笑死🤣,你聽說過那個統計分析的笑話嗎?

考一考:研究 x、y 的相關性,採用什麼樣的統計辦法?
👩🏻‍🎓有人說:笑死🤣,不說 x、y 的變數類型,誰知道怎麼選啊?
❗️沒錯,x、y 的變數類型決定統計方法的選擇!
◆ 兩大變數類型,必須搞懂!
1. 計數資料(qualitative variable
又稱分類變數定性變數,如:性別、種族、血型、是否患病等。
2. 計量資料quantitative variable
又稱連續型變數、定量變數,如:身高、體重、濃度、血壓、血脂水平等。
下面來看一個具體的實例👇
在這裡,性別、療效是定性觀察的結果,屬於計數數據,也就是分類變數;而年齡、心率、收縮壓、舒張壓是定量觀察的結果,屬於計量數據,即連續型變數
⚠️但是,計量資料和計數資料可以相互轉變,有 3 種方法:
→ 根據文獻找界值
→ 常規的經驗
→ 等分位法
◆ 確定了變數,數據該如何描述?
1. 計數資料如何描述?
大範圍抽樣調查可用率(95% 可信區間)表示;
普通資料可用頻數(百分率)表示,組間比較用卡方檢驗。
2. 計量資料如何描述?
如果符合正態分布
用「均數 ± 標準差」或標準誤表示;
組間比較,用 t 檢驗、方差分析、線性回歸分析。
如果不符合正態分布:
用中位數(四分位間距或者全距)表示;
組間比較,可用非參數檢驗(mann-whitney 檢驗、k-s 檢驗等)。
◆ 研究 x、y 回歸,3 大回歸盤點
你知道單因素分析和多因素分析嗎?先搞清概念:  
單因素分析:對單個因素和因變數的關係進行分析,得出兩個因素相關性的初步結果,數據描述也是單因素分析。
多因素分析:將單因素分析結果中滿足一定條件的變數納入多因素分析中,可進行各種
回歸分析,得出進一步調整後的結果,更具有說服力。
⚠️在多因素分析中,根據變數類型不同,常用到 3 種回歸模型:線性回歸、邏輯回歸及 cox 回歸
3 大類型盤點,請收藏:
一表總結:描述方法及回歸方法
-廣告-

不只是統計有問題?最近經常有同學自稱是「三無」人員,細問下來,是沒基礎、沒實驗條件、沒病例數據🤦‍♀️

要麼導師放養,要麼臨床繁忙,說到底,發文章不能太老實,得會變通(不是學術不端)!
別急,沒基礎、沒數據、不用數據都能發!

零基礎?

入門方法新手友好

用自己的臨床數據做研究,相比 rct 和前瞻性,回顧性研究絕對是新手入門佳選!不用實驗,也不用回訪;整理一下過往的病曆數據,建立自己的研究資料庫,找幾個指標做下回顧性分析就能完成一篇文章。適合囤積了一定量病曆數據的臨床醫護。
新手友好的方法:回顧性、橫斷面、隊列研究,科研會員都覆蓋,每門課程都系統全面,超高性價比!

沒有數據?也能發!

用公開免費資料庫

1、孟德爾隨機化

這兩年真是太火了,它是流行病學領域應用廣泛的一種方法,它基於遺傳變異的因果推斷方法,研究一個因素對於某個結果的影響是否具有因果關係。
他的優勢:

  • 選題範圍廣泛,適合 98%的慢性病方向
  • 涉及範圍廣泛,幾乎覆蓋所有跟健康相關的研究
  • 易發高分,不收病例,不用實驗驗證!

圖片來源:pubmed

2、 nhanes 資料庫——覆蓋 90% 臨床科室的研究主題

■ 數據夠「全」,多科室適用:目前涵蓋 264 個不同主題的數據模塊,擁有近 1,400+ 分析量,可以覆蓋大部分臨床科室的選題。

■ 數據夠「多,還基本免費:該資料庫目前已經涵蓋了 11,600+ 人群的數據調查,每年持續更新;大部分數據都可以免費下載,無需註冊。

3、 mimic 資料庫——急重症最大資料庫

mimic 資料庫開放問世至今,至少已經發表了兩千多篇 sci,其中更不乏頂刊的身影,甚至去年還有一篇發表在了《jama》上!它數據量大且質量好、數據量詳細、病例豐富,能發文的空間還很大。

適合誰:沒數據、不想做隨訪、科室里有要進重症的病例的同學
老網紅 meta 分析

meta 火了十年,發文量依然穩固, 截止24 年6 月 6 日,就發了 22,370 篇,無需原始數據、研究方法簡單、分析流程固定是它受歡迎的原因,如果你的單位承認 meta,選它作為第一篇 sci 也是選擇之一。

圖片來源:pubmed

為什麼說丁香科研會員性價比高?原因就是以上發文方法,都!能!學!不僅如此——

🔥618 優惠 2 天倒計時,立減 ¥100  🔥

看不懂文獻,怎麼辦?
這次首次贈送的丁香自研 ai 科研工具助你一臂之力!用 ai 智能解讀功能,直接告別一篇文獻看一天,直接輕鬆實現日讀上百篇,科研的路上,學會藉助 ai 的力量~

圖片來源:丁香ai 官網截圖

聽不懂,有問題怎麼辦?
科研會員專屬答疑區,在會員有效期內可以享受無限次答疑服務,只要你問,就有老師解答。

圖片來源:會員中心截圖

 空有理論,無處實踐?