医学常用统计分析方法概括

在面对手头上的数据时是否无从下手？在选择统计学方法时不知是否恰当？其实这里面都是有套路的，下面我们将数据分为连续型资料和分类资料；在不同的数据类型下，将处理因素分为单因素和多因素，对医学常用的统计分析方法进行归纳总结，便于大家对照和选择。

图1 连续型资料的分析方法选择思维导图

注：

多样本完全随机设计中，方差分析的两两比较方法可用LSD检验，Bonferroni校正等方法实现；秩和检验的两两比较可用Bonferroni校正，Nemenyi检验等方法实现；

LINE分别指自变量与因变量之间存在线性关系，各观测间相互独立，残差e 服从正态分布，方差齐性。

01

单因素单样本

首先，我们来看连续型资料，例如，已知普通小鼠体重的均值，研究者需分析某种新饲料喂养的小鼠体重是否不同于普通小鼠。该研究的结局变量体重为连续型变量，处理因素为喂养新饲料。按照图1，首先检验数据是否正态，若正态则使用t检验，否则使用Wilcoxon秩和检验。

02

单因素两样本

例如喂养两组小鼠，一组喂养原饲料，一组喂养新饲料，比较2组小鼠体重否有差异。该研究的结局变量体重为连续型变量，处理因素为喂养不同饲料，本例为两独立样本。按照图1，首先检验数据是否正态，方差齐，若正态、方差齐，使用t检验或方差分析；若正态、方差不齐，使用t´检验；否则使用Wilcoxon秩和检验。

03

单因素多样本

例如喂养多组小鼠，分别喂养不同的饲料，比较各组小鼠体重是否有差异。为了控制某些非处理因素对实验结果的影响，这里会采取不同的设计方案，本例为完全随机设计。按照图1，首先检验数据是否正态，方差齐，若正态、方差齐，使用方差分析；否则使用Kruscal-wallis H秩检验。

04

多因素样本

我们知道，影响小鼠体重的因素不仅仅只有饲料的种类，还有例如年龄、性别、进食量等各种因素的影响。虽然有些因素在单因素研究中可以通过不同的设计方案控制，但是我们也会经常面对多因素的数据资料。按照图1，首先检验数据是否满足LINE条件，若满足LINE条件，则使用多元线性回归或者协方差分析，否则使用广义线性模型GLM。

图2 分类资料的分析方法选择思维导图

注：n：样本量；T：理论频数；b,c:配对四格表中的b、c格

01

四格表资料

某医院研究观察不同药物治疗老年2型糖尿病的疗效，采用降糖1号和玉泉丸两种药物治疗患者，得到两种药物治疗的有效人数和无效人数。分析两种药物的疗效是否相同，因变量为是否有效（有效、无效），属于分类变量，是单因素，可整理成四格表，非配对。按照图2，若n≥40且所有T≥5，使用2×2卡方检验；若n≥40但有1≤T

03

R×C表资料

如果医院使用了三种药物治疗患者，观察不同药物的疗效，治疗结果分为显效、有效和无效，分析三种药物的疗效是否相同，因变量为治疗效果（显效、有效、无效）属于单向有序分类变量，是单因素，可整理成3×3表。按照图2，使用秩和检验。

04

多因素分类资料

对糖尿病的治疗效果可能还有年龄、锻炼情况、饮食和体重等因素的影响，分析这些影响因素对糖尿病治疗效果的影响，因变量为治疗效果（显效、有效、无效）属于单向有序分类变量，影响因素为多因素。按照图2，使用有序多分类logistic。

还有一种比较特殊的资料，生存资料，该资料蕴涵结局和时间两个方面的信息。单因素生存资料采用Log-rank检验，多因素生存资料采用Cox比例风险回归模型。

今后，我们会陆续推出一系列推文，具体介绍如何使用R语言对不同类型的资料进行统计分析。请关注！

制作：蔡敏

初审：何冠豪、胡建雄

审核：肖建鹏、刘涛

指导：马文军

《数据分析和应用》致力于为全国各地公共卫生与医学工作者（机构）提供专业可靠的统计咨询、研究设计、数据分析及调研报告等服务（详细见公众号菜单栏），欢迎有需要的人员和机构与我们联系。