研究对象和研究方法。
数据可以通过调查问卷、实地观察、实验等方式收集。
数据收集的关键是确保数据的准确性和完整性，以便后续的数据分析能够得出可靠的结论。
数据整理是数据收集后的重要工作。
在数据整理阶段，研究人员需要对收集到的数据进行整理、清洗和转换，以便后续的数据分析。
数据整理的目的是消除数据中的错误和冗余，确保数据的质量和完整性。
数据分析是统计学的核心内容。
在数据分析阶段，研究人员使用统计方法和工具对数据进行分析，揭示数据之间的关系和规律。
常用的数据分析方法包括描述统计分析、推断统计分析、回归分析、方差分析等。
数据分析的目的是从数据中提取有用的信息，为决策提供依据。
结果解释是统计学的最后一步。
在结果解释阶段，研究人员需要将数据分析的结果呈现出来，并解释这些结果的意义和影响。
结果解释的关键是清晰、准确地表达数据分析的结论，让读者能够理解和接受这些结论。
总的来说，统计的基本内容包括数据收集、数据整理、数据分析和结果解释。
通过这些程序，研究人员可以从数据中获取有用的信息，为决策提供支持。
统计学在各个领域都有着重要的应用，帮助人们更好地理解和解释现实世界中的现象和问题。
希望通过本文的介绍，读者能对统计学有一个初步的了解，进一步深入学习和研究。
统计学分析结果和结论陈述的表达
肺血管病杂志 ２ ０ １ ４年 ３月 第 ３ ３卷第 ２期
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｃ ａ ｒ ｄ ｉ ｏ ｖ ａ ｓ ｃ ｕ ｌ ａ ｒ＆ Ｐ ｕ ｌ ｍ ｏ ｎ ａ ｒ ｙ Ｄ ｉ ｓ ｅ ａ ｓ ｅ ｓ ， Ｍａ ｒ ｃ ｈ ２ ０ １ ４ ， Ｖ ｏ １ ． ３ ３ ． Ｎ ｏ ． ２
Ｖ Ｃ和 Ｆ Ｖ Ｃ不仅能反应 Ｃ Ｏ Ｐ Ｄ患者的气流受限 的程
度 而且可 以 预测其 最大运 动 能力 。
参 考 文 献
［１］
【 ｏ ｂ ａ ｌ ｉ ｎ ｉ ｔ ｉ ａ ｔ ｉ ｖ ｔ ｒ ｕ ｃ ｔ ｉ ｖ ｅ ｌ ｕ ｎ ｇ ｄ ｉ ｓ ｅ ａ ｓ ｅ ．Ｇ１ ｏ ｂ ｌ ａ ｓ ｔ ｒ ａ ｔ —
ｅ ｇ ｙ ｆ ｏ ｒ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ，ｍ ａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ａ ｎ ｄ ｐ ｒ ｅ ｖ ｅ ｎ ｔ ｉ ｏ ｎ ｏ ｆ Ｃ Ｏ Ｐ Ｄ ．（ ｕ ｐ ｄ ａ —
ｔ ｅ ｄ ２ ０ １ １ ） ．
ａ Ｔ， Ｎｉ ｓ ｈ ｉ ｍｕ ｒ ａ Ｋ， Ｔｓ ｎ ｋ ｉ ｎ ｏ Ｍ ［ ２］ Ｏｇ ，ｅ ｔ １．Ｅｘ ａ ｅ ｒ ｃ ｉ ｓ ｅ ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ ｄ ｅ ｔ ｅ ｒ ｉ —
ｈ ｉ ｓ ｔ ｏ ｉｅ ｒ ｓ ．Ｅ ｕ ｒ Ｒｅ ｓ ｐ ｉ ｒ Ｊ ，１ ９ ９ ７， １ ０： １ ３ １ ６— １ ３ ２ ０．
［ １ ４ ］ Ｏ’ Ｂ ｒ ｉ ｅ ｎＣ， Ｇ ｕ ｅ ｓ ｔ Ｐ Ｊ ， Ｈ ｉ ｌ ｌ Ｓ Ｌ， ｅ ｔ １． ａ Ｐ ｈ ｙ ｓ ｉ ｏ ｌ ｏ ｇ ｉ ｅ ｌ ａ ａ ｎ ｄ ｒ ａ ｄ ｉ ｏ ｌ ｏ ｇ －
ａ ｔ ｏ ｙ ｒ ｖ ｉ ｔ ｌ ａ ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ：ｗｈ ｉ ｃ ｈ ｉ ｓ ｔ ｈ ｅ ｂ ｅ ｓ ｔ ｍｅ ｓｕ ａ ｒ ｅ ｏ ｆ ｖ ｉ ｔ ｌ ａ ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ ？Ｊ
科学实验中的数据分析和结果解释技巧
科学实验中的数据分析和结果解释技巧科学实验是科学研究中不可或缺的环节，而数据分析和结果解释技巧是确保实验结果可靠和准确的重要因素。
本文将介绍一些在科学实验中常用的数据分析方法和结果解释技巧。
一、数据分析技巧1. 数据收集和整理在实验进行之前，需要明确数据收集的方式和方法。
通常采集到的数据会以数字或者实验记录的形式存在。
确保数据的准确性和完整性对于后续的分析至关重要。
此外，在整理数据时要注意将数据分类和归类，使其更易于分析。
2. 描述性统计描述性统计是通过对数据进行总体描述来了解数据的集中趋势和离散程度。
常见的描述性统计包括均值、中位数、众数和标准差等。
通过对数据的描述性统计，可以对数据的集中趋势和变异程度进行初步了解。
3. 统计推断在实验中，我们通常希望通过样本数据对总体进行推断。
统计推断包括参数估计和假设检验。
参数估计是通过样本数据来估计总体参数，并给出一个置信区间，用于说明估计的可靠程度。
假设检验是通过对样本数据的分析来判断总体假设是否成立。
4. 相关分析相关分析用于判断两个变量之间是否存在相关关系，以及相关关系的强度和方向。
常见的相关分析方法有Pearson相关系数和Spearman相关系数。
5. 实验设计与方差分析实验设计和方差分析主要用于确定因素对实验结果的影响以及各个因素的交互作用。
通过合理设计实验和方差分析，可以减少实验误差，提高实验结果的可靠性。
二、结果解释技巧1. 结果的客观呈现结果的呈现要客观准确，避免主观臆断和夸大解释。
可以使用数据表格、图表和统计指标等来直观展示实验结果。
2. 结果的比较和解释在结果解释中，可以采用比较的方法，将结果与已有的理论知识进行对比。
同时，需要解释结果的偏差或异常，并寻找原因进行分析。
3. 结果的讨论与归纳在结果解释中，需要将实验结果与研究的目的和假设进行讨论。
归纳结果的主要特点和规律，并与相关研究进行对比和讨论，从而得出结论。
4. 结果的局限和未来研究方向结果解释的过程中，也要指出结果存在的局限性，并提出未来研究的方向和改进的建议。
在报告中解释和评估统计结果的相关性和显著性
在报告中解释和评估统计结果的相关性和显著性统计学作为一门独立的学科，是对数据进行收集、分析和解释的科学方法。
在现代社会中，统计学的应用已经融入到各行各业的发展中，并且成为了科学研究的基础工具之一。
在报告中，解释和评估统计结果的相关性和显著性是非常重要的，因为它们能够帮助读者理解数据分析的结果，并为决策提供支持。
本文将根据这一主题展开，分为六个小节进行详细论述。
第一节：相关性的解释和评估在统计学中，相关性是指两个或多个变量之间的关系。
在报告中，解释和评估相关性往往是分析的重点。
首先，需要明确相关性的定义，然后使用相关系数来度量两个变量之间的关联程度。
常用的相关系数有Pearson相关系数和Spearman相关系数。
解释相关性时，需要说明相关系数的取值范围以及其意义，同时还要注意相关性并不代表因果关系，可能存在其他隐藏的变量影响了相关关系。
第二节：显著性的解释和评估在统计学中，显著性是指统计结果的可靠程度。
在报告中，解释和评估显著性通常是为了确定结果是否具有统计学意义。
常用的方法是进行假设检验，计算p值或置信区间。
p值是指得出观察到的统计差异或更极端情况的概率，而置信区间是指包含真实参数值的估计范围。
解释显著性时，需要明确显著水平的设定以及判断显著性的标准。
第三节：相关性和显著性的区别尽管相关性和显著性在统计学中都是重要的概念，但它们有一些不同之处。
相关性是对两个或多个变量之间的关系进行度量，而显著性是对统计结果的可靠性进行评估。
相关性是一个连续的概念，可以通过相关系数来度量；而显著性则是一个离散的概念，通常通过假设检验来判断。
在报告中，需要明确相关性和显著性的区别，并根据具体情况进行解释。
第四节：解释相关性和显著性的结果在报告中，解释相关性和显著性的结果是非常重要的。
首先，需要对相关性和显著性的计算方法进行说明，包括使用的变量、统计方法和显著水平的设定。
然后，需要利用具体数据和图表展示相关性和显著性的结果。
统计学分析结果和结论陈述的表达
首发症 状 。再次 为 与肿 瘤 特性 相 关 的全 身症 状 ， 如
稳定 ， 可能 导致 心律失 常 ， 增加 心 肌耗氧量 。术 后常
反复发热、 食欲减退 、 体质量减轻、 夜 间盗汗等 Ｊ 。
黏液瘤 患者 心脏 听诊 可 有 心动 过 速 ， 少 数 有 心 房颤
规监测体温 ， 发热者可给予酒精擦 浴及氟美松 ５— １ ０ ｍ ｇ静脉注射。此外 ， 患者术后还应注意观察神
［ ７］ 王志农 ， 张宝仁 ， 郝家骅 ， 等． 心脏粘液瘤外科 治疗 近远期疗
效 ．中华胸心血管外科杂志 ， ２ ０ ０ ２ ， １ ８： Ｆ ０ ０ ３ 一 Ｆ Ｏ０ ３ ．
（ ２ ０ １ ３— ０ ３— ３ １收稿 ）
紊乱 ， 预防心律失常的发生。短暂 的房室传导阻滞
可应 用异丙 肾上腺 素 ， 必 要 时 临 时起 搏 。体 温 的不
［３］ Ｓ ｔ ｅ ｇ ｅ ｒ Ｃ Ｍ，Ｈａ ｇ ｅ ｒ Ｔ，Ｒ ｕ ｔ ｔ ｍ ａ ｎ ｎ Ｅ ．Ｐ ｒ ｉ ｍ ａ ｒ ｙ ｃ ａ ｒ ｄ ｉ ａ ｃ ｔ ｕ ｍ ｏ ｕ ｒ ｓ ：ａ
ｓ ｉ ｎ ｇ ｌ ｅ － ｃ ｅ ｎ ｔ ｅ ｒ ４ １ － ｙ ｅ ａ ｒ ｅ ｘ ｐ ｅ ｒ ｉ ｅ ｎ ｃ ｅ ．Ｉ Ｓ ＲＮ Ｃ ａ ｒ ｄ ｉ ｏ ｌ ，２ ０１ ２， ２ ０１ ２： １ —
・
读者 ・ 作者 ・ 编者 ・
统计 学 分析 结 果 和结论 陈述 的表 达
论文在表达统计分析结果时 ， 一般只给 出“ Ｐ＞ ０ ． ０ ５ ” 、 “ Ｐ＜ ０ ． ０ ５ ” 或“ Ｐ＜ ０ ． ０ １ ” ， 应给 出统计量 的计 算结果 ， 并尽可能给 出 具体 的“ Ｐ值 ” ， 如， ｔ ＝ ４ ． ７ ８ ， ＝ ８ ， Ｐ＝ ０ ． ０ ０ １ ４ ， Ｘ ２ ＝１ ０ ． ３ ６ ０ ， ｄ 厂 ＝３ ， Ｐ＝ ０ ． ０ １ ５ ７ 。 在表达定性和定量资料 的结果时 ， 还应给 出总体平均值或总体率 的 ９ ５ ％可信区间。
- 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)。
中国辐射卫生２０１５年６月第２４卷第３期Ｃｈｉｎ Ｊ Ｒａｄｉｏｌ Ｈｅａｔｈ，Ｊｕｎｅ ２０１５，Ｖｏ１．２４ Ｎｏ．３ ・２４５・
表３ 各样品的内外照射系数
表３的结果显示，样品的内照射系数的范围为
０．０４０～０．５５８，外照射系数的范围为：０．０５７—０．７６６；
我国常用建筑材料内外照射系数分别在０．１４～０．３４，
０．１４～０．５９范围内变化 ］。比较发现，衡阳市本土
主体建材放射性内外照射系数与全国范围内建材放
射性内外照射系数基本一致。
国家标准ＧＢ ６５６６—２ｏｌｏ￣建筑材料放射性核素
限量》将建筑材料分为Ａ、Ｂ、ｃ三类＿４］，具体分类方法
见表４：
参照国家建材分类标准，衡阳市本土主体建材都
属于Ａ类建材，它的使用和销售不受任何的限制。
３ 结论
衡阳市本土主体建材放射性调查采样注重样品
的地域分布和样品组成的特点，采集的样品基本能够
表４建材放射性水平分类标准
代表衡阳地区主体建材放射性的特性。样品中
Ｒａ ２３２Ｔｈ
、
∞Ｋ的含量较低，内外照射系数与全国范
围内建材放射性内外照射系数基本一致，样品都达到
了ＧＢ ６５６６—２ｏｌｏ￣建筑材料放射性核素限量》中规
定的Ａ类建材的标准。建材使用过程中不会对人体
的健康造成不利的影响，不需要增加任何特殊的防
护。新建或扩建主体建材生产的厂家应该在产品生
产前对产品的原材料进行天然放射性核素含量的检
测，为科学选址和提高产品质量提供可靠的依据。
参考文献
［１］杜国生，万玲．放射防护基础［Ｍ］．北京：原子能出版社，２００９．
［２］孙性善．建筑材料放射性限制量研究［Ｊ］．中华放射医学与防护
杂志，１９８６（６）：２８９．
［３］ 张小林，张倩媚，王世联．建筑材料中天然放射性的＾，能谱分析
［Ｊ］．核电子学与探测技术，２００５，２５．
［４］ 中国建筑材料科学研究总院，中国疾病预防控制中心辐射防护
与核安全医学所，中国建筑材料工业地质勘查中心．ＧＢ６５６６—
２０１０建筑材料放射性核素限量［ｓ］．北京：中国标准出版社，
２０１０．
收稿日期：２０１４—１１一叭 修回日期：２０１５—０１—２Ｏ
ｈ◆Ｉｌｌｌｌ●，ｌ◆◆●◆ ●ｉＩ ＪＩｉ◆１● ◆＿¨●Ｉｌｌｌ，◆
统计结果的解释和表达
当Ｐ＜０．０５（或Ｐ＜０．０１）时，应说明对比组之间的差异具有统计学意义；应说明所用统计分析方法的具体名称，例如：成组设
计资料的ｔ检验、两因素析因设计资料的方差分析、多个均数之间两两比较的ｇ检验等，给出统计量的具体值（如：ｔ：３．４４５， ＝
４．６８，Ｆ＝６．７９）；在用不等式表达Ｐ值的情况下，一般情况下选用Ｐ＞０．０５，Ｐ＜０．０５，Ｐ＜０．Ｏ１，３种表达方式即可满足需求，无须再
细分为尸＜０．００１或Ｐ＜０．０００１。当涉及总体参数时（如总体均数和总体率）时，在给出显著性检验结果的同时，应给出９５％可信
区间。
本刊编辑部