|
1 两组间比较 对于数值变量，首先进行正态性检验，如果各组均满足正态性且两组间方差相等，采用均数±标准差进行统计描述，采用t检验进行组间比较；否则采用中位数（四分位数间距）进行统计描述，采用非参数检验（Mann-whitney检验）进行组间比较。对于分类变量，采用例数（百分比）的形式描述，组间比较采用χ2检验或精确概率法。 正态性检验可参考： 两独立样本t检验可参考： 两独立样本非参数检验（Mann-whitney检验）可参考： t检验不能用，应该用非参数检验（Mann-Whitney U 检验） 中位数（四分位数间距）的计算可参考： χ2检验和精确概率法可参考： 整理统计结果太麻烦，可参考 论文中临床资料整理太麻烦，其实完成table1只需不到10分钟 【修订版】对中文期刊友好的，临床基线资料table快速生成，不学就OUT了 数据探索可参考： 这张统计图，强烈推荐，包括了直方图、密度曲线、散点图、趋势线、相关系数及显著性 02 多组间比较 数值变量如果服从正态分布，采用均数±标准差进行统计描述，采用方差分析进行组间比较，如果组间差异有统计学意义，进一步采用LSD法（也可以是其它方法）进行两两比较。如果不服从正态分布，采用中位数（四分位数间距）进行统计描述，组间比较采用非参数检验（Kruskal-Wallis秩和检验），当组间总的有统计学差异，进一步采用Dunn法（也可以是其它方法）进行多重比较。 对于分类变量，采用例数（百分比）的形式描述，组间比较采用χ2检验或精确概率法，当组间总的有统计学差异，进一步采用χ2检验或精确概率法进行两两比较，两两比较的P值需采用Boferroni法进行校正。 单因素方差分析及两两比较： Kruskal-Wallis秩和检验及两两比较： 卡方检验或精确概率法及两两比较： 03 Logistic回归 首先采用单因素logistic回归进行危险因素的初筛，将单因素分析中P<0.10的因素纳入多因素logistic回归，多因素分析以P<0.05认为有统计学意义。 Logistic回归： 单因素logistic回归，这么多自变量，重复点菜单，太浪费时间 04 诊断试验之ROC 金标准是二分类变量，诊断指标是数值变量，绘制ROC曲线，计算ROC曲线下面积，判断指标的诊断价值，并ROC曲线最靠近左上角的点作为cut-off值，探索最佳截断点。 如果涉及到联合诊断，则描述为：分析A法、B法及二者联合诊断结果与金标准的一致性，绘制ROC曲线，根据曲线下面积评估各种方法及联合诊断的诊断价值。 ROC曲线绘制： ROC联合诊断： ROC曲线两两比较： 05 诊断试验之Kappa 金标准是二分类变量，诊断指标也是二分类变量，计算新诊断方法的灵敏度、特异度等指标，并计算二者的Kappa一致性系数，并进行统计学检验，如果P<0.05，认为二者的一致性具有统计学意义，并且Kappa一致性系数越高，说明二者的一致性越高。 Kappa一致性检验： 06 科研效率提升 读文献太慢，写文章太难，建议参考： 刚写完的英文文章，有不少拼写和语法错误，建议参考： 浏览器用的好，可以大大提升科研效率，建议参考： 文献下载神器，可参考： 07 临床预测模型系列 【预测模型】Logistic回归模型验证：绘制ROC曲线，计算AUC及95%CI，以及不同模型的比较 【预测模型】单因素logistic回归，这么多自变量，重复点菜单，太浪费时间 【预测模型】Logistic回归模型校准图（Calibration plot）绘制 【预测模型】自助法（Bootstrap法）生成1000个C统计量（C index）并计算95%可信区间 【预测模型】构建COX回归模型，绘制ROC曲线，计算AUC及95%可信区间 |
|
|
