医学统计范文

导语：如何才能写好一篇医学统计，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

1对象与方法

1．1对象在本校2009年9月选修了预防医学的7个班级中采用抓阄的方法，随机抽取五年制中医临床专业的2个本科班，共253人。其中99人一班为教学改革组，采用“理论课+实验课”相结合的教学模式，另154人一班为传统教学组，沿袭传统的教学模式，上课以理论讲解为主。

1．2教学内容两组使用教材均为科学出版社出版的《中医统计学》第1版，对照组只讲理论，实验组在理论课讲述的基础上，抽取8节统计软件实验课，让学生进行上机操作。

1．3教学效果评估方法

1．3．1预防医学课程结束时，选用客观的题目(包括识记、领会、简单应用和综合应用)考查学生的理论课学习成绩，比较实验组和对照组的学习成绩，考核学生的学习效果。

1．3．2采用统一的学生自评医学统计学学习效果调查表，调查内容包括学生对不同教学方式的态度，学生的学习热情和兴趣，学生每节课对学习内容理解和掌握的程度以及学生对统计学软件的应用能力四个方面。结果见表2。

1．4资料收集与资料处理全部问卷由被调查者当场填写并当场回收，共发放问卷253份，回收有效问卷245份，有效回收率96．83%。问卷回收后经过检查与核实，进行编码并录入电脑，运用SPSS17．0进行统计分析，计数资料用χ2检验，计量资料用两独立样本资料的t检验。

2结果

2．1理论成绩两个班级的理论课成绩，教学改革组高于传统教学组，并有统计学意义，P＜0．05，结果见表1。2．2自评效果学生自评学习效果调查表的结果表明，学生对教学方式的评价、学习的效果、学习的兴趣、课后能否独立选用适当的统计学方法以及将来利用统计软件设计课题等问题，实验组的优势要高于对照组，并均有统计学意义;但对每节课的理解程度，两组比较无统计学意义，结果见表2。

3讨论

篇2

关键词：实践教学模式；《医学统计学》；教学改革；本科生

21世纪开始的第三波全球医学教育改革中明确提出了医学生岗位胜任能力的要求。目前，我国医学院校的《医学统计学》本科教育中，对本科生的培养多强调对其基本知识的掌握上，从而忽视了对学生统计思维及解决实际问题能力的培养，这对学生的岗位胜任能力养成和锻炼是极为不利的。目前，在许多权威性的医学期刊上发表的论文中，统计推断应用有缺陷的高达62%。如果以传统的教学方法教学，只有30%的学生可对试验数据进行整理和分析[1]。培养学生如何获取和处理信息的能力，与他人合作共同解决问题的能力、主动探究能力及责任意识等关键能力，成为教育改革的焦点问题。实践教学模式正是顺应高等教育理念而形成和发展的。

1 国内外实践教学模式现状

实践性教学模式是一种以培养学生实践能力为目说慕萄模式。其关键环节是让学生对已有的知识"再次发现"、"重新组合"、并把"知识应用到实践中去"，培养学生自主探究能力、综合分析能力以及解决实际问题的能力[2]。

1.1国外实践性教学模式

1.1.1增加实践教学的比重，给学生充分的实践训练时间。国外教学增加实验设计和实验教学在总学时的比例，同时增设综合型实验课程，学生在实践中训练解决实际问题的能力。在美国的大学课程计划中，实践教学比例在30%以上[3]。

1.1.2改进教学方法，在整个教学环节中始终贯彻实践能力的培养。国外大学注重引入科学的教学方法，包括案例式教学方法、启发式教学方法、以问题为基础的（PBL）教学方法等，调动学生学习的积极性，活跃课堂气氛，培养学生分析及解决问题的能力。同时注重培养学生的团队协作能力，以及与他人有效的沟通和交流能力。如爱尔兰高校稍大的作业和实验都是2～5人一组共同完成的，学生自行决定目标，切割工作量，分配任务[4]。

1.1.3注重科研训练，鼓励学生参加多种形式的科研活动。学校开拓多种科研渠道，学生与教师一起参加某个课题的实验研究，使得学生真刀真枪从事科研训练。如麻省理工大学认为学生应被教授看成年轻的同事，及时给予他们从事科学研究的机会。

1.2国内实践教学模式现状 2005年，教育部《关于进一步加强高等学校本科教学工作的若干意见》中提出要"大力加强实践教学，切实提高大学生的实践能力"。然而，实践教学模式存在以下问题：理念落后，重视不够[5]。把本科实践教学看作是理论教学的补充；方法和手段单一，内容陈旧。我国本科高校实践处于简单的操作和参观阶段，学生实际设计和操作机会少；评价标准不科学，体系不健全。大多数本科院校没有制定专门的系统实践教学考核办法和标准，无法对实践教学质量做出公正科学的评价。

2 《医学统计学》实践教学模式改革

进行《医学统计学》实践教学模式改革，对于训练医学生的统计学思维、培养学生科研能力和综合事物分析能力、提高学生的岗位胜任能力具有重要的意义。

2.1拓展教学内容，强化实验手段，提高学生解决实际问题能力。《医学统计学》教学采用理论课与实习课相结合的原则，对教学大纲进行修订，增加实习课在医学统计学总学时的比例。我校《医学统计学》理论教学48学时，实习课教学22学时，实习课比例接近2：1。

2.2改进传统教学方法

2.2.1"案例式"教学与"启发式"教学相结合的方法，提高学生学习的兴趣。在讲每一种新的统计学方法时，不仅仅局限于书上知识点的讲解，而是在此基础上，结合具体案例，讲解实际问题的分析。讲解过程中，教师事先设计多个问题，每个问题的回答首先由学生先思考，并提出自己思路，教师再适当的加以引导和启发并进行及时总结。

2.2.2注重《医学统计学》综合实习，训练学生的统计思维。在《医学统计学》教学中增加实习课教学比例的同时，进一步加入两次课的（共计4学时）综合实习环节，依托在科研过程中遇到的实际数据，使学生掌握如何运用所学的统计方法解决实际问题。综合实习课中老师从中加以引导，学生分组讨论。学生自行切割工作量及分配任务，并完成统计分析报告，最后每组派1人向全班汇报统计分析报告的内容。在综合实习课结束后，采用自制问卷对学生进行匿名调查，有79.7%的学生认为综合实习对今后工作很重要。

2.2.3充分利用网络教学，开辟实践教学新途径。实践教学综合性强、时间紧，要想达到预期的教学效果，提高学习效率，网络教学是现代化教学不可缺少的手段。我校《医学统计学》2008年被评为北京市精品课程，我们以此网站为依托，开设医学统计学网络课程。同时设置学生交流平台，教师及时了解教学需求和学生需求，指导学生完成统计学实践。

2.2.4采用反面案例引领式教学方法，强调医学统计学实用性。理论课教学中设计3学时的资料综合分析及辨析课，指导学生分组查阅某一种医学专业学术期刊，对"医学统计的误用"进行辨析，并分别给出统计描述（包括统计表、统计图）以及统计推断的误用率。以反面案例引领式教学，从正反两个方面进行辨析，引导学生利用所学知识解决实际问题，同时强调统计学的实用性。

2.3改革考核方式，同时考查学生掌握知识及解决实际问题的能力。考核方式包括理论课考试和实验课考试。理论课占80分，包括平时成绩10分，理论考试70分。实验课占20分，为学生综合实习中分组完成的统计分析报告得分，团队得分为每一组学生的最终得分。这种考核方式把重点放在学生运用基础知识和基本技能解决实际问题的能力上，也使得实验考核成为检验实验教学效果的一种有效手段。

3 结论

《医学统计学》实践教学模式改革，应注重强化实验手段，增加实习课在《医学统计学》总学时的比例，突破传统以教师为中心的教学方法，采用案例式、启发式、反面案例引导式教学，注重综合实习，鼓励学生独立思考，质疑发问，对提高学生分析问题和解决问题的能力具有重要的作用。

参考文献：

[1]许洁，黄顺强，俞捷，等.SPSS软件在研究生医学统计学教学改革中的应用[J].遵义医学院学报，2010，（5）：512-514.

[2]王雷.实践性教学模式初探[J].山东省青年管理干部学院学报，2006，（5）：103-105.

[3]赵明刚.美国高校的实践教学模式评析[J].教育评论，2011，（1）：156-158.

篇3

1对象与方法

1．1研究对象选取武汉大学医学部2008级临床、口腔和检验医学专业医学统计学试卷共354份(临床273份、口腔54份、检验27份)作为研究对象，不分性别，逐题统计得分情况。试卷由6道名词解释(3分／题)、l5道选择(2分／题)、5道简答(6分／题)和2道分析计算题(分别为：10分和12分)构成。

1．2研究方法对各题目难度值(P)进行计算。难度值反映了每个题目的平均得分率，其计算公式为：P=，其中为P为第i题的难度值，为第iAma题的平均得分，为第i题的总分。对于单项选择题，由于存在因机遇而答题正确的可能，因此采用以下校正公式计算其难度值。P=其中P为校正后的难度值，m为选择题中的选项个数。对试题按难度值大小分组，P≥0．8的为组1，认为较易；0．6≤P<0．8的为组2，认为中等难度；难度值P<0．6为组3，认为较难。同时，对每道试题按章节进行归纳，试题所涉及的章节共有十二章，分别为：第一章医学统计中的基本概念(c1)；第二章集中趋势的统计描述(C2)；第三章变异程度的统计描述(c3)；第四章抽样误差与假设检验(c4)；第五章t检验(C5)；第六章方差分析(c6)；第七章相对数及应用(c7)；第八章卡方检验(C8)；第九章非参数检验(C9)；第十章线性相关与回归(C10)；第十二章统计表与统计图(C12)；第十三章医学实验设计与诊断试验的评价(C13)J。若一道试题包括了多个章节内容，则以其主要考查知识点所在章节为准。分别统计各专业在各难度分组和各章节的平均得分率，并比较其得分率的差异。

1．3统计分析所有资料采用epdata3．1建库。试卷的信度分析，通过计算克朗巴哈(Cronbach)系数仅进行评价。计算各试题得分与总分间的Pearson相关系数，来比较各试题间区分度的大小。由于得分率呈偏态分布，同时检验专业的试卷数较少，因此各专业得分率差异的比较采用Kruskal—Wallis检验。另外，属于第二、三、九章内容的题目仅有一道选择题，专业间得分率差异的比较采用X检验，所有的统计分析均使用统计软件包SPSS17．0进行分析。

2结果

2．1试卷分析试卷难度、区分度以及各试题平均得分情况如表1所示。在共28道试题中，按难度值划分较易(P≥0．8)的题分占总分的50％、中等难度(0．6≤P<0．8)占34％、较难部分(P<0．6)占16％，试卷平均难度为0．72，说明试卷整体难度不大，见表1。按项目区分度度标准(区分度0．4以上为优良、0．3—0．39间为合格、0．2—0．29问为尚可、0．19以下为应淘汰)j，本套试卷各区分度等级的分数占总分比例分别为：61％、11％、1l％和17％。区分度尚可及以上的试题分数占总分比例达83％，平均区分度为0．34，说明试卷整体区分度合格。选择题4和选择题14的区分度分别为一0．04和O．04，其难度值分别为0．95和一0．07，说明前者过于简单而后者又太难，其区分度均无统计学意义，在以后的试卷中类似题目应予以回避。克朗巴哈(Cronbach)系数Ot是目前最常用的信度系数，一般认为系数应达到0．7以上。本套试卷信度分析克朗巴哈系数仅为0．739，因此考试的结果可信(见表2)。

2．2不同专业得分率的比较按不同难度以及章节比较各专业学生平均得分率的结果如表2所示。三个专业在难度组1的得分率非常接近，并均高于0．75，随着难度的上升，得分率呈现了下降的趋势。检验专业得分率下降的幅度明显大于其他专业，在占总分34％和16％的中等及以上难度部分的平均得分率仅为0．62和0．39，经Kruskal—Wallis检验，P<0．05。结果表明不同专业对较大难度题目的解答能力可能存在差异。各专业学生在不同章节平均得分率的结果显示，医学统计学的基础部分(c1一C4、C12)如：统计学的基本概念、统计描述(统计图表)以及假设检验等知识的掌握情况良好，其平均得分率为0．84，各专业得分率间无显著差异。在统计推断部分(c5一C10)，除第九章非参数检验外，其平均得分率均在0．7左右，各专业间差异无统计学意义。然而第十三章医学实验设计与诊断实验的评价部分，检验专业学生平均得分率仅为0．53，明显低于临床和口腔专业学生的平均得分率0．70和0．77，经Kruskal—wallis检验，P<0．01。

3讨论

篇4

关键词：PBL教学；LBL教学；护理专业

中图分类号：G40—012.9文献标识码：A文章编号：1671—1580（2013）06—0053—03

PBL （Problem-Based learning）的教学模式是近年来国内医学院校探索和研究较多的一种教学模式，与传统的以授课为基础的学习模式LBL （Lecture-Based learning）相比，是一种不同的教学模式， 该方法1969年由美国的神经病学教授Barrows 在加拿大MC Marster 大学创立， 是以问题为基础、教师为导向的小组讨论方法，该方法在上世纪七、八十年代风行欧美许多医学院校[1-3]。近年来，在我国各大医学院校纷纷采取措施推广并应用，此种教育模式将成为国内教育实践进行理性思考和推广应用的研究热点[4]。

医学统计学是医学科学的一个组成部分，在研究设计、数据分析等方面广泛使用，是高层次的医学专业人员必须掌握的工具，也是保证医疗、科研工作的重要手段，是医学院校各专业的必修课。PBL与LPL教学法有明显区别，从国内外的研究结果来看，效果各有不同，为比较PBL教学与LBL教学在《医学统计学》中的教学效果，我们进行本次研究，以探索一条适合本专业学生的《医学统计学》中的PBL教学之路。

目的：探索PBL教学与LBL教学在《医学统计学》中的教学效果。

方法：以本科护理专业所有学生为研究对象，采取单纯随机整群抽样方法抽取2个班级进行对比研究，实验班级PBL方式授课（45人） ，对照班级采用传统的LBL授课（48 人）。

结果：PBL教学实验班级与LBL教学对照班级理论成绩无显著性差异；在评价问卷调查中，在“能否提高自学能力”，实验班级显著高于对照班级（x2=17.170 P=0.000），而在“是否希望继续采用该种教学方法”时，实验班级采取肯定态度的明显低于对照班级（ x2=9.589 P=0.002），在教学方法是否满意、能否提高学习效率、掌握重难点两个班级均无差异。

结论：PBL教学在《医学统计学》教学中能提高学生的自学能力，但学生对该方法认可度不高。

一、对象与方法

（一）调查对象

以2010 级本科护理专业所有学生为研究对象，采取单纯随机整群抽样方法抽取2个班级进行对比研究，实验班级采取PBL方式授课（45人） ，对照班级采用传统的LBL授课（48 人） ，两个班级由同一老师授课，教学内容、考试内容、调查问卷完全相同，共发出93份问卷和考题，收回93份问卷和考题，回收率100%。

（二）方法

1.两种教学方法采用的教材均为马斌荣主编的人民卫生出版社出版的第5版《医学统计学》，以第十二章统计表与统计图作为比较内容，实验课时占该门课时的10%。对照班级教师不特别强调学生预习，实验班级教师根据教学内容设置案例，有数个学习问题和有关的参考文献，并于上课前一周给学生发放。实验班级根据案例进行自学、讨论和总结三个阶段。讨论时分成3组，每讨论组有一名老师负责小组的讨论，参与小组讨论的老师只负责组织和引导，最后实验班级和对照班级由同一授课老师进行总结。

2. 评价方法

理论结束后进行考核和满意度调查，实验班级和对照班级均采用统一的试卷考核成绩和满意度问卷调查。考题满分为100分，满意度调查采用自行设计的问卷，调查学生对两种教学方法的效果、满意度等，每个问题只设定肯定及否定，然后统计肯定与否定的人数。

3.统计学处理

二、结果

三、讨论

PBL教学模式虽然在国外有几十年的历史，在我国仍然是一种新的教学模式。与传统的LBL教学模式相比有一定的优势，但该教学模式亦存在不足之处。

1这种教学模式在国外也存在不少疑惑，人们对其不甚了解[5]；

2PBL教学模式是学生通过问题而去寻求答案，由于我国从小学、中学均采用传统的教学模式，学生依赖性强，缺乏自学能力，另外，通过问题去寻求答案，有可能使学生将注意力集中在解决问题上而缺乏对基础知识的系统性学习[6]。

国内的有关PBL教学研究显示，尽管PBL教学模式有很多优点，但大部分学生已经习惯于传统的LBL教学方式，所以对新的教学方式不能完全适应，部分学生表示有学习困难，主要表现为信心不足、不善交流和自学能力不强[7]。

本次调查研究显示，采用PBL教学法和传统LBL教学法，在理论成绩上无差异，与唐玉红等“PBL和LBL双轨教学模式在免疫学检验实验课中的应用”中实验成绩LBL组和PBL组之间差异没有统计学意义的结果基本一致[8]。实验组91.11%的同学认为PBL教学法能提高自学能力，但是近一半的同学不希望采用这种教学方法。实验班级和对照班级的同学均认为自己组的教学方法“能提高学习效率”、“能掌握重难点”以及满意自己组的教学方法，我们认为可能跟国内目前进行的教学方式、资源不够、学生学习主动性不强、学生对老师过度依赖等有关，因此，学生不太适应PBL教学模式。

另外，我们认为《医学统计学》本身的特点也是造成本次结果的原因之一，《医学统计学》学习需要较为厚实的数学基础，护理专业的学生有相当一部分是文科的学生，因此，不具备厚实的数学基础，学习起来有些吃力。尽管有方案、有问题，但是，这些问题没有相当的基础难以搞清楚答案，因此，虽然PBL教学促使学生提前预习，查阅资料，但效果并不理想，完全脱离传统的学习方式而全部采用PBL教学模式不是一种可行的方法。

目前PBL教学在国内医学院校中，除少数高校外，大都处于探索阶段，尽管该教学法使学生在提出问题、解决问题以及寻找答案的过程中获取知识，培养学生探索的精神和学习兴趣，尤其是在提高学生查阅文献、撰写论文等方面的能力，具有较好的效果，同时，能够促进师生的和谐关系，培养良好的合作意识和团队精神[9]。但是，PBL教学法需要比传统教学方法更多的教师人数，而目前教学资源与师资力量不足， 给PBL 教学法的顺利开展带来一定困难。另外，PBL教学法对教师的教学方式、教师素质也提出了更高的要求，对学生的自学能力、查阅资料的能力、团队合作的精神也提出更高的要求，文理科学生的基础理论知识也是影响教学效果的因素。因此，如果教师的教学水平和教学能力不够，学生的综合素质不够，PBL教学未必能起到理想的效果。《医学统计学》不同于其他医学基础和临床课程，需要数学基础，从研究结果来看，如果单纯采用PBL教学不一定有明显的效果，需要进一步探研究，以探索出一条合适本门课程的教学方法。

[参考文献]

[1] Chan LC Factor affecting the quality of problem-based learing in a hybrid medical curriculum [J]. Kaohsiung J Med Sci， 2009， 25（5）： 254-257.

[2] PapinCZak T， Tunny T， Young L， conducting the symphony： a qualitative study of facilitation in problem-Based learning tutorials[J]. Med duc， 2009， 43 （4）： 377-383.

[3] Schmidt HG， Cohen -schotanus J， Arends LR， Impact of problem-Based， active laring on graduation rates for 10 generations of Dutch medicial students[J]. Med Educ， 2009， 43 （3）： 211-218.

[4] 侯振江，王娇，祁秀玲. PBL 教学模式在我国医学教育应用中的现状分析[J]. 医学信息， 2010，23（01）.

[5] Yv Bo， Wang Ya-jie， Li Yang， et al. Problems related to the PBL process in present stage of medical education of our country[J]. Researches in Medical Education， 2009， 8 （1） ： 61-63 （ In Chinese）

[6]王建荣，郑天丽.CBL+ PBL教学方法在儿科液体疗法中的初步应用及探讨[J].现代预防医学，2012，39（15）.

[7] 侯跃芳， 陈戈， 崔雷. 以问题为基础的教学中学生学习困难的调查研究[J]. 医学教育， 2005， 2 （02）.

篇5

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。

篇6

 

一、传统考试模式的弊端

 

1.考试模式过于格式化、理论化、单一化和结果化，无法客观、全面和科学地评价教学效果。这种模式将导致学生普遍形成“平时玩、考前看、考后丢”的规律。因此，传统的考试模式将滋长投机心理和浮躁学风，不利于形成良好的学习习惯，不利于实践能力和创新能力的提高。

 

2.考试内容片面化，难以真实地反映教学质量和学生的学习情况。传统考试基本是考核学生“划范围、圈重点”的识记力，考试成绩有很大的机会性与偶然性。这种考试既不能全面了解学生知识的运用能力与创新思维能力，也不能科学评价教师的教学水平和教学质量。易于导致学生高分低能，不利于学生知识运用能力和整体素质的提高。

 

3.考试不具备公正性与科学性，难以实现考教分离。传统考试模式从出题、监考、阅卷、统计到登录成绩，均由任课教师完成，教师工作量大，效率低，试题选择的随意性大，仅凭教师的主观意愿来评价试卷的难易程度。阅卷时也难以避免人情分现象。

 

4.考试后信息反馈能力较弱。考试后对考试成绩的分析也将花费教师大量的时间和精力，但其分析结果主要是最高分、最低分、平均分、及格率、优秀率等表面层次上，难以从分析结果中了解学习情况及对知识点的掌握程度，不利于教学质量的提高。

 

因此，传统考试模式已不能适应网络教育环境下医学统计学教学需求及精品课程建设的要求。

 

二、基于ASP技术“三级三分”制式考试模式的设计

 

1.考试内容的构成。试题库由三部分构成，包括基本知识(elementary knowledge，E分，60%)、拓展知识(prolongation knowledge，P分，20%)和创新知识(innovation knowledge，I分，20%)。其中E分(均为客观题)和P分(均为主观题)为开放式题库，分别考核学生掌握的基本知识和运用知识的能力。基本知识考试必须达到合格，在计算机考试中完成。由ASP自动识别系统预约考生后从题库自动提取10个选择题/章，每一题答题时间为20秒钟，正确率必须达到80%以上，其相应章节或系统即可记合格(60分)。拓展知识考试按实际记分，由ASP系统从题库自动提取2个主观题/大类(或系统)，每题按10分计算，每一题答题时间为3分钟，并由计算机识别考生后自动提供一张带二维码的拓展知识考试的答题纸，学生答题后通过扫描直接存入系统提供给老师阅卷，只按百分比评分(不得超过95%)，计算机可根据其计算出实际得分计入总分。创新知识考试按实际记分，由计算机识别考生后，自行提供带有二维码创新知识分答题纸，学生根据自己所学知识，解答题目或发表观点，答题后放进扫描系统，每个项目按10分计算，只按百分比评分(不得超过95%)，计算机可根据其计算出实际得分计入总分。为充分调动学生创新的积极性，对于申请获得相关拓展项目、创新项目或者获奖者，可按相应比例计入创新知识分。

 

2.考试难易程度的设置。将医学统计学考试难度划分为三个级别，即I级(低难度)、II级(中等难度)、III级(高难度)，根据不同专业、不同学科方向、不同学习层次设置考试级别。学生可在规定考试级别上，根据自己的学习状况选择高于规定级别的考试，但不能选择低于规定级别的考试。I级题库为100%低难度题目构成;II级题库为30%低难度题目和70%中等难度题目构成;III级题库为10%低难度题目、20%中等难度题目和70%高难度题目构成。例如，临床、中药学和中医学本科必选III级，中药学、护理学、影像学、检验学本科必选II级，其他专科选I级。不同专业考试级别设置如下表。

 

3.考试类型的选择。考试类型包括章考、类考和会考三种类型。章考指分章节考试，由任课教师授完相应章节后，24小时内授权准考章节或由计算机按课程表自动在正常授课时间后，24小时内自动完成考试授权。若有调课、停课等课程变动情况，由教师按调课申请重新设置考试时间。类考是根据知识结构，将多个同类章节分成几大类进行考试。如：绪论、统计描述、统计推断等。会考是整个课程结束后的综合考试。学习结束后，学生可按自己的学习情况选择考试类型，并通过ASP考试预约系统预约考试时间。

 

4.考试题型的设置。基础知识考试内容的题型为10个选择题，包括8个单选，2个多选，正确6个单选和1个多选，即可合格。拓展考试内容的题型为简答题(4个)和计算分析题(2个)。

 

5.考试成绩的评阅。客观题由计算机自动阅卷。主观题由任课教师在登录界面登录后，确认信息无误后开始阅卷。考试流程图如下。

 

该考试模式具有多样化、灵活化、过程化、常态化及章节化特性，使得出卷、印卷、监考、阅卷、统计、归档等多个环节化繁为简，大大降低了考试成本，优化了考试模式。同时，减轻了学生的考试压力，让学生平时轻松学习，轻松掌握，轻松考试;促使学生的学习变被动为主动，养成“课堂要听、平时要看、考后要学”的习惯，消除投机心理;能真正实行考教分离，考试公平，杜绝考试作弊现象;既能科学地考核出学生基本知识的全面性，又能体现学生运用知识的能力，还能启发学生的创新思维，有利于学生实践能力的培养和创新素质的提高;减少了教师的工作量，节约了考试成本，并且可以考核出教师及教学管理人员的教学水平和科学创新思维，有利于教学质量的整体提升。因此，基于ASP技术“三级三分”制式考试模式具有较好的应用前景和推广价值。

篇7

为了提高医学统计学课程教学质量，一直以来对教学方法、教学手段进行着反复摸索，不断进行新的尝试，并取得一定的成效，现报道如下。

1 教学方法的不断摸索

1.1 关于基本概念、基本原理与授课方法：医学统计学的许多概念、原理比较抽象，在讲授时多举一些实例，寓抽象的概念于实例中，使学生不觉得的枯燥、乏味。另外，通过电脑模拟实验可以使抽象的理论知识变得生动具体。

在每讲一种新的统计学方法时（例如t检验、χ2检验、F检验等），先抛出1份实际的需要大家去处理的数据，先使同学们积极主动地思考起来，然后引出新的知识点，这样既复习了以前的知识点又引出了新的方法，起到了温故而知新的作用。每一章的内容都通过实例来学习，本章节结束后，安排案例讨论，通过讨论同学们更加清楚哪些知识点容易出错。

1.2 合理利用网上教学资源，调动学生自主学习：鼓励学生自主学习，合理利用网络的教学资源，在讲授一种统计方法后，要求同学们查阅关于该方法的文献，明白这些方法在实际中如何使用，这样既复习了相关的统计原理与方法，又会发现新问题，同学们在讨论过程中对知识加深了理解，也逐渐产生了兴趣。

1.3 开展双语教学：我们自己编了英文教材，在一些班级进行了双语教学的尝试，通过双语教学同学们不但掌握了本专业的常用术语，而且为他们今后在工作与学习中阅读、查阅外文资料，掌握本专业最新动态提供了帮助。

医学统计学是应用性的学科，关键是理解和运用，学习方法后可以正确地使用，因此讲课时不过多强调数学证明，不要求学生记忆公式，重点培养学生掌握采用何种统计方法处理数据及能正确、合理地解释结果。每个知识点的讲授通过提出实际问题-引出新的知识点-练习-案例讨论-实际数据的处理，这样的一个循环，学生感到统计学也是非常生动有趣的，是非常实用的。

2 将统计方法的介绍与统计软件的讲授紧密结合

随着计算机的普及和广泛使用，统计分析方法在自然科学和社会科学的各个领域中得到越来越广泛的应用，也逐渐被应用到医学领域中的各个学科。目前掌握一定的统计软件的应用已经成为高校学生与科研工作者必备的技能。我们教研室根据不同的专业开设了SPSS、SAS统计软件的实验课，收到良好的教学效果。

2.1 统计软件强大的绘图功能使基本概念直观化、形象化：SAS、SPSS统计软件有很强的图形功能，可以产生条形图、圆图、线图等多种图形，统计图简单明了、形象具体的特点使基本概念直观化、形象化，易于学生形象与掌握。例如：箱式图（boxplot）通过5个基本数字（最小值、最大值、中位数、P25、P75）直观地呈现数据分布的中位位置、变异范围、近似的分布形状、异常值。图1是甲状腺功能低下婴儿不同病情组甲状腺素含量的箱式图，从图中直观地观察到轻度组甲状腺素含量高于中度与重度组，每组的变异度大致相同，近似正态分布。借助统计软件强大的绘图功能，聚类分析中树状聚类图、因子分析中的因子图等都使得在讲授一些基本概念、原理时变得简单，易于被同学接受。

2.2 统计软件快捷、准确地处理数据使我们能做到“所讲所见”：很多统计方法的计算量大，例如方差分析、正态性检验、方差齐性检验、多重线性相关与回归，Logistic回归，生存分析等，以前传统的教学方法是手工计算，教师花费很多时间在黑板上演算，学生在学习时觉得计算繁杂，现在在统计软件的帮助下，老师一边讲解理论，一边可以把结果做出来让学生看，老师可以把重点放在讲解基本原理、各种方法的适用条件、最终结果的解释方面。例如多元线性回归、Logistic回归、Cox回归等常用回归模型在自变量筛选时，使用统计软件的可以使学生很直观地看到变量的入选与剔除过程，理论的讲授不再枯燥乏味。随着计算机技术的发展，许多多元统计分析方法被逐渐应用到医学领域中，多变量统计分析涉及理论复杂，计算量大，要求学生能正确地使用统计方法并对结果作出合理、正确的解释，具体的运算可以交给统计软件去做。

统计软件的教学要加强学生自己动手的能力，引导学生利用SAS、SPSS等软件的帮助菜单找到自己需要的知识，掌握常用的统计分析功能。当然，掌握基本的统计原理与方法是正确应用统计软件的前提和基础，在统计软件的使用过程中，尤其是SPSS软件，只知道点击菜单而不知道原因，经常会造成统计软件的滥用。

3 理论联系实际，提高学生实际处理数据的能力

医学统计学是应用性的学科，为了提高学生综合分析问题与实际动手能力，安排学生在机房上实习课，学生上机独立完成布置的作业，使他们能够真正利用统计学方法解决实际问题。

积极开展第二课堂，尽量找一些实际数据给学生分析，在处理数据的过程中，进一步培养学生的统计分析与逻辑思维能力。毕业实习时，学生可以独立查阅文献，根据自己的研究目的选择合适的统计分析方法独立分析处理数据。

篇8

合理的试验设计与统计处理的可信度存在直接联系，研究者在编写医学论文时应对医学研究设计方法进行说明。在进行试验设计时应遵循随机、对照、均衡和重复四大原则。在进行试验设计的时候通常会涉及到研究对象的选择，研究对象的分组及选择合理的检测指标三个方面的内容。医学论文就是通过对样本的研究来进行推断总体，找出其共性，得出结论。因此研究者在选择研究对象时应注意选择样本应具有一定数量，能反映出该事物的规律性特征，但又应注意例数不能太多，以免造成不必要的浪费。其选择的原则就是在保证试验结果可靠性的前提下选择最少的样本例数。研究者在选择样本对象后应对其基本特征进行详细的描述，比如患者的年龄、性别、病理分期、疾病诊断的标准等。此外在试验中所用到的试剂、仪器的型号、规格等都应作出说明，以供读者借鉴和做出判断。选定好研究对象后就要对其进行分组。在进行分组时研究者一般遵循统计学中的“随机分配”、“设立对照”以及“均衡”、“重复”的原则。随机化原则是提高组间均衡性的一个重要手段，也是资料分析时进行统计推断的前提。有对照才有比较，在进行组间比较时，应确定好处理因素与实验效应的关系。均衡性则是要使得对结果产生影响的非处理因素尽可能保持一致，这样才能保证对照的结果让人信服。观察实验效应的指标主要有主观指标与客观指标。正所谓主观指标就是通过问答的方式调查受试者自己判断的主观感受；而客观指标则是通过仪器来检验和测量所得出的结果。在进行试验设计时应选择客观性较强、高灵敏性和精确性的指标。

二、统计学方法的选择

统计学方法的正确选择是直接影响到论文结论可信度的重要依据，因此研究者在编写论文时应注意选择合适的统计学方法。不同的统计学方法应用的范围不同。研究者在编写医学论文时常根据论文研究的目的、资料类型、试验设计的方案、样品大小、水平数、特定条件、数据分布特征以及综合分析等来选择对应的统计方法，同时还要根据专业知识与资料的实际情况，结合统计学原则，灵活地选择。当定性资料正态分布时，研究者一般用均数和标准差来表示统计描述指标；当定性资料不符合正态分布时，则可选用中位数及级差来表示；当定量资料正态分布且组间方差齐时一般选用参数法，反之则选用非参数法。t检验一般适用于小样本(n<50)的定量资料且方差齐的两组数据之间的比较。其特点是在均方差不知道的情况下，可以检验样本平均数的显著性，大样本(n≥50)采用u检验；多个样本均数两两比较则用方差分析，如差异有统计学意义，可采用q检验；Dunnett检验则适用于多个实验组与一个对照组均数的比较。定性资料中，表现为互不相容的类别或属性，分为二分类和多类反应，如治疗结果为显著和好转的人数等，该种资料可选用字检验，大样本(n≥50)时采用u检验。如：患者的治疗结果评定为痊愈、显著有效、好转、无效或死亡。该种资料可选用秩和检验或u检验。总之，不论论文中选用的是哪种统计学方法，都要计算出检验值，然后再根据统计量值来判定P值的大小，结论一般描述为“差异有(无)统计学意义”。

三、常见统计学方法的误用分析及对策

1.统计方法误用。

最常见统计方法误用是对等级资料进行比较时应用秩和检验而误用卡方检验。例如：在评价采取不同治疗方法的两组急性脑血管病患者疗效中，治疗组显著有效、有效、无效三种分型分别为15例、10例、8例，对照组分别为14例、11例、9例。本资料例数较少，应选用等级比较的秩和检验，而有些作者却认为只要是率的比较就可以采用字检验。研究者在选择统计学方法时应根据相应的原则，对文章研究目的、资料类型、样品大小、水平数、数据分布特征等进行综合分析后，再来选择对应的统计方法。

2.选用检验方法错误。

在有些论文中，作者常将本应用方差分析和q检验的误用t检验。t检验一般适用于小样本(n<50)定量资料且方差齐的两组数据之间的比较，而方差分析及q检验主要用于对多个样本均数进行比较，几种不同治疗或处理方法等的同时比较。例如：在讨论中、西以及中西医结合治疗急性脑血管病时，两组患者的年龄、病程、病情严重程度等差别均无统计学意义，比较三组患者的一些指标变化。组间多重比较应用q检验，但文中作者采用的是t检验，对三组均数进行两两比较。这不仅造成了资料的利用率低，也增加了假阳性的概率，降低了试验结果的可信度。

四、结论表述中的统计学应用

篇9

中图分类号：G71 文献标识码：A 文章编号：1672-3791（2016）10（c）-0000-00

医学统计学是运用概率论与数理统计的原理和方法研究医学科研中的有关数据的收集、整理、分析和推断应用性学科[1]，也是提高医学高等院校学生水平的必修课程。为了了解本校此门课程的教与学的效果，给教学和制卷工作提供重要的反馈信息。本文通过对2013级选修此门课程学生的期末考试试卷进行分析，希望借此评价试卷质量，了解各专业学生知识的掌握程度，为进一步提高教学质量和制卷水平提供参考。

1. 材料和方法

1.1 材料

我校2013级本科生选修《医学统计学》的学生期末考试试卷，采用整群抽样的方法，从中选取了3个专业5个班级，共188分试卷。试卷严格遵守教学大纲和教材，注重对学生基本知识、基本理论、基本技能的考核，并注重对学生简单应用能力的考核。

1.2方法

试卷分析采用目前国内较为常用的指标，包括试卷信度、难度、区分度等指标[2-4]。

信度是指考试的可靠性或可信程度，它指的是采取同样的方法对同一对象重复进行测量时，其所得结果相一致的程度。从另一方面来说，信度就是指测量数据的可靠程度。信度高的试题很少受到外部因素的影响，对不同学生的多次测试都会产生相对稳定和一致的测试结果。

常用的信度指标为Cronbach’α系数，计算公式为。k为测试的题目个数， 为所有被试者在第i道题上的分数变异， 为测试总分的变异。

难度是指试题的难易程度，它作为衡量试题质量的主要指标之一，是衡量试题质量的一个重要指标参数，与区分度共同影响并决定试卷的鉴别性。难度的计算一般采用某试题的通过率或平均得分率。较好的测验大部分的难度P值应介于0.2～0.8之间。

难度的计算方法为：

客观题 （k为答对该题的人数，N为参加考试的总人数）

主观题 （x为试题的平均得分，M为该题的满分）

为进一步计算区分度采用极端分组法计算难度，其具体步骤为：1、将考生的总分由高到低排列；2、从高分开始向下取全部试卷的27%（即188*27%=50份）作为高分组；3、从最低开始向上取全部试卷的27%（即188*27%=50份）作为低分组；4、分别计算出高分组的难度PH及低分组的难度PL；5、最后计算出PH和PL的平均值

区分度是指一道题能多大程度上把不同水平的人区分开来，也即题目的鉴别力。区分度越高，越能把不同水平的受测者区分开来，该题目被采用的价值也就越大。区分度D的取值范围-1～1。一般要求试题的区分度在0.2以上。当D>0.4时，说明该题目能起到很好地区分作用；当D

1.3统计分析

利用SPSS 18.0统计软件和ExcelΤ杉ǖ姆植继卣骷笆跃淼男哦取⒛讯取⑶分度等指标进行统计分析。

2.结果

2.1 试卷内容与结构

本张试卷内容涵盖了医学统计学的基本概念、t检验、方差分析、卡方检验、秩和检验、相关和回归分析等。由选择题、名词解释、简答题、案例分析等部分组成，题量与分值设置见表1

2.2考试成绩的基本分布特征

用SPSS18.0统计软件对总分进行统计描述。结果显示考试成绩呈负偏态呈分布，参加考试188名学生中，最高分96分。最低分43份，平均分74.63分。各分数段人数见表2

2.3各专业成绩比较

本次调查共选出3个专业共5个班级，各专业考试成绩见表3

由表可见三个专业的学生考试成绩差别有统计学意义（F=25.87，P=0.000）。两两比较发现营养专业与护理专业分数有统计学意义（P=0.000）与中医班分数也有统计学意义（P=0.000）。

2.4试卷质量分析

2.4.1 信度分析利用Excel作信度分析，得到本卷的Cronbach’α系数为0.73。普通试卷要求α>0.5，标准试卷要求α>0.7，说明整体考试结果可以信赖，该试卷能够反映学生的真实能力。

2.4.2 难度与区分度分析 分别计算各种题型的难度系数和区分度，结果见表4。四种题型的难度均介于0.2～0.8之间，试卷整体难度为0.74，难度适中。其中案例分析题难度最大，名词解释难度最小。试卷总体区分度为0.31，其中简答题区分度为0.150.4，优秀，整体试卷质量较好。

2.4.3试卷质量分析运用教育测量学理论，计算所有试题的难度系数和区分度对试题质量进行综合分析，结果见表5。本试卷良好试题占比为66.6%，可以认为试卷质量比较令人满意。

3.讨论

由试卷质量的分析可见本套试卷信度指标Cronbach’α系数为0.74，可信度较高，试卷较真实地反应了学生的真实情况；难度系数0.74、区分度0.31。试卷难度设计适当、覆盖面广，试卷质量较高。但是在制卷过程中还有需要注意的地方。名词解释的题型对于学生考核的区分度不高，学生也较易得分。这由于部分学生在应试的过程中主要是通过死记硬背的方法，因此并不能很好的反应学生真实掌握的情况。需要在以后的制卷工作中加以调整。

此次考试学生发热平均成绩为74.63±12.20，成绩曲线成负偏态分布，从学生成绩看有接近40%的同学在80分以上，取得了较理想的分数，从中反映出这些同学对于基本知识、概念掌握较好并且能灵活应用解决实际问题。但也有部分同学成绩较差，主要原因是案例分析题失分较多，这反映出这部分同学虽然对基本概念和知识掌握较好，但是对统计分析方法的运用以及解决实际问题的能力还有待提高。通过不同专业学生成绩的比较，我们发现营养专业的学生获得了更加理想的成绩。这部分得益于我们新的教学尝试，对于营养专业的学生我们在讲授理论课的同时适时的增加了SPSS软件操作步骤和结果解读的讲解。更丰富也更接近实践的锻炼有效的提高了他们灵活运用统计知识解决实际问题的能力。

对于提高解决实际问题的能力，我们认为将理论课与SPSS实践相结合，教学过程中甄选案例，适时的补充SPSS软件的操作步骤和对结果的解读将会取得不错的教学效果。这样的方法可以帮助学生从繁杂的公式记忆和计算工作中解脱出来，从而使其注意力转移到对统计学方法的应用条件的理解和对统计结果的判断上，角色从计算的执行者转变成为对结果的决策者。让同学们充分体会到统计学解决问题后所带来的快乐和成就感，有助于提高学生对医学统计学的学习兴趣及动手能力、实际解决问题能力的提高。

参考文献

[1]孙振球.医学统计学[M].北京：人民卫生出版社，2010：1.

[2]许志强，周华东，李静等.试卷分析系统在神经病学教学中的应用[J].重庆医学，2010（10）：1311-1312.

篇10

关键词：  Excel； 医学统计； 数据分析

    1   Excel中加载“数据分析”工具

    首先，启动Excel，点击工具菜单中的“加载宏”选项，在出现的对话框中选中“分析工具库”，确定安装后，在菜单栏的“工具”下会出现“数据分析”选项。

    2   使用Excel进行数据统计描述

    用Excel可进行数据的统计描述，包括：（1）集中趋势（集中指标），它包括算术平均数，中位数，几何平均数，众数等。Excel提供有现成的公式及内置函数可进行这几个指标的计算。如首先输入一组数字，然后建入公式=AVERAGE（常数），=MEDIAN（常数），和=MODE（常数），按回车健可得到算术平均数，中位数和众数；（2）离散趋势（变异指标），它包括全距，百分位数，四分位数间距，方差，标准差，标准误，偏度系数和峰度系数等。而其中以方差，标准差，百分位数和标准误较为常用。同样在电子表格中建入公式=VARP（常数）和=VAR（常数）两函数可计算总体方差和样本方差。建入公式=STDEVP（常数）和=STDEV（常数）便可得到总体标准差和样本标准差。

    3   t检验

    t检验是医学统计分析中最常用的统计分析方法，用来检验标准试样测定结果的平均值与标准值之间是否有统计学意义。Excel“数据分析”中提供了多种不同条件的t检验工具，如“平均值的成对二样本分析”，“双样本等方差假设”，“双样本异方差假设”及其他统计分析工具，当样本中的观察值存在配对关系时，可以使用“平均值的成对二样本分析”t检验。例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t检验并不假设两个总体的方差是相等的。例如，用某药物治疗高血压患者10名，治疗前后舒张压变化如下：

    在工作表中输入上面的数据，比如数据区为A1至J2。分析时，在“工具”菜单中，单击“数据分析”命令。在数据分析对话框中，选择t检验：平均值的成对二样本分析，拉出平均值的成对二样本分析对话框，其中有如下输入项：变量1的区域：输入需要分析的第1个数据区域的单元格引用。该区域必须由单列或单行数据组成。可单击输入框右面的按钮，回到电子表格上自数据开始的单元格向结尾的单元格拖动。此时变量1的区域（A1~J1）自动进入输入域中。然后单击输入域右面的按钮，回到原对话框。变量2的区域：输入需要分析的第2个数据区域的单元格引用。该区域必须由单列或单行的数据组成。输入方法同前。变量2的区域为（A2~J2）。假设平均差：在此输入期望中的样本均值的差值。缺省为0值，即假设样本均值相同。标志：如果输入区域的第1行或第1列中包含有标志项，应选中此项：如果输入区域没有标志项，Excel将在输出表中生成适宜的数据标志。这里选中此项。α在此输入检验的统计意义水平。该值范围为0～1之间。缺省为0.05。

    输出区域信息可选择如下单选项：输出区域和新工作簿。我们选择新工作表，结果为平均95.88889，方差80.86111，观测值9，泊松相关系数0.881366，假设平均差0，df 8，tstat 5.230769，P（T≤t）单尾0.000396，t单尾临界1.859548，P（T≤t）双尾0.000792，t双尾临界2.306004。两组比较差异有统计学意义（P<0.05）。

4   方差分析（analysis of variance，ANOVA）和卡方检验

    在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、可重复双因素分析和无重复双因素分析，现简单介绍方差分析的应用。