如何化腐朽为神奇，通过小统计写出大文章？
实验性研究，在很多时候，我们应用简单的统计学方法，就能写出严谨的文章。
结合案例，探讨统计方法
1、要从研究设计的角度去剖析它，一般可以从PICOS框架去看待。
首先，第一个问题。随机设计研究，通常关注实验后的结局。
一般临床试验在可能的情况下会采集一系列的干预前（随机前）一系列指标，它们被统称为基线数据、基线值（baseline data）。
基线数据的作用
医学研究分为实验性和观察性研究，实验性研究一般是随机化研究，正常的情况下，一般来说，分组是均衡的。这个均衡性就是体现在基线指标上。
基线数据可以：
-判断分组均衡性。
-不均衡的情况下，帮助减少不均衡带来的不利影响。
-丰富研究的素材，深化统计分析的深度和广度。
第二，一项研究的结局指标到底是什么？这个问题看起来很简单，疗效是什么？不就是治疗高血压的效果嘛。但是，你细细想想，具体去写一个报告时，采用哪个指标来反映结局呢？此外，与该问题关系密切的一个问题是，什么样的结局指标才是主要结局指标呢?
很多临床研究，特别是临床试验，会同时存在多个结局，此时，往往区分主要结局指标和次要结局指标，统计分析报告中，主要结局指标才是重点聚焦的指标。
关于高血压治疗疗效，可以选择的结局指标有多种形式
1） 以治疗后收缩压作为结局指标，如果治疗后两组有统计学差异，那么说明效果存在。
2） 以治疗后前后的差值作为结局指标。这种形式也很常见，特别是基线数据分组不均衡的情况下，差值是一个非常重要的结局
3） 治疗后除以治疗前得到百分比作为结局指标
4） 将治疗前后的差值进行分级处理，得到有效、无效二分类结局或者痊愈、显效、有效、无效等级的结局
因此，必须要合理选择一项临床研究的结局指标，并采用相应的统计分析策略去验证它。
要科学验证疗效，不妨从以下几个层面去分析。
第一，基线可比问题 既然是实验性研究随机化分组，一般分组均衡的。当然，分组是否均衡最好进行分组均衡性的统计学比较。
第二，实验后横向差异性问题。这里横向指的是同一个时间点不同组的比较。即治疗后的血压值作为评价疗效的指标，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（P≤0.05）。
第三，实验前后差异性问题。比如有治疗前的血压值，不妨可以做点分析。
最后，还可以探讨差值差异性问题。试验组前后差值和对照组前后差值有没有统计学差异。
根据上述的统计分析思路，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。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。这个配对设计，应该用配对t检验或者配对秩和。
第四步，差值差异性问题。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！
总结来说，由于增加了基线数据，一个简单的两组均数比较，在统计分析策略上就非常相对更为复杂，但是采用的统计学方法，仍然是常规方法。
上述统计分析模式称之为医学实验性研究第一种经典的模式。
网友评论