医学数据处理一般过程.pptVIP

医学数据处理与统计软件 第一讲 医学数据处理 主要内容： 一、误差的分类及其特点 二、医学数据处理的一般原则与要求 三、科学计数器的使用 四、医学数据双录入与核查的方法及软件 一、误 差（Error）的分类及其特点 统计学上所说的误差，泛指测量值与真实值之差，以及样本指标与统计指标之差。 统计学的三大核心思想： 1.差误思想 2.权重思想 3.分布思想 误差分类（物理、化学） 按误差来源：装置误差、环境误差、方法误差、人员误差 ① 系统误差（System error） 由特定原因引起、具有一定因果关系并按确定规律产生 按掌握程度：已知误差、未知误差 按特性规律：系统误差、随机误差、粗大误差 --- 有规律可循 装置、环境、动力源变化、人为因素 再现性 --- 偏差（Deviation） 理论分析/实验验证 --- 原因和规律 --- 减少/消除 ② 随机误差（Random error） 因许多不确定性因素而随机发生 偶然性（不明确、无规律） 概率和统计性处理（无法消除/修正） ③ 粗大误差（Abnormal error） 检测系统各组成环节发生异常和故障等引起 异常误差 --- 混为系统误差和偶然误差 --- 测量结果失去意义 分离 --- 防止 按变化速度：静态误差、动态误差 医学统计学的误差分类* (1)系统误差：数据搜集和测量过程中由于仪器不准确、标准不规范等原因，造成观察结果呈倾向性的偏大或偏小，这种误差称为系统误差。 特点： 不易发现，但可避免 （2）非系统误差：在实验过程中由研究者偶然失误而造成的误差。例如，仪器失灵，抄错数字，点错小数点，写错单位等，故也称为过失误差。 特点： 容易发现，可以避免 (3)随机测量误差：由于一些非人为的偶然因素使得结果或大或小，是不确定、不可预知的。如测量一个人身高：178.12 178.09 178.15cm 特点：不可避免 (4)抽样误差：由于抽样所引起的样本统计量与总体参数之间的差异称为抽样误差 特点：不可避免，但可以计算并在一定范围内控制 医学数据的统计处理涉及医学专业知识、统计专业知识、处理数据的经验和技巧等各方面，是一门很高超的艺术。在处理数据过程中，原始数据的采集和录入，数据的管理，统计方法的恰当选用，统计软件的熟练使用等，都是必须重视的环节。 （一）原始数据的录入 1.原始数据的记录形式 实验研究的原始数据 原始数据常列成类似表1的二维结构，即行列结构的数据集 形式。在表1中，每一行成为一条记录(record)，或一个观察单 位（case）;每一列称为一个变量（variable），用以表示变量 、项目或观察指标等。表1记录的原始数据是一个由274例观察 单位和11个变量组成的数据集。 原始数据中，变量分为标识变量和分析变量两种。标识变 量主要用于数据管理，包括数据的核对与增删等，是研究记录 中不可缺少的内容，如表1中的“病人编号”和“病案号”即为标 识变量。分析变量则是数据分析的主要内容，表1中除上述2个 标志变量外，其他9个变量均为分析变量。 病人 病案号 性别 编号 年龄 生理评分 肾毒性 黄疸 昏迷 肌酐 胆固醇 肾功能预后 1 004757 男 26 14 无 有 无 520 - 治愈 2 007950 女 31 13 无 无 无 523 4.5 治愈 3 011093 男 55 17 无 无 无 209 3.3 治愈 4 017555 男 29 9 无 无 无 1303 4.1 治愈 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274 279183 女 88 15 有 无 无 331 6.1 丧失 表1 肾衰病人预后研究的临床资料记录 返回 分析变量又分为反应变量（response variable）和解释变量(explanatory variable)。反应变量是表示试验效应或观察结果大小的变量或指标。解释变量又称为指示变量（indicator）、分组变量（grouping variable）、分类变量（categorical variable）、协变量等。根据研究目的以及变量间的相互关系，各变量的作用并非一成不变。例如，表1中，若进行肾衰病人的预后研究，则“肾功能预后”为反应变量，其余的研究变量为解释变量；若分析与“肾毒性”、“黄疸”和“昏迷”等临床症状相对