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 |
|