循证医学中常用的统计指标ppt

PPT 内容
PPT 图集

1. 循证医学中常用的统计指标
2. 一、概述数据资料可分为数值资料（计量）和分类资料（计数和等级）两大类。统计指标因而也分为数值资料指标与分类资料指标两类。统计指标可用于描述性的统计分析，也是反映数据基本特征的统计分析方法。并可使人们准确、全面地了解数据资料所包涵的信息，以便于在此基础上完成资料的进一步统计分析。
3. 可信区间（confidence interval,CI）是循证医学中常用的统计指标之一。可信区间主要用于估计总体参数，从获取的样本数据资料估计某个指标的总体值（参数）。如，率的可信区间估计总体率，均数的可信区间估计总体均数。
4. 此外，可信区间还可用于假设检验，尤其是试验组与对照组某指标差值或比值的可信区间，在循证医学中更为常用。通常，试验组与对照组某指标差值或比值的95%可信区间与α为0.05的假设检验等价， 99%可信区间与α为0.01的假设检验等价。
5. 常用的可信区间有：率的可信区间、两率差的可信区间、均数的可信区间、两均数差值的可信区间、相对危险度可信区间等。循证医学中常用的是率的可信区间、RR或OR的可信区间、均数的可信区间、两均数差值的可信区间。
6. 二、分类资料的指标在循证医学的研究与实践中，除了有效率、死亡率、患病率、发病率等常用率的指标外，相对危险度（RR）、比值比（OR）及由此导出的其他指标也是循证医学中富有特色的指标。目前，在循证医学中分类资料常用的描述指标主要有EER、CER、OR、RR、RRR、ARR、NNT、NNH等。
7. 1、EER与CER循证医学中预防和治疗性试验中，率可细分为EER和CER两类。 EER即试验组中某事件的发生率（experimental event rate,EER）如对某种暴露采用某些防治措施后该疾病的发生率。 CER即对照组中某事件的发生率（control event rate,EER）如对某种暴露不采取防治措施该疾病的发生率。
8. 2、RD（率差）及可信区间两个发生率的差即为率差，也称危险差（rate difference, risk difference, RD), 如试验组的发生率（EER）与对照组发生率（CER）的差，其大小可反映试验效应的大小。两率差的可信区间由下式计算： |p1-p2|±uαSE(p1-p2)= ((RD- uαSE(p1-p2)),(RD+ uαSE(p1-p2)))
9. 两率差的标准误：两率差为0时，两组的某事件的发生率没有差别。因而两率差的可信区间不包含0（上下限均大于0或上下限均小于0 ），则两个率有差别；反之，两率差的可信区间包含0，则无统计学意义。
10. 例:某医师研究了阿司匹林治疗心肌梗死的效果,资料见下表死亡未死亡例数阿司匹林治疗组 15(a) 110(b) 125(n1) 对照组 30(c) 90(d) 120(n2 ) 合计 45 200 225(n) 该试验结果的EER和CER计算结果为: EER=a/n1=15/125=12%, CER=c/n2=30/120=25%
11. 阿斯匹林治疗心肌梗死的效果EER=15/125=12%，CER=30/120=25%，两者率的标准误：
12. 该试验两率差（RD）的95%可信区间为： RD±uαSE(p1-p2)= （0.12-0.25）±1.96×0.049=-0.23～-0.03 该例两率差的可信区间为-0.23～-0.03，上下限均小于0（不包含0），两率有差别。可认为阿斯匹林可降低心肌梗死的病死率。
13. 3、RR及可信区间相对危险度RR（relative risk, RR）是前瞻性研究中较常用的指标，它是试验组某事件发生率P1与对照组某事件发生率P0之比，用于说明前者是后者的多少倍，常用来表示试验因素与疾病联系的强度及其在病因学上的意义大小。
14. RR计算的四格表：组别发病未发病例数试验组 a(r1) b n1 对照组 c(r2) d n2 试验组的发生率为：p1=a/(a+b)=r1 /n1 对照组的发生率为： p0=c/(c+d)=r2 /n2 相对危险度按下式计算：RR=p1/p0=EER/CER
15. 当RR=1时，可认为试验因素与疾病无关；当RR≠1时，可认为试验因素与疾病有关；当RR>1时，可认为试验组发生率大于对照组；当RR<1时，可认为试验组发生率小于对照组；
16. RR的可信区间,应采用自然对数进行计算，即应求RR的自然对数值ln(RR)和ln(RR)的标准误SE（lnRR ），其计算公式如下：
17. ln(RR)的1-α可信区间为： ln(RR)±uαSE（lnRR） RR的可信区间为： Exp[ln(RR)±uαSE（lnRR）] 由于RR=1时为试验因素与疾病无关，故其可信区间不包含1时为有统计学意义；反之，其可信区间包含1时为无统计学意义
18. 阿斯匹林治疗组的病死率p1=15/125，对照组的病死率p0=30/120，其RR和可信区间为： Ln(RR)=ln0.48=-0.734 =0.289
19. 故RR的95%的可信区间为： Exp[ln(RR)±1.96SE（lnRR）]= exp[-0.734±1.96×0.289]=[0.272,0.846] 该例RR的95%的可信区间为0.272～0.846，使用阿斯匹林治疗的病人，其病死率小于对照组，可认为阿斯匹林可降低心肌梗死有效。
20. 4、OR及其可信区间优势比OR又称比值比，指病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值。 OR计算的四格表：组别暴露非暴露例数病例组 a b a+b 非病例组 c d c+d 合计 a+c b+d a+b+c+d
21. 当所研究疾病的发病率较低时，即a和c均较小时，OR近似于RR，故在回顾性研究中可用OR估计RR；由于前瞻性研究中，OR的可信区间与RR的可信区间很相近，且OR的计算更为简便，因此，常用OR可信区间的计算来代替RR的可信区间的计算。 OR值的解释与RR相同。
22. 在临床随机对照试验（RCT）中，常用OR代替RR，但必须注意使用条件，即发病率较低。
23. OR的可信区间同样需要采用自然对数计算，其ln(OR)的标准误SE(lnOR)按下式计算：
24. ln(OR)的可信区间为： ln(OR)±uαSE（lnOR） OR的可信区间为： Exp[ln(OR)±uαSE（lnOR）]
25. 例如：前述阿斯匹林治疗心肌梗死的效果试估计其OR的95%可信区间：
26. OR的95%可信区间为： Exp[ln(OR)±1.96SE（lnOR）] =exp[-0.894±1.96×0.347] =[0.207,0.807] 该例OR的95%可信区间为0.207～0.807，可认为阿斯匹林治疗心肌梗死有效。
27. 5. RRR及可信区间RRR为相对危险度减少率(relative risk reduction), 其计算公式为: RRR=|CER-EER|/CER=1-RR RRR的可信区间可由1-RR计算得到: 如前例RR=0.48,95%可信区间为0.272～0.846则其RRR=1-0.48=0.52 95%可信区间为0.154 ～0.728
28. RRR反映了某试验因素使结果的发生率增加或减少的相对量,但无法衡量发生率增减的绝对量。如：试验人群中某病的发生率为39%，对照组人群的发生率为50%，则RRR=（50%-39%）/50%=22% 但是，若在另一研究中，试验组的疾病发生率为0.39/10万，对照组的疾病发生率为0.50/10万，其RRR仍为22%.
29. 6. RRIRRI，相对危险度增加率（relative risk increase, RRI），试验组中某不利结果的发生率为EERb，对照组中某不利结果的发生率为CERb，RRI可按下式计算： RRI=|EERb-CERb|/CERb 该指标可反应采用试验因素处理后，患者的不利结果增加的百分比。
30. 7. RBIRBI,相对获益增加率(relative benefit increase, RBI),试验组中某有益结果的发生率为EERg,对照组某有益结果的发生率为CERg,RBI可按下式计算: RBI=|EERg-CERg|/CERg 该指标可反应采用试验因素处理后，患者的有益结果增加的百分比。
31. 8. ARR及可信区间绝对危险度减少率(absolute risk reduction, ARR),其计算公式为: ARR=|CER-EER| ARR的可信区间为: ARR±uαSE
32. 例如：试验组某病发生率为15/125=12% 对照组某病发生率为30/120=25%, 其ARR=25%-12%=13% 标准误为
33. 95%的可信区间为： ARR±uαSE =（0.13-1.96×0.049, 0.13+1.96×0.049 ） =（3.4%, 22.6%）该治愈率的95%的可信区间为[3.4%~22.6%]
34. 9. ARI绝对危险度增加率(absolute risk increase, ARI), 即试验组中某不利结果发生率EERb与对照组某不利结果发生率CERb的差值不利结果(bad outcomes)如：死亡、复发、无效等，其计算公式为： ARI=| EERb - CERb | 该指标可反映采用试验因素处理后，患者的不利结果增加的绝对值。
35. 10. ABI绝对受益增加率(absolute benefit increase, ABI),即试验组中某有益结果发生率EERg与对照组某有益结果发生率CERg的差值有益结果(good outcomes)如：治愈、显效、有效等，其计算公式为： ABI=| EERg - CERg | 该指标可反映采用试验因素处理后，患者的有益结果增加的绝对值。
36. 11. NNT、NNH及可信区间NNT（the number needed to treat）的临床含义为：对病人采用某种防治措施处理，得到一例有利结果需要防治的病例数(the number of patients who need to be treated to achieve one additional favorable outcome,NNT)。其计算公式为：NNT=1/|CER-EER|=1/ARR 从公式可以看出，NNT的值越小，该防治效果就越好，其临床意义也越大。
37. NNT的95%可信区间，由于无法计算NNT的标准误，但NNT=1/ARR，故可用ARR的95%可信区间来计算。 NNT95%可信区间的下限：ARR的可信区间上限值倒数 NNT95%可信区间的上限：ARR的可信区间下限值倒数例如某试验的ARR的95%CI：3.4%-22.6% 则NNT的95%CI:4.4-29.4
38. 10. NNHNNH (the number needed to harm one more patients from the therapy, NNH )的的临床含义为：对病人采用某种防治措施处理，得到一例不利结果需要防治的病例数，其计算公式为：NNH=1/ARI 从公式可见,NNH的值越小,某治疗措施引起的副反应就越大。
39. 11. LHHLHH，防治性措施受益与危害的似然比（likelihood of being helped vs harmed, LHH）,其计算公式为： LHH=NNH/NNT=ARR/ARI 该指标反映了防治措施给受试者带来的受益与危害的比例，LHH>1, 利大于弊, 反之, LHH<1时, 利小于弊。
40. 三、数值资料的指标1. WWD（weighted mean difference），加权均数差,某个研究的两均数差d可按下式计算：两均数差d的方差，可按下式计算：
41. 从公式可见，加权均数差（weighted mean difference，WWD）即为两均数的差值。该指标以试验原有的测量单位，真实地反映了试验效应，消除了绝对值大小对结果的影响，在实际应用时，该指标容易被理解和解释。
42. 2. SMD(standardised mean difference)，标准化均数差某个研究的标准化均数差d，可按下式计算：
43. 标准化均数差d的方差S2可按下式计算：
44. SMD可简单地理解为两均数的差值再除以合并标准差的商，它不仅消除了某研究的绝对值大小的影响，还消除了测量单位对结果的影响。因此，该指标尤其适用于单位不同或均数相差较大的数值资料分析。但是，标准化均数差（SMD）是一个没有单位的值，因而，对SMD分析的结果解释要慎重。
45. 主要参考文献：David L. Sackett, W.Scott Richardson,William Rosenberg, et al. Evidence-based Medicine-How to practice and teach EBM. 2nd ed. 2000, Toronto :Churchill Livingstone Publish House. Matthais Egger, George Davey Smith, Douglas G Altman. Systematic Reviews in HealthCare Meta-analysis in Context. 2nd ed. London: BMJ Publishing Group. 李幼平主编. 循证医学. 北京: 高等教育出版社, 2003 王家良主编.循证医学. 北京: 人民卫生出版社, 2001
46. The End谢谢!

下载需要 10 香币 [ 香币充值 ]

亲，您也可以通过分享原创文档来获得香币奖励！

服务器/托管费、人工审核、技术维护等都需要很多费用，请您支持香当网的发展

下载PPT

循证医学中常用的统计指标ppt

该用户的其他文档

相关PPT

相关文档