1. 首页 > 星座 > 文章页面

如何进行临床试验数据统计分析

2019年我国药物临床试验机构分布特征分析

大家好,感谢邀请,今天来为大家分享一下如何进行临床试验数据统计分析的问题,以及和血型配对数据统计的一些困惑,大家要是还不太明白的话,也没有关系,因为接下来将为大家分享,希望可以帮助到大家,解决大家的问题,下面就开始吧!

本文目录

傻瓜统计学如何进行临床试验数据统计分析傻瓜统计学

进入上述界面后点击选中左侧"Survival"模式,之后点击"Create",之后进入了GraphPad Prism的主界面。GraphPad Prism主界面的第一个纵列(标志了 X的纵列)是用来输入随访时间的,其余纵列则输入患者的结局.每一个纵列代表了一个组。输入数据如下图:

都正干货 内部培训分享 随机化 编盲知识与操作

图像自动生成。

t检验有三种类型:独立样本 t检验、配对样本 t检验和单样本 t检验。若实验组和对照组未进行配对,在符合独立样本t检验使用条件的情况下,可采用独立样本t检验比较两组数据的差异是否具有统计学意义;若实验组和对照组进行配对,在符合配对样本t检验使用条件的情况下,则应该使用配对t检验。 

独立样本 t检验对数据的基本要求是:1.数据呈正态分布 2.总体方差相等。配对样本的t检验则要求两组数据的差值呈正态分布。 

数据是否符合正态分布?可以采用Kolmogorov-Smirnov检验或Shapiro­Wilk检验.在R中可以使用ks.test()函数。

(1)若数据呈正态分布,若方差整齐,则建议作者采用独立样本t检验的结果;但方差不整齐,则可以采用近似t检验对数据进行分析。 SPSS软件在进行t检验时,会自动计算方差齐性检验的结果,并同时告知t检验和近似t检验的统计学结果。(2)大多数医学数据都不呈正态分布,如血脂、血糖、肝酶、肿瘤标志物等.因此不宜使用 t检验进行两组数据的比较,而应该采用非参数统计方法,如Mann-Whitney检验。

若实验设计有多个组,即同一实验因素下有多个分组,则不宜反复采用t检验进行组间比较。而应该采用单因素方差分析或K.ruskal-Wallis H检验,先从总体上明确几组之间的差异是否有统计学意义,然后根据研究需要决定是否进行两组间的比较,采用何种方法进行比较。

主要用于对分类资料进行比较分析。

处理四格表数据是卡方检验最为常见的用途之一。其目的在于分析”构成比”或者”率”之间的差异是否具有统计学意义。

1、对于四格表数据,使用卡方检验的条件:样本量>40、且最小理论频数应>5。 

2、对于某些小样本的、或者指标阳性率较低的研究,总样本量可能<40,最小理论频数也可能<5,此时应该采用Fisher确切概率法进行分析.

3、对于等级资料,秩转换之后进行Mann-Whitney U检验。

4、对于画表问题,不变的在左侧,变化的在上边,具体见下边表格的例子。

实际上,从理论上讲,若要分析四格表数据中的构成比或者率之间的差异是否有统计学意义, Fisher确切概率法的结果是最可靠的。若是使用软件对数据进行分析,不论样本量和最小理论频数,均可采用Fisher确切概率法。

卡方检验回答的问题仅仅是"构成比”或者"率”之间的差异是否具有统计学意义,而不能回答效应指标的强度高低问题。

对于等级资料,不是率和构成比的问题,而是分期等问题,所以处理此类数据的一般方法是将分期进行秩转换,然后以秩和检验(Mann­Whitney检验)进行统计分析。

多组资料比较:在制作表格时,应遵循的原则是:分组因素(自变量)作为横标目,效应员(应变拭)作为纵标目。分类资料用卡方,等级资料用秩和。

这是一个率的比较问题,研究目的主要是分析各种血型的人群HBV感染的发病率是否相同?处理此类数据,一般是直接采用卡方检验从整体上分析各组人群率(构成比)的差异是否具有统计学意义;若具有统计学意义,则根据研究目的决定是否进行组间的比较。以本研究为例,研究者可能还需要逐一比较各组HBV感染的发病率之间的差异是否具有统计学意义。处理此类数据时,最容易犯的一类错误就是将表格进行拆分成六个四格表反复采用卡方检验进行统计分析。实际上.这种错误类似于“反复使用t检验比较多组资料”,会增大 l类误差的概率。正确的做法:应该是采用卡方分割法,通过校正检验水准的方式来进行两两比较。

2行或2列以上计数资料的处理原则:

在本研究中,性别是在出生时就已决定的,而胰腺癌的TNM分期是在后天发生的。所以研究目的只能是阐述性别是否影响首诊胰腺癌患者TNM分析,而不是首诊TNM分期是否会影响性别(这个问题听起来也太滑稽了)。所以,性别因素是分组因素(自变量),是表格的"横标目", TNM分期是效应显(应变量),是表格的"纵标目"。

对于本组数据,有两种统计学方法可供选择,卡方检验和秩和检验(经过秩转换以后采用Mann-Whitney U检验比较),但两种方法的统计学结论和专业结论各不相同,甚至大相径庭。  若将TNM分期视为分类资料,即各个TNM分期之间无“高低强弱”之分,则可以采用卡方检验。当p<0.05时,对应的统计学结论是男性和女性患者胰腺癌TNM分期的分布频数(或者说结构组成)不同。   若将TNM分期视为等级资料,即 IV期患者较 I期严重,则采用秩和检验,即将所有数据进行秩转换后采用Mann-Whitney U检验进行统计分析。假定男性的总秩次高于女性,当p<0.05时,对应的统计学结论是:男性患者的首诊TNM分期较女性患者高,即男性患者的肿瘤分期较女性严重;而对应的专业结论是:性别是影响TNM分期早晚的因素,或者说性别与TNM分期早晚有关。

某研究者发现基因A在胰腺癌组织中的表达异常,因此想研究胰腺癌的TNM分期是否是影响基因 A表达的因素。基因A的表达可以用“阳性”和“阴性”来表示。研究者调查了 226例胰腺癌患者,其中 108例患者A基因表达阳性, 118例患者A基因表达阴性。该表格在排列方式上与表 1不同,分组因素是TNM分期,效应量是A基因的表达情况。之所以这样排版,主要是因为本研究重点是要明确TNM分期是否会影响基因A的表达,而非A基因的表达是否会影响TNM分期。

直接采用卡方检验进行分析,若p<0.05,得出的统计学结论是:不同TNM分期患者A基因表达状况的频数分布(distribution)之间的差异有统计学意义;对应的专业结论是: TNM分期可能影响胰腺癌患者中氏基因的表达特征(阳性还是阴性)。至于怎么影响?升高还是降低?卡方检验无法回答 

若将表格进行调整,得出表3,再进行卡方检验,若p<0.05,对应的统计学结论是不同TNM分期患者A基因表达的阳性率(positive rate)之间的差异有统计学意义。对应的专业结论:胰腺癌的TNM分期可能会影响A基因表达的阳性率,然后根据阳性率大致排一个顺序:A基因在TNM分期胰腺癌患者中表达由高到低分别是:IV期>I期>II期>III期。若作者感兴趣,还可用卡方分割法对各组数据之间进行比较,观察组间是否具有统计学意义。

回到表3,若要明确表达强度高低的问题,需要对数据进行秩转化,然后再采用Kruskal-Wallis H检验比较各个TNM分期患者基因表达强度的差异。这里TNM分期可视为“分类变量"。从专业上来讲,将A基因的表达情况进行秩转换之后再比较不同TNM分期患者之间A基因的表达情况,显然信息量更为丰富,更符合研究目的。但是考虑到当人们用“阳/阴性”去衡量A基因表达时,已经极大地降低了统计效率,损失了很多统计信息,这样统计出来的结果很有可能不可靠,所以一般通过阳性率从侧面反映基因的表达强度。笔者认为:卡方检验和秩和检验均可用于此类数据的分析,只是在下专业结论时需要注意区分"率”和“水平”的问题。

若将基因A的表达强度视为分类资料,直接采用卡方检验,若p<0.05,对应的统计学结论为不同TNM分期患者A基因表达状况的频数分布(distribution)之间的差异有统计学意义;对应的专业结论为TNM分期可能影响基因A的表达频数分布状况。至于怎么影响,升高还是降低,卡方检验无法回答。若将基因的表达情况(高中低)视为有序变撮,则需要对其进行秩转换,之后再采用Kruskal-Wallis H检验进行比较,若p<0.05,对应的统计学结论是不同TNM分期患者A基因表达强度之间的差异有统计学意义;对应的专业结论是TNM分期可能影响基因A的表达强度。进一步根据各组的总秩次,可以明确各个TNM分期中基因A的表达强度,并根据需要判断是否有必要进行两两比较。

但是秩和检验还不是最佳选择!在本研究中,我们注意到: TNM分期和基因的表达强度都是“有序变侃",或者说都是”等级资料",如果能明确二者是否呈线性相关关系,显然更符合研究的目的。因此本研究最恰当的统计学方法应该是线性趋势检验或者Spearman秩相关法。

ROC曲线

ROC曲线的纵坐标表示诊断敏感性;横坐标通常为1-特异性。在图1中,横坐标之所以为特异性是因为横坐标的刻度是从右向左读取的。实际上,如果横坐标的刻度是从左向右读取的话,就应该标志为1-特异性。1-特异性其实就是表示误诊率,因此曲线走形越靠近左侧,表示待评价试验的误诊率越低,即诊断特异性越高。

1、曲线下面积越大,总体诊断效率越高。

2、总体样本量和疾病分布状况影响曲线的光滑程度。

3、曲线下面积(AUC)为1时,表示检查手段有近乎完美的诊断价值; AUC为0.5时,表示曲线没有任何诊断价值。

4、目前国际上一部分学者认为AUC介于0.5和0.7之间表示检查手段的诊断效率较低;若AUC介于0.7和0.9之间,则表明检查手段具有中等诊断效率;若AUC大于0.9则表明检查手段具有较高的诊断效率。

如何进行临床试验数据统计分析

统计学方法的正确抉择

一。

统计方法抉择的条件

在临床科研工作中,正确地抉择统计分析方法,应充分考虑科研工作者的分析目的、临床科研设计方法、搜集到的数据资料类型、数据资料的分布特征与所涉及的数理统计条件等。

其中任何一个问题没考虑到或考虑有误,都有可能导致统计分析方法的抉择失误。

此外,统计分析方法的抉择应在科研的设计阶段来完成,而不应该在临床试验结束或在数据的收集工作已完成之后。

对临床科研数据进行统计分析和进行统计方法抉择时,应考虑下列因素:

1.分析目的

对于临床医生及临床流行病医生来说,在进行统计分析前,一定要明确利用统计方法达到研究者的什么目的。

一般来说,统计方法可分为描述与推断两类方法。

一是统计描述(descriptivestatistics),二是统计推断(inferentialstatistics)。

统计描述,即利用统计指标、统计或统计表,对数据资料所进行的最基本的统计分析,使其能反映数据资料的基本特征,有利于研究者能准确、全面地了解数据资料所包涵的信息,以便做出科学的推断。

统计表,如频数表、四格表、列联表等;

统计,如直方、饼,散点等;

统计指标,如均数、标准差、率及构成比等。

统计推断,即利用样本所提供的信息对总体进行推断(估计或比较),其中包括参数估计和假设检验,如可信区间、t检验、方差分析、c2检验等,如要分析甲药治疗与乙药治疗两组的疗效是否不相同、不同地区某病的患病率有无差异等。

还有些统计方法,既包含了统计描述也包含了统计推断的内容,如不同变量间的关系分析。

相关分析,可用于研究某些因素间的相互联系,以相关系数来衡量各因素间相关的密切程度和方向,如高血脂与冠心病、慢性宫颈炎与宫颈癌等的相关分析;

回归分析,可用于研究某个因素与另一因素(变量)的依存关系,即以一个变量去推测另一变量,如利用回归分析建立起来的回归方程,可由儿童的年龄推算其体重。

2.资料类型

资料类型的划分现多采用国际通用的分类方法,将其分为两类:数值变量(numericalvariable)资料和分类变量(categoricalvariable)资料。

数值变量是指其值是可以定量或准确测量的变量,其表现为数值大小的不同;

而分类变量是指其值是无法定量或不能测量的变量,其表现没有数值的大小而只有互不相容的类别或属性。

分类变量又可分为无序分类变量和有序分类变量两小类,无序分类变量表现为没有大小之分的属性或类别,如:性别是两类无序分类变量,血型是四类无序分类变量;

有序分类变量表现为各属性或类别间有程度之分,如:临床上某种疾病的“轻、中、重”,治疗结果的“无效、显效、好转、治愈”。

由此可见,数值变量资料、无序分类变量资料和有序分类变量资料又可叫做计量资料、计数资料和等级资料。

资料类型的划分与统计方法的抉择有关,在多数情况下不同的资料类型,选择的统计方法不一样。

如数值变量资料的比较可选用t检验、u检验等统计方法;

而率的比较多用c2检验。

值得注意的是,有些临床科研工作者,常常人为地将数值变量的结果转化为分类变量的临床指标,然后参与统计分析,如患者的血红蛋白含量,研究者常用正常、轻度贫血、中度贫血和重度贫血来表示,这样虽然照顾了临床工作的习惯,却损失了资料所提供的信息量。

换言之,在多数情况下,数值变量资料提供的信息量最为充分,可进行统计分析的手段也较为丰富、经典和可靠,与之相比,分类变量在这些方面都不如数值变量资料。

因此,在临床实验中要尽可能选择量化的指标反映实验效应,若确实无法定量时,才选用分类数据,通常不宜将定量数据转变成分类数据。

3.设计方法

在众多的临床科研设计方法中,每一种设计方法都有与之相适应的统计方法。

在统计方法的抉择时,必须根据不同的临床科研设计方法来选择相应的统计分析方法。

如果统计方法的抉择与设计方法不一致,统计分析得到的任何结论都是错误的。

在常用的科研设计方法中,有成组设计(完全随机设计)的t检验、配对t检验、成组设计(完全随机设计)的方差分析、配伍设计(随机区组设计)的方差分析等,都是统计方法与科研设计方法有关的佐证。

因此,应注意区分成组设计(完全随机设计)与配对和配伍设计(随机区组设计),在成组设计中又要注意区别两组与多组设计。

最常见的错误是将配对或配伍设计(随机区组设计)的资料当做成组设计(完全随机设计)来处理,如配对设计的资料使用成组t检验、配伍设计(随机区组设计)使用成组资料的方差分析;

或将三组及三组以上的成组设计(完全随机设计)资料的比较采用多个t检验、三个或多个率的比较采用四格表的卡方检验来进行比较,都是典型的错误。

如下表:

表1常见与设计方法有关的统计方法抉择错误

设计方法错误的统计方法正确统计方法

两个均数的比较(成组设计、完全随机设计)成组设计的t检验、成组设计的秩和检验

多个均数的比较(成组设计、完全随机设计)多个成组设计的t检验完全随机设计的方差分析及q检验、完全随机设计的秩和检验及两两比较

数值变量的配对设计成组设计的t检验配对t检验、配对秩和检验

随机区组设计(配伍设计)多个成组设计的t检验、完全随机设计的方差分析随机区组设计的方差分析及q检验、随机区组设计的秩和检验及两两比较

交叉设计成组设计的t检验、配对t检验、配对秩和检验交叉设计的方差分析、交叉设计的秩和检验

4.分布特征及数理统计条件

数理统计和概率论是统计的理论基础。

每种统计方法都要涉及数理统计公式,而这些数理统计公式都是在一定条件下推导和建立的。

也就是说,只有当某个或某些条件满足时,某个数理统计公式才成立,反之若不满足条件时,就不能使用某个数理统计公式。

在数理统计公式推导和建立的条件中,涉及最多的是数据的分布特征。

数据的分布特征是指数据的数理统计规律,许多数理统计公式都是在特定的分布下推导和建立的。

若实际资料服从(符合)某种分布,即可使用该分布所具有的数理统计规律来分析和处理该实际资料,反之则不能。

在临床资料的统计分析过程中,涉及得最多的分布有正态分布、偏态分布、二项分布等。

许多统计方法对资料的分布有要求,如:均数和标准差、t和u检验;

方差分析都要求资料服从正态分布,而中位数和四分位数间距、秩和检验等,可用于不服从正态分布的资料。

所以,临床资料的统计分析过程中,应考虑资料的分布特征,最起码的要求是熟悉正态分布与偏态分布。

例如:在临床科研中,许多资料的描述不考虑资料的分布特征,而多选择均数与标准差。

如某妇科肿瘤化疗前的血象值,资料如下表:

某妇科肿瘤化疗前的血象值

指标名例数均数标准差偏度系数P值峰度系数P值

血红蛋白(g/L)98111.9918.820.1800.4590.0250.958

血小板(×109/L)98173.5887.111.3530.0001.8430.000

白细胞(×109/L)986.79302.7671.2070.0001.2020.013

从上结果可见,若只看三项指标的均数和标准差,临床医生也许不会怀疑有什么问题。

但是经正态性检验,病人的血红蛋白服从正态分布,而血小板和白细胞两项指标的偏度和峰度系数均不服从正态分布(P<0.05)。

因此,描述病人的血小板和白细胞平均水平正确的指标是中位数,而其变异程度应使用四分位数间距。

除了数据的分布特征外,有些数理统计公式还有其它一些的条件,如t检验和方差分析的方差齐性、卡方检验的理论数(T)大小等。

总之,对于临床科研工作者来说,为正确地进行统计方法的抉择,首先要掌握或熟悉上述影响统计方法抉择因素;

其次,还应熟悉和了解常用统计方法的应用条件。

二。

数据资料的描述

统计描述的内容包括了统计指标、统计和表,其目的是使数据资料的基本特征更加清晰地表达。

本节只讨论统计指标的正确选用,而统计表的正确使用请参阅其他书籍。

1.数值变量资料的描述

描述数值变量资料的基本特征有两类指标,一是描述集中趋势的指标,用以反映一组数据的平均水平;

二是描述离散程度的指标,用以反映一组数据的变异大小。

各指标的名称及适用范围等见表2。

表2描述数值变量资料的常用指标

指标名称用途适用的资料

均数(X——)

描述一组数据的平均水平,集中位置正态分布或近似正态分布

中位数(M)与均数相同偏态分布、分布未知、两端无界

几何均数(G)与均数相同对数正态分布,等比资料

标准差(S)

描述一组数据的变异大小,离散程度

正态分布或近似正态分布

四分位数间距

(QU-QL)与标准差相同偏态分布、分布未知、两端无界

极差(R)与标准差相同观察例数相近的数值变量

变异系数(CV)与标准差相同比较几组资料间的变异大小

从表中可看出,均数与标准差联合使用描述正态分布或近似正态分布资料的基本特征;

中位数与四分位数间距联合使用描述偏态分布或未知分布资料的基本特征。

这些描述指标应用时,最常见的错误是不考虑其应用条件的随意使用,如:用均数和标准差描述偏态分布、分布未知或两端无界的资料,这是目前在临床研究文献中较为普遍和典型的错误。

关于如何进行临床试验数据统计分析到此分享完毕,希望能帮助到您。

趋势与标准 人民网舆情数据中心十年研究报告 重磅发布