护理领域的统计学要求 34页

护理领域研究的统计学方法MedSci吴海明\n统计数据分析是一门综合技术，也是一门高超的艺术！能挖掘出数据背后的内涵！统计学是现代医学大厦的一个重要支柱——前美国医学会杂志（JAMA）主编\n案例2021/10/8\n背景外科ICU中，长期长期的中心静脉导管，发生导管相关的血行感染(CR-BSI)高PICC能否降低CR-BSI？\n讨论问题1：如何分组？讨论问题:如何分组？方案A：不分组，直接描述全部患者特征方案B：分为CVC组和PICC组，进行对比方案C：分为有感染组和无感染组，进行对比ICU与非ICU有无区别?\n结果：患者基本特征\n\n\n讨论问题2：患者基本特征(Table1)讨论问题:结果第一个表格，呈现患者基本特征。大家认为该收集哪些资料？\n结果：患者基本特征\n结果：患者基本特征一般来说，要收集如下资料（凡可能影响到结果的因素都应该考虑到）人口学资料：年龄，性别既往史、现病史：疾病严重程度评分，患者当前免疫状态？炎性因子状态（如CRP，PCT），感染状况？合并症：如合并糖尿病，可能会影响结果风险因素：凡影响到感染率的因素都应该考虑到，如不同创伤类型结局资料：住院时间，置管时间，置管位置，置管多少？\n为什么要全面收集患者基本特征？真实反映疾病的特征能反映不同因素对疾病的结局综合影响效应提供数据，以便统计分析，否则巧妇难为无米之炊！\n讨论问题3：患者基线资料如何统计？这些资料类型有什么区别？用什么统计方法？\n小知识：资料类型定量资料正态非正态定性资料无序（计数）：性别有序（等级）：轻中度Time-to-event资料\n统计学基础---数据分组特征单组：描述性分析两组独立的配对的重复测量多组独立的配对的重复测量\n数据特征决定统计方法数据特征描述性统计单变量分析多变量分析定量资料平均数与标准差中位数与范围四分位数正态资料两组独立：独立T检验两组配对：配对T检验多组独立：ANOVA多组配对、重复测量：GLM非正态资料-非参检验两组独立：Mann-WhitneyU两组配对：Wilcoxon多组独立：Cruskal-Wallis多组配对：kendall’s W相关线性回归\n数据特征决定统计方法数据特征描述性统计单变量分析多变量分析定性资料百分比单组：U检验两组独立：卡方/Crosstab分析两组配对：McNemanr；kappa多组：卡方/Crosstab分析两分类独立：非条件logistic回归两分类配对：条件logistic回归多分类变量：Ordinal回归Time-to-event资料生存：Kaplan-Meier分析COX回归\n常见的统计方法描述这是基线资料统计的标准模板Thedemographiccharacteristicsoftheparticipantsweresummarizedusingdescriptivestatistics.tTestingwasusedtocomparemeanvalues,andχ2testingwasusedtocomparepercentagevalues.\n讨论问题4：如何证明PICC优于CVC？基线资料仅仅呈现患者一般信息，并没有告诉CVC与PICC哪个更优！如何得出我们的研究目的：PICC在感染率方面优于CVC？用什么统计方法？\n研究主要结果呈现比较两种置管感染状况OftheCVCs,13(4.9%)becameinfected,aninfectionrateof6.0/1,000catheter-days.Ofthe37PICCsplaced,one(2.7%)becameinfected,arateof2.2infections/1,000catheter-days.Sixty-threepercentoftheCVCinfectionsandtheonePICCinfectionwerecausedbycoagulase-negativeStaphylococcus(Table2).\n讨论问题5：结果令人信服吗？上述资料表明，CVC感染比例较高（4.9%），而PICC很低(2.7%)。根据这一点得出PICC优于CVC，能不能令人信服？讨论：使用CVC与PICC患者基本情况一致吗？是不是病情不同导致的？目前这种分析称为“单变量分析”，未考虑综合效应。哪些因素可能会影响到CVC或PICC感染呢？如果要了解各种因素的综合效应，如何处理？用什么统计方法？\n多因素分析LogisticregressiondemonstratedthatthenumberoflinedayswastheonlyindependentpredictorofCVCinfection(p<0.015)\nPICC感染的风险因素？ThefactthattherewasonlyasinglePICCinfectionprecludedanalysistoidentifypredictorsofPICCinfection.\n小知识：单因素与多因素单因素分析：只能孤立了解单个因素（自变量）与结局之间关系，但并不清楚是否受到其它因素的影响。在其结果，往往仅供参考多因素分析：了解多个因素与结局间的关系，以及关系大小和方向（获益还是损害）。多因素一般采用回归分析，是临床上最常用的分析方法之一，它更客观地反应临床的真实状况。\n案例课题：XX地区二、三级医院品管圈项目认可度调查背景：2013年9月~2014年6月，对xx地区二、三级医院护士进行问卷调查，评估品管圈项目认可度（以及实施效果）数据：性别、年龄、学历、工作年限、科室、认可度……\n结果发现年轻护士（30岁以下）与资深护士（30岁以上）对品管圈认知有显著性差异肿瘤ICU等科室对品管圈认可度高，而内分泌等科室认可度较低工作年限>5年认可度高；=<5年认可度低上述结果能得出什么样的结论？这样问题如何回答：肿瘤科，工作年限小于5年的，30岁以下护士呢？\n多因素分析—分析综合效应临床研究中，结局往往受到不止一个因素的影响，仅靠单因素分析无法排除多个因素的混杂在多因素系统中，需要通过适当的多变量回归校正混杂因素的影响.通过多因素分析，能够理解上述不同因素对品管圈认可度的“整体效应”\n多因素分析的方法：回归将基线不均衡的因素纳入回归方程，实际上就是控制它们的混杂作用。当效应指标为定量资料（测量值）时,使用多重线性回归当效应指标为分类变量时,使用logistic回归当效应指标为发生某事件的时间时,使用Cox回归\n讨论问题6：多因素分析结果怎么读？\n小知识：OR值RR、OR、HR给出了具体的数据，在说明统计学差异的同时，也给出了更具参考价值的量化数据RR和OR的意义略有差别，均是通过logistic回归给出；HR通过COX回归给出\n小知识：P值P<0.05差异有显著性≠临床意义很大P<0.001差异性极显著≠临床意义极大P>0.05差异未显示显著性≠无临床意义P值仅仅代表差异的“概率”，而非差异大小！\n小结统计为统计应该结合临床的，统计是为临床服务的。统计方法虽然复杂，但识别数据类型是最关键的环节。常用有三类数据类型，每种类型有三种常见特征。统计处理时，不仅要注意单一因素对结局的影响。更要注意多因素的综合效应，即需要采用回归分析，目的是发现不同因素与结局之间的关系，以及对结局影响大小\n小结一般一篇护理文章可能用到的统计学方法如下：基线表：T检验和非参检验，卡方检验单因素分析：T检验和非参检验，卡方检验，生存曲线多因素分析：回归分析\nThankyou!http://www.medsci.cnEmail:editing@medsci.cn