医学论文：医学论文中统计学的应用方法

医学论文应该算是一种比较特殊的学术论文，与其他论文最大的不同之处在于，论文结构的模板化与统计学的应用。这是因为医学论文中最常使用的研究方法是实验法和对比法，写作模板比较固定，而且会涉及到大量的数据处理，这就不得不应用到统计学。作为数学与医学的交叉学科，医学统计学能够对医学实验中的数据进行有效处理，处于提升实验效率作用十分明显。下面就分析下医学论文中统计学具体该如何使用。

1、“材料和方法”中的统计学

（1）“研究对象”的介绍

在医学论文的“材料和方法”中一般都有对研究对象的介绍,以人为研究对象时,通常包括研究例数、性别、年龄等内容。最常见的统计学问题是研究例数即样本量不够。重复原则是判断科研设计是否合理的原则之一,样本所含的数目越大或重复的次数越多,越能反映机遇变异的客观真实情况。个例报道能反映某些罕见的事物,但不能反映事物的必然规律。这是因为样本含量偏少,检验效能就偏低,导致总体中本来存在的差异未能检验出来,出现假阴性结果,这是当前医学研究中值得注意的问题。目前,在国际学术交流大会上,对所征用的论文出现假设检验的阴性结果( P > 0. 05) 时,往往要求提供检验效能的验证,以便排除因样本含量偏低所致的假阴性。所以,研究生在做科研时,应注意数据的积累,对于研究例数较少,甚至只有几例的稿件,一般很难被接受和发表。

（2）设立对照组

设立对照也是判断科研设计是否合理的原则之一,理想的对照组应该除研究因素外,其他方面均与研究组相同。如果没有恰当的对照,就无法确定所观察到的结果是由试验因素引起的,还是由其他没有控制的因素引起的。常见对照组设立的问题主要有两个: (1) 缺少对照组。论文中的统计资料要使人信服,其科研设计中必须有对照组,否则,不能作出任何肯定或否定的结论,需要指出的是,有的研究采用自身对照,这样的研究设计不能排除混杂因素的干扰,从而不能真正反映研究因素的作用,等同于无对照。(2) 对照组不恰当。如对照组例数太少,各组间一般情况缺少可比性,使用非同期对照或历史对照,对照不全或多余对照等。

（3）“统计学方法”的介绍

医学论文中所涉及的统计学方法通常会在“材料和方法”中作为一个比较独立的部分予以专门介绍,这部分应该包括统计软件的介绍、数据表达方式的介绍、检验方法的交代和检验水准的设定等至少4 方面的内容。除了有些论文中会遗漏全部或部分这方面内容外,其他常见的问题还有: (1) 统计软件介绍中没有提及版本。版本是软件名称的组成部分,版本不同,软件就不同,如SPSS 统计软件就有十几种版本,所以在介绍统计软件时不能缺少版本的介绍; (2) 对数据表达方式的描述比较笼统,没有对定量资料和定性资料的数据表达方式分别予以介绍。不同的资料类型,其数据表达方式不同,如正态分布的定量资料应该用均数±标准差来表示,偏态分布的定量资料用中位数和四分位间距表示,定性资料应该用比、构成比和率来表示,对于不同类型数据的表达方式均应分别予以说明; (3) 检验方法交代得不够全面。t 检验和卡方检验是研究中经常用到的统计方法,作者一般会予以交代,但仔细审查文中的“结果”部分时,发现作者还用了其他检验方法,如相关分析、回归分析等,但在统计学方法中却往往没有交代,另外t 检验还分为两独立样本的t 检验、配对t 检验等,卡方检验还分为四格表卡方检验、R ×C 表卡方检验、配对卡方检验等,均应明确而具体地予以说明; (4) 检验水准α不作介绍。α值是预先规定的判断小概率事件的概率尺度,不同的研究目的,α值设定的大小不同,所以应该介绍本研究所采用的α值,并明确是双侧检验还是单侧检验。

2、“结果”中的统计学

（1）检验方法的应用

医学统计学为科研数据的处理分析提供了极丰富的检验方法,以使对结论的评价具有说服力和科学性。最常用的统计检验方法有t 检验、卡方检验、方差分析以及相关回归分析。统计检验方法的选择主要依据数据的类型(计量、计数) 、组数的多少(两组、多组) 、样本量的大小以及对比的方式(相互比较、配对比较) ,此外计量数据还要考虑分布形态和方差齐性等问题。在统计处理方面常见的问题是: (1) 缺少统计检验分析。有的论文未做任何统计学分析,直接比较研究数据的大小而得出有无差异的统计学结论,是极其不科学的,研究中所搜集的资料一般都是样本,存在抽样误差,必须采用统计推断的方法,获得概率性的结论。(2) 误用t 检验作多个样本均数的两两比较。t 检验只适合两组均数间的比较,多个样本均数的两两比较用t 检验会增加犯统计学Ⅰ类错误的概率,多组计量数据比较宜用方差分析,当差异具有统计学意义时,进一步作两两间比较,当各组均与一个对照组比较时采用Dunnet t t 检验,当各组相互循环比较时,则常采用q 检验。(3) 误用四格表卡方检验。四格表资料中若理论频数3、“讨论”中应注意的统计学问题

“讨论”中常见的统计学问题是对统计结果中P 值的解释有误。“P”是概率符号,是指随机事件发生的可能性,特别要提出的是P 值的大小不说明差值的大小,在分析结论时,要注意用词的准确性。另外, P