情况 | 流行病学结果 | 统计方法 |
非配对病例-对照研究(Unmatched case-control study) 一个二分类暴露变量,如:是/否 一个对照组 | 优势比及其95%CI:1、Cornfield 法(Cornfield’s method);2、Woolf 法(Woolf’s method);3、精确法(Exact method) | 1、关联性卡方检验;2、Fisher 精确检验;3、Φ系数 |
非配对病例-对照研究 一个有序分类暴露变量 一个对照组 | 每个分类与参考分类比较的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 | 1、关联性卡方检验;2、Fisher 精确检验;3、Φ系数;4、Cramer V系数;5、线性趋势性卡方检验 |
非配对病例-对照研究 一个连续变量(Single continuous variable) 一个对照组 | - | 1、独立样本t检验(Student’s T test (unpaired));2、Mann-Whitney U 检验(Mann-Whitney U test) |
非配对病例-对照研究) 多个二分类暴露变量,如:是/否 一个对照组 | 每个变量单独的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 变量组合的调整优势比(Adjusted ORs):1、分层和汇总优势比及其95%CI | 1、关联性卡方检验;2、Fisher 精确检验;3、Φ系数;4、非条件多重logistic回归;5、Mantel-Haenszel卡方检验 |
非配对病例-对照研究 多个暴露变量,表达为2或以上的有序分类 一个对照组 | 各单独变量中,各分类与参考分类比较的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 变量分类组合的调整优势比 | 1、关联性的卡方检验;2、Fisher 精确检验;3、Cramer V系数;4、线性趋势性卡方检验;5、非条件多重logistic回归 |
非配对病例-对照研究 多个连续变量 一个对照组 | - | 1、独立样本t检验;2、Mann-Whitney U 检验;3、非条件多重logistic回归 |
非配对病例-对照研究 变量类型的组合(Combinations of variable types) 一个对照组 | 各单独变量中,各分类与参考分类比较的优势比及其95%CI;1、Cornfield 法;2、Woolf 法;3、精确法; 变量分类组合的调整优势比 分层和汇总优势比及其95%CI | 1、关联性的卡方检验;2、Fisher 精确检验;3、Φ系数;4、Cramer V系数;5、线性趋势性卡方检验;6、独立样本t检验;7、Mann-Whitney U 检验;8、Mantel-Haenszel 卡方检验;9、非条件多重logistic 回归;10、广义线性模型 |
非配对病例-对照研究 一个二分类暴露变量,如:是/否 多个对照组 | 优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 分层和汇总优势比及其95%CI | 1、关联性的卡方检验;2、Fisher 精确检验;3、Φ系数;4、Mantel-Haenszel 卡方检验 |
非配对病例-对照研究 一个有序分类暴露变量 多个对照组 | 各分类与参考分类比较的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法; 每个对照组分别比较 | 1、关联性的卡方检验;2、Fisher 精确检验;3、Cramer V系数;4、线性趋势性卡方检验;5、多重比较的Bonferroni校正 |
非配对病例-对照研究 一个连续变量 多个对照组 | - | 1、方差分析及Tukey两两比较检验;2、Kruskal-Wallis检验,并在Bonferroni 校正后,用Mann-Whitney U检验进行两两比较 |
非配对病例-对照研究 多个二分类暴露变量,如:是/否 多个对照组 | 各变量单独的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 变量组合的调整优势比 分层和汇总优势比及其95%CI | 1、关联性的卡方检验;2、Fisher 精确检验;3、Φ系数;4、Mantel-Haenszel 卡方检验;5、非条件多重logistic 回归 |
非配对病例-对照研究 多个暴露变量,表达为2或以上的有序分类 多个对照组 | 各单独变量中,各分类与参考分类比较的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 变量组合的调整优势比 | 1、关联性的卡方检验;2、Fisher 精确检验;3、Cramer V系数;5、线性趋势性卡方检验;6、非条件多重logistic 回归 |
非配对病例-对照研究 多个连续变量 多个对照组 | - | 1、方差分析及Tukey两两比较检验;2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较;3、多分类多重logistic 回归(Polytomous multiple logistic regression) |
非配对病例-对照研究 变量类型的组合 多个对照组 | 各单独变量中,各分类与参考分类比较的优势比及其95%CI:1、Cornfield 法;2、Woolf 法;3、精确法 变量分类组合的调整优势比 分层和汇总优势比及其95%CI | 1、关联性的卡方检验;2、Fisher 精确检验;3、Φ系数;4、Cramer V系数;5、线性趋势性卡方检验;6、独立样本t检验;7、Mann-Whitney U 检验;8、非条件多重logistic 回归;9、方差分析及Tukey两两比较检验;10、Kruskal-Wallis检验;11、广义线性模型 |
配对病例-对照研究(Matched case-control study) 一个二分类暴露变量,如:是/否 一个对照组 | 优势比及其95%CI:1、McNemar 法(McNemar’s method) | 1、关联性McNemar卡方检验(McNemar’s chi square test of association) |
配对病例-对照研究 一个暴露变量,表达为2或以上的有序分类 一个对照组 | 拆分成4格表后与参考分类比较的优势比及其95%CI:1、McNemar 法(McNemar’s method) | 1、关联性McNemar卡方检验;2、Breslow-Day 检验(Breslow-Day test) |
配对病例-对照研究 一个连续变量 一个对照组 | - | 1、配对t检验(Student’s T test (paired));2、Wilcoxon 符号秩检验(Wilcoxon signed-rank test) |
非配对病例-对照研究 多个二分类暴露变量,如:是/否 一个对照组 | 各单独变量变量的优势比及其95%CI:1、McNemar法 变量组合的调整优势比 | 1、关联性的McNemar卡方检验;2、条件多重logistic 回归(Conditional multiple logistic regression) |
配对病例-对照研究 多个暴露变量,表达为2或以上的有序分类 一个对照组 | 各单独变量中,各位分类与参考分类比较的优势比及其95%CI:1、McNemar法 变量分类组合的调整优势比 | 1、关联性McNemar卡方检验;2、Breslow-Day 检验;3、条件多重logistic 回归 |
配对病例-对照研究 多个连续变量 一个对照组 | - | 1、配对t检验;2、Wilcoxon 符号秩检验;3、条件多重logistic 回归 |
配对病例-对照研究 变量类型的组合 一个对照组 | 各单独变量中,每个分类与参考分类比较的优势比及其95%CI:1、McNemar法 变量分类组合的调整优势比 | 1、关联性McNemar卡方检验;2、Breslow-Day 检验;3、配对t检验;4、Wilcoxon符号秩检验;5、条件多重logistic 回归;6、广义线性模型 |
配对病例-对照研究 一个二分类暴露变量,如:是/否 多个对照组 | 优势比及其95%CI:1、McNemar法 分层或汇总优势比及其95%CI | 1、关联性McNemar卡方检验;2、Mantel-Haenszel卡方检验 |
配对病例-对照研究 一个暴露变量,表达为2或以上的有序分类 多个对照组 | 拆分成4格表后每个分类与参考分类比较的优势比及其95%CI:1、McNemar 法 与每个对照组单独比较 | 1、关联性McNemar卡方检验;2、Breslow-Day 检验;3、多重比较的Bonferroni校正 |
配对病例-对照研究 一个连续变量 多个对照组 | - | 1、Friedman 方差分析(Friedman’s Analysis of variance);2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较 |
配对病例-对照研究 多个二分类暴露变量,如:是/否 多个对照组 | 各变量单独的优势比及其95%CI:1、McNemar法 变量组合的调整优势比 分层或汇总优势比及其95%CI | 1、关联性McNemar卡方检验;2、Mantel-Haenszel检验;3、条件多重logistic回归 |
配对病例-对照研究 多个暴露变量,表达为2或以上的有序分类 多个对照组 | 各单独变量中,每个分类与参考分类比较的优势比及其95%CI: 1、McNemar法 变量分类组合的调整优势比 | 1、异质性卡方检验(chi square test of heterogeneity);2、Breslow-Day 检验;3、条件多重logistic 回归 |
配对病例-对照研究 多个连续变量 多个对照组 | - | 1、Friedman方差分析;2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较;3、多分类多重logistic 回归 |
配对病例-对照研究 变量类型的组合 多个对照组 | 各单独变量中,每个分类与参考分类比较的优势比及其95%CI: 1、McNemar法 变量分类组合的调整优势比 分层或汇总优势比 | 1、关联性McNemar卡方检验;2、Breslow-Day 检验;3、配对t检验;4、Wilcoxon符号秩检验;5、条件多重logistic回归;6、Friedman方差分析;7、Kruskal-Wallis检验;8、Mantel-Haenszel检验;9、广义线性模型 |