生物统计学不是远离我们的数学,而是现代医学的一门基本学科,就像大厦中的一个支柱。 但是部分医学论文对于定性资料的统计方法选择不当,导致结果和结论不恰当或者欠足够的证据。 那么在生物医学资料统计中常见的错误是什么?




数据报道错误



如对计量资料应当根据是否符合正态分布而采用不同的描述方法,符合者一般采用“均数±标准差”或"均数±标准误表示,而不符合者则采用中位数和四分位间距来进行表示,不按上述规定进行描述者均属于错误描述。


又如有些临床研究在数据比较后,只是简单提到"差异均无统计学意义",未详细说明组间基线资料的均衡性检验如,也未给出统计量以及P值,数据报道不全。


统计分析错误



对于计数资料,常见的统计错误有:

①不满足连续性x2检验条件时未做校正;

②误用x2检验分析结果变量为有序变量的资料;

③误用x2检验回答相关性问题;

④误用x2检验取代Fisher精确检验;

⑤对R×C表直接分割进行两两比较。


对于计量资料,常见的统计错误有:

①忽视t检验的前提条件,如正态分布和方差齐性检验;

②用t检验处理重复测量的两因素试验设计;

③用t检验分析等级资料等。


3统计结果解读的常见误区



①将亚组分析的结果直接应用于临床实践:

很多医生会根据亚组分析的结果决定是否采用某种治疗。 这是一个很大的误区。 实际上,亚组分析的结果只是探索性的,并不是可靠的证据,不能依据其进行临床决策。 在阅读临床试验研究结果时,我们可能会碰到以下情况: 总研究结果无效,但对某些亚组患者有效; 或者反之,总研究结果有效,但对某些亚组患者无效。 这种情况并不能确切证明特定亚组的患者与其他组别的不同。


②混淆以临床结局为评价终点的临床试验和新药注册临床试验:

新药上市之前须完成临床试验。 这种为满足法规的要求而开展的试验被称为注册临床试验。 注册临床试验的首要目标是能够让药物尽快上市,往往只是满足法规的最低要求。 在重要学术期刊上发表的临床试验很多是以回答科学问题为驱动而开展的,其中产生最重要影响的就是以临床结局为评价终点的临床试验。 这两类临床试验的研究目的、规模以及影响力等方面都存在较大的差别。


参考文献

[1]李静.临床试验解读常见误区[J].中国循环杂志,2017,32(12):1235-1236.

[2]段康静. 统计学的基本思想及在医学应用中的误区[J]. 财讯, 2019, 000(016):185-185.