01
两组间比较
对于数值变量,首先进行正态性检验,如果各组均满足正态性且两组间方差相等,采用均数±标准差进行统计描述,采用t检验进行组间比较;否则采用中位数(四分位数间距)进行统计描述,采用非参数检验(Mann-whitney检验)进行组间比较。对于分类变量,采用例数(百分比)的形式描述,组间比较采用χ2检验或精确概率法。
Mann-whitney检验可参考:
t检验不能用,应该用非参数检验(Mann-Whitney U 检验)
χ2检验和精确概率法可参考:
卡方检验与精确概率法
整理统计结果太麻烦,可参考
【视频教程】临床基线资料table1快速生成
02
多组间比较
数值变量如果服从正态分布,采用均数±标准差进行统计描述,采用方差分析进行组间比较,如果组间差异有统计学意义,进一步采用LSD法(也可以是其它方法)进行两两比较。如果不服从正态分布,采用中位数(四分位数间距)进行统计描述,组间比较采用非参数检验(Kruskal-Wallis秩和检验),当组间总的有统计学差异,进一步采用Dunn法(也可以是其它方法)进行多重比较。
对于分类变量,采用例数(百分比)的形式描述,组间比较采用χ2检验或精确概率法,当组间总的有统计学差异,进一步采用χ2检验或精确概率法进行两两比较,两两比较的P值需采用Boferroni法进行校正。
单因素方差分析及两两比较:
单因素方差分析及两两比较
Kruskal-Wallis秩和检验及两两比较:
方差分析不能用,那就用多组独立样本的非参数检验
03
Logistic回归
首先采用单因素logistic回归进行危险因素的初筛,将单因素分析中P<0.10的因素纳入多因素logistic回归,多因素分析以P<0.05认为有统计学意义。
Logistic回归:
基于多因素Logistic回归分析,筛选可能的独立危险因素
单因素logistic回归,这么多自变量,重复点菜单,太浪费时间
04
诊断试验之ROC
金标准是二分类变量,诊断指标是数值变量,绘制ROC曲线,计算ROC曲线下面积,判断指标的诊断价值,并ROC曲线最靠近左上角的点作为cut-off值,探索最佳截断点。
如果涉及到联合诊断,则描述为:分析A法、B法及二者联合诊断结果与金标准的一致性,绘制ROC曲线,根据曲线下面积评估各种方法及联合诊断的诊断价值。
ROC曲线绘制:
ROC曲线还在用SPSS或Graphpad,就OUT了
ROC曲线两两比较:
【ROC曲线】哪种诊断方法的准确性更好?
05
诊断试验之Kappa
金标准是二分类变量,诊断指标也是二分类变量,计算新诊断方法的灵敏度、特异度等指标,并计算二者的Kappa一致性系数,并进行统计学检验,如果P<0.05,认为二者的一致性具有统计学意义,并且Kappa一致性系数越高,说明二者的一致性越高。
Kappa一致性检验:
两种诊断方法比较,配对χ2检验 or Kappa?
06
统计效率提升
14天轻松学会统计分析,可参考:
小白变统计高手训练营,开班在即
如果以上内容,还是解决不了你的问题,建议阅读:
如何学习统计最有效率?
统计太难怎么办?有了这个“神器”,分析数据如有神助
07
科研效率提升
读文献太慢,写文章太难,建议参考:
英文文献太难读,SCI太难写,科研达人推荐了这些
刚写完的英文文章,有不少拼写和语法错误,建议参考:
杂志编辑:你的文章有大量语法和拼写错误,我是如何应对的
浏览器用的好,可以大大提升科研效率,建议参考:
Chrome秒变科研神器, 大佬不想告诉你的一些秘技
08
临床预测模型系列
【预测模型】构建Logistic模型并绘制列线图
【预测模型】构建COX回归模型并绘制列线图
【预测模型】构建COX回归模型,绘制ROC曲线,计算AUC及95%可信区间
【预测模型】Logistic回归模型验证:绘制ROC曲线,计算AUC及95%CI,以及不同模型的比较
【预测模型】单因素logistic回归,这么多自变量,重复点菜单,太浪费时间