医学统计方法的选择应以研究问题为导向，从研究目的出发，综合考虑研究设计类型、变量类型与数据特征、样本量大小以及统计学方法适用条件。统计学方法和统计分析软件只是帮助我们实现研究目的的工具，因此需要着重培养三个思维：研究设计思维、统计分析思维、流行病学思维，在应对研究问题和数据时能够意识到用何种方法去统计分析，并能够很好的处理和规避易错问题，求得可靠的研究结论，使得结论具备内部真实性与外部真实性。本次笔记采用思维导图软件Mindmaster，整理了医学统计学方法选择策略，在后期将会不断更新、完善，欢迎各位学友提出宝贵建议。
对于单变量定量资料，首先要明确资料为单样本还是多样本（两个及以上组别）；其次明确研究设计类型，成组、配对或者重复测量设计；接下来明确数据的分布特征，即是否为正态分布；多组样本，还需要关注方差齐性问题，统计思维导图如下所示：
对于单变量定量资料着重关注四点：分组≥2K、样本独立性、正态性、方差齐性。
如下 表1.1 和 表1.2 的区别在于：前者为两独立样本资料，后者为配对设计资料。
表1.1 的研究目的比较放疗、化疗治疗肺癌患者的血清 Sil-2R 水平差异，如果两组数据均符合正态分布且方差相等考虑采用两独立样本 t 检验；如果两组均为正态分布但方差不等则用 t' 检验；如果呈现偏态分布则用 Wilcoxon 秩和检验（或者Man-Whitney U 检验）
表1.2 的研究目的比较放疗前后肺癌患者的血清 Sil-2R 水平变化，如果放疗前后血清 Sil-2R 水平的差值符合正态分布，则考虑用配对样本 t 检验，偏态分布则考虑用Wilcoxon符合秩和检验。
表1.3 和 表1.4 的区别在于：前者为完全随机设计，后者为随机区组设计。
表1.3 的研究目的比较三种不同喂养方式下大白鼠体重差异，如果三组数据服从正态分布且方差相等，考虑用单因素方差分析；如果偏态分布或者方差不等，考虑采用 Kruskal-Wallis H 检验。
表1.4 的研究目的比较三种方案处理后大白兔血中蛋白减少差异，如果数据服从正态分布且方差相等，考虑采用随机区组方差分析；如果偏态分布或者方差不等，考虑采用 Firedman 检验。表1.5 和 表1.6 的区别在于：前者为单因素重复测量设计，后者为多因素重复测量设计。如果数据符合正态分布且等方差，可考虑分别采用单因素、多因素重复测量方差分析；如果不符合正态分布或者方差不相等，则考虑用混合模型。
表1.7 为诊断试验研究，病理诊断为金标准，欲比较新方法的诊断价值，可考虑ROC曲线分析。
需要注意的是，虽然正态性、方差齐性是t 检验、F 检验的两个前提假设，但是统计方法具有一定耐受性，只要不是严重的偏态或者方差相差很大，可以考虑采用t 检验、F 检验。对于偏态分布的资料，可采用变量转换（比如取对数、Cox-Box转换等）使得资料接近正态分布，但是对于专业上非正态分布的资料（如住院日、住院费用等），首先考虑采用非参数检验。
对于单变量定性资料，首先明确分组变量、分析变量，其次变量属性是否相同、是否有序；接下来明确设计类型，是否为配对设计。
△ 单变量定性资料的统计分析
首先明确分组指标与分析指标，表2.1 的分组指标为疗法，分析指标为疗效；表2.2 的分组指标为食盐摄入情况，分组指标为是否患冠心病。比较两组疗效或者患病差异情况均可考虑采用四格表卡方检验。
表2.3 和 表2.4 的区别在于：前者的疗效为二分类变量，后者的疗效为有序变量，对于疗效差异比较，前者考虑采用列联表卡方检验，后者考虑采用 Kruskal-Wallis H 检验。
表2.5 和 表2.6 均为配对设计，前者为 2x2 四格表资料，后者为 RxR 列联表资料。比较两种检验方法差异情况，前者考虑采用 McNear 检验，后者考虑采用 McNear-bowker 检验。如果比较两种检验方法一致性，前者考虑采用 Kappa 检验，后者考虑采用加权Kappa 检验。
表2.7 分组指标为年龄（且为有序变量），分析变量为淋巴结是否转移，属于二分类资料，如果比较不同年龄组淋巴结转移差异情况，考虑采用列联表卡方检验，如果要分析随着年龄增加淋巴结转移是否存在趋势性，可考虑采用趋势性卡方检验。
对于单变量定性资料应区分分析目的，差异性分析还是关联性分析；此外，对于列联表资料要关注理论频数大小，采用合适的检验方法。
双变量分析主要包括简单相关（Pearson相关或者Spearman相关）和简单线性回归分析。
分析两个变量（X、Y）间的相关性时，若变量服从二元正态分布（或者近似正态）考虑采用 Pearson 相关；变量不服从二元正态分布考虑 Spearman 相关；等级变量考虑 Kendall 相关。
分析两个变量的依存关系时，即变量Y 如何随着X 变化，若变量服从L（线性）I（独立）N（正态）E（等方差）适用条件，可考虑采用简单线性回归分析。
△ 双变量资料的统计分析
多变量资料（即多个自变量X，一个因变量Y），研究自变量与因变量之间的关系，依据因变量类型，常采用“三大回归”分析：多重线性回归、Logistic回归、Cox回归，思维导图如下所示：
表4.1 与 表4.2 、表4.3 的区别在于：表4.1 的因变量（Y）为定量变量，表4.2 和 表4.3 的因变量（Y）均为分类变量，且表4.3 存在时间效应。
若研究自变量（X）对因变量（Y）的影响，表4.1 可考虑采用多重线性回归，表4.2 和 表4.3 可考虑分别采用 Logistic回归 和 Cox回归。
