个人中心
退出
你需要的临床数据统计分析技巧都在这里
临床研究的数据分析是围绕研究目的进行的，不是统计分析技巧的炫耀。大多数临床研究的目的是估计暴露的效应或治疗的效果。可以归结为5个目的，下面我们一一说明。
第一个目的：计算两组间结局风险的相对差别。
第二个目的是：估算出治疗效果真实存在的区间，即我们常说的置信区间，一般用95%置信区间表示。
第三个目的是：控制混杂因素。标化和分层分析都可以用来控制混杂，但是一般多会采用多元回归的方法，如分析二分变量的Logistic回归和分析生存时间的Cox回归，因为后者可以很容易地同时控制多个混杂因素。
第四个目的是：分析和呈现剂量-效应关系。可以用分层分析，也可以用多元回归分析，但后者的优点是同时可以控制其他因素的混杂作用。
第五个目的是：分析和呈现交互作用。同样地，可以用分层分析，也可以用多元回归分析，但后者的优点是同时可以控制其他因素的混杂作用。比如，一个药物在儿童和成年病人中效果差别很大。这些现象在流行病学里被叫做效应修饰作用或交互作用。交互作用存在与否，对如何正确使用药物十分重要。
临床研究数据分析还包括两项重要但十分简单的描述性工作，即制作研究对象的流程图和比较组间的基线数据。当然，计算疗效需要首先估计结局发生的频度。如何估计结局发生的频度是临床研究数据分析者必备的技艺，必须熟练、精准地掌握。
上述数据分析方法适用于病例对照研究、队列研究（cohort study）、对照试验，以及探索因果关系的其他类型的研究。这些研究是四大医学杂志发表的主要研究类型。掌握了这些方法，你就学会了临床研究数据分析需要的大部分技巧。更重要的是，这些方法都是简单、有效、可行的方法。它们都经过了几十年甚至更长时间的锤炼和考验，得到了广泛的接受和使用，已经变成了临床研究数据分析的规定性动作。
分类导航