简单综合案例的统计学方法(总结试验性定量数据分析)

人工智能31

案例:一项临床试验,研究对象是高血压患者,随机被分为两组,分别用药物联合运动锻炼(试验组)和药物(对照组)进行血压控制,对每人治疗前、后收缩压(mmHg)进行测量,剔除失访人群后,得到40名数据,数据库见prandom.sav,请问锻炼有无降压作用?

思考一般基于PICOS原则:P(Poulation):研究对象;I(Intervention):干预措施;C(Comparison):比较组;O(Outcome):结局;S(Study design):研究类型。

每一步应该用什么统计学方法呢?

第一,基线可比问题 基线可比,比较的是治疗前两组血压总体上没有统计学差异。两组独立数据的比较,显然是 t检验或者两样本秩和

第二,实验后横向差异性问题。那么治疗后干预组和对照组组的血压应该存在着统计学差异,同样也是 t检验或者两样本秩和

第三,实验前后差异性问题。治疗前后血压值有没有统计学差异?这个配对设计,应该用 配对t检验或者配对秩和。

第四,差值差异性问题。试验组前后差值和对照组前后差值有没有统计学差异。必须领会,这里有两组差值,而两组差值不是配对设计,是独立设计的,那么,也应该用独立成组两样t检验或者两样本秩和!

步骤:

1、计算差值

转换-计算变量

2、正态性检验

步骤:分析-统计描述-探索-选定治疗前、治疗后、差值-图(直方图、正态性检验)

如果P值>0.05,正态分布,T检验,反之,偏态,秩和检验。

3、治疗前、后进行差异性分析- 独立样本T检验

步骤:分析-比较均值-独立样本T检验-检验变量(治疗前后)、分组(实验分组,group1、2)

P值>0.05,无统计学意义,反之,则有。

4、治疗前后进行分析- 配对T检验

步骤:数据-拆分文件-比较组-分组依据(实验分组)

分析-比较均值-成对样本t检验-变量1(治疗前)、变量2(治疗后)

P值>0.05,无统计学意义,反之则有。

5、两组差值进行分析-独立样本t检验

步骤:数据-拆分文件-分析所有个案,不创建组。

分析-比较均值-独立样本t检验-检验变量(d)

上述案例包含独立样本T检验、配对样本T检验、正态分析,因为组数只有两组,且都为正态,所以没有提到秩和检验。且若组数为三组,也用同样的思考方式,只是方法变成了方差分析和多重比较。

两组数据比较,主要的方法有两种。一种是成组两样本t检验,一种是非参数秩和检验(wilcoxon两样本秩和检验)。T检验要求:定量、独立(随机抽样、非配对)、方差齐、正态。秩和检验要求:定量、独立、方差齐、 非正态

两样本秩和检验:

步骤:分析-非参数检验-旧对话框-2个独立样本-检验变量、分组变量(group1、2)

、曼-惠特尼。

多组定量数据的比较,有两种方法,一组是成组F(方差)检验,一种是多样本的非参数秩和检验(Kruskal Wallis秩和检验)。

成组F检验要求:正态性、独立性、方差齐性。处理两组及以上样本,所以既可以处理多样本,也可以处理2样本。

F检验步骤:

分析-比较均值-单因素ANOVA检验-因子、检验变量-选项-描述、方差齐性检验、韦尔奇、平均值图。

数据现看方差齐性检验表基于平均值那一栏,方差齐性检验P值大小,P>0.05,方差齐,可采用F检验,ANOVA表P值

Original: https://blog.csdn.net/weixin_66240466/article/details/122710115
Author: Carina同学
Title: 简单综合案例的统计学方法(总结试验性定量数据分析)

相关文章
对话系统简介与OPPO小布助手的工程实践 人工智能

对话系统简介与OPPO小布助手的工程实践

前不久,OPPO旗下的人工智能助手"小布助手"月度活跃用户数突破一亿,成为国内首个月活用户数破亿的手机语音助手。 经过2年多的成长,小布助手在能力上实现大幅升级,也融入了我们身边便捷的服务功能。小布团...
PWA 学习笔记(五) 人工智能

PWA 学习笔记(五)

资源请求的拦截代理: 1、资源请求的判断: (1)fetch 事件会 拦截页面上所有的网络资源请求,但我们通常只对部分资源请求进行处理, 其余的请求会继续走浏览器默认的资源请求流程 (2)fetch ...
1024,点亮人间烟火-1 人工智能

1024,点亮人间烟火-1

20年前,安徽合肥一群来自中科大的探路者押注AI,成立科大讯飞。现在合肥被称为中国"最敢赌"、最牛的风险投资机构。 10年前,科大讯飞人工智能开放平台发布。 现在这个平台上的开发者,从十几个团队,成长...
CV学习笔记-聚类 人工智能

CV学习笔记-聚类

图像聚类 1. 概述 1. 分类与聚类 分类: 分类解决的问题是从特定的数据集中挖掘模式,并作出判断的过程。 分类学习的主要过程: (1) 给定训练数据集,数据集中存在一个类似标记作用的标记号,依据标...