医学科研设计与统计学思维医学统计学要说它简单吧，其实也挺简单的，常见的统计方法也就十余种，在教科书上都能找到，只要熟练掌握了，虽不敢夸下海口说可以“以秋风扫落叶的气概横扫四海之内的杂志”，但足以轻车熟路地应付一般的科学研究。要说它复杂吧，也挺复杂的，毫不夸张地说，绝大部分国内期刊，甚至在SCI杂志上，乱用统计学的现象多如牛毛。很多人在学习医学统计学时，都在抱怨自己很难走出“一学就会，一会就用，一用就错，一错就懵”的怪圈。究其原因，主要是我们在学习医学统计学时都抱着一副“依葫芦画瓢”的态度，试图“套用统计学方法”来解决自己面临的问题，而不去仔细思考统计学方法的本身的特点。没有设计的临床干预试验1685年抢救英国国王查理二世（CharlesII，1630-1685）：“一品脱（0.568L）血从右臂放出，半品脱血从左肩放出，服下催吐剂、两付汤药和一种由15成份的灌肠剂。刮国王的头部，直到起一个大泡。再服打喷嚏的药粉和更多的催吐剂。继续放血，加服止痛剂。把沥青和鸽子粪混合后敷于脚上。服一种含有10种成份的草药。最后服人头盖骨粉制成的40滴糖浆，外敷牛黄。然后，国王陛下死了。”有设计的临床干预试验1747年5月20日，英国的J.Lind医生将12名病情相同似的患者带到一艘船上。患者的主要症状是牙龈溃烂，皮肤有出血点，双膝无力。Lind将12名患者分为6组，分别给予下列主要干预：A组：每天饮1夸脱（1.136L）苹果汁；B组：服25滴硫酸丹剂（elixirvitriol），每天3次；C组：服2匙醋，每天3次；D组：每天饮约半品脱海水，服缓和的泻药；E组：每天食2个桔子，一个柠檬；F组：每天服由大蒜、芥子等成份组成的干药。当6月16日船返回英国Plymouth港时，所有患者的病情都有好转，其中E组恢复的最快、最好，其中一人到第6天就可以工作了。B组也有一人比登船时健康。Lind医生的试验并没有得出明确的结论，直到160年后，通过动物实验才真正从科学意义上解释了E组疗效最好的真正原因。J.Lind医生的研究有二点符合统计学的设计：1、设立了对照（相互对照）；2、质量控制（消除了一些混杂）。如果我们今天重复J.Lind的研究，在统计设计的上还需要做到以下几点：1、研究对象的定义与纳入标准和排除标准2、足够多的观察对象3、效应指标的选择4、结论是否能外推统计学方法用于干预试验1835年，法国医生P.C.A.Louis对当时流行的“放血”疗法治疗肺炎的效果进行了比较，发现“放血”的疗效不象预期的那么好，而且早期“放血”和晚期“放血”组比较，患者的诊断、病情、病程、年龄等方面的差异很大，比较平均治愈时间意义不大。因为晚期“放血”组的平均治愈时间长，但该组患者病情重、病程长、年龄大。Louis对医学研究的方法学作出了很大贡献：（1）用数字的方法表示不同疾病患者的特征和预后；（2）提出了临床疗效对比的前瞻性原则；（3）提出抽样误差和混杂（confounding）概念。其中前瞻性研究和减少混杂，分别成为当今临床试验和流行病学研究的基本研究方法；（4）在J.Gavarret的协助下，Louis的数字方法发展为“概率框架”，Gavarret也于1840年在巴黎出版了世界第一部医学统计学教科书。“非常痛心地看到，因为数据分析的缺陷和错误，那么多好的生物研究工作面临着被葬送的危险”F.Yates，M.J.R.Healy“调查结果反映了医学论文作者统计知识和统计水平的低下，也再次强调了生物统计学者不是令人生畏的检查官。恰恰相反，生物统计学者是我们的可贵盟友。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”---JAMA的编辑部科学容不得半点虚假，造假者一旦被揭露就背上了永远洗脱不掉的耻辱。总体总体统计的结论是推断而不是证明，正确的统计结论必须建立在科学的设计和合适的统计方法上，否则得到是不恰当或是错误的结论。1、收集数据的方法（研究假说、调查或实验设计、误差和偏倚的控制等）2、分析数据的方法（变量的类型、数据的分布、研究目的和因素等）3、结论的外推（统计结论是否适合所有研究对象）1.采用统计学方法，发现不确定现象背后隐藏的规律。变异（variation）是社会和生物医学中的普遍现象。变异使得实验或观察的结果具有不确定性，如每个人的身高、体重、血压等各有不同。案例一：两个指标诊断疾病的问题路人甲做了一个研究，旨在比较两个指标（A和B）对肝癌的诊断价值。路人甲以A和B的参考范围上限作为诊断界值，得出了A和B在该界值下对应的诊断敏感性和特异性。结果表明，A的诊断敏感性为0.80，特异性为0.90；B的诊断敏感性为0.85，特异性为0.87。路人甲很