预防医学一

绪论

一、预防医学的定义

1.对象

个体和确定的群体。

2.目的

保护、促进和维护健康，预防疾病、失能和早逝。

3.工作模式

健康生态模型。

二、预防医学内容

医学统计学、流行病学、环境医学、社会医学、行为科学与健康促进、卫生管理学以及将三级预防措施运用到临床医学中。

三、预防医学特点

1.对象

个体和确定的群体。

2.方法

微观和宏观结合。

3.对策

更具有积极的预防作用，更大的人群健康效益。

四、预防医学≠公共卫生

公共卫生的对象是全社会整个人群，实施措施更加宏观和宽泛。

五、健康的定义

是身体、心理和社会幸福的完好状态，而不仅是没有疾病和虚弱。

六、影响健康的主要因素

社会经济因素、物质环境、个体因素、卫生服务。

七、疾病的自然史

包括病理发生期、症状发生前期、临床期、结局。

八、健康疾病连续带

从健康→疾病→健康（或死亡）的一个连续过程。

九、预防的机会窗

根据疾病自然史的几个阶段以及健康疾病连续带的理论，危险因素作用于机体到疾病临床特征的出现，有一个过程，从而为预防疾病所留出的时间。

十、三级预防策略

1.注意

提到三级预防的时候应该是包括第一级、第二级和第三级预防。

2.第一级预防

是针对病因采取的预防措施，即「治未病」，它既包括针对健康个体的措施也包括针对整个公众的社会措施。在第一级预防中，如果在疾病的因子还没有进入环境之间就采取预防性措施，则称为根本性预防，主要针对职业病、地方病、传染病等。

3.第二级预防

在疾病的临床前期做好早期发现、早期诊断、早期治疗的「三早」预防工作，以控制疾病的发展和恶化，即「治早病」，主要针对恶性肿瘤。对于传染病，除了「三早」，尚需做到疫情早报告及患者的早隔离，即「五早」。

4.第三级预防

对已患某些病者，采取及时的、有效的治疗和康复措施，使患者尽快恢复生活和劳动能力，能参加社会活动并延长寿命，即「治晚病」，主要针对康复治疗。

医学统计学方法

一、基本概念和步骤

1.基本概念

（1）总体

根据研究目的确定的同质观察单位某种变量值的集合，希腊字母表示。

（2）样本

根据随机化的原则从总体中抽出有代表性的观察单位组成的子集，用拉丁字母表示。

（3）同质

除实验因素外，影响被研究指标的非实验因素相同称为同质。

（4）变异

在同质的基础上被观察个体之间的差异。

（5）变量

观察对象的特征或指标（如升高）。测量的结果称为变量值。

定性数据，即分类变量，计数资料；观察值是定性的；为互不相容的类别或属性。

定量数据：计量资料；包括离散型变量（只取整数值）和连续型变量（可以抽取实数轴上的任何数值）。

有序数据：半定量数据或等级资料；变量的观测值是定性的；但各类别之间有程度或顺序的差别。

（6）参数和统计量

总体的统计指标称为参数。样本的统计指标称为统计量。

（7）误差

观察值与实际值的差别。

（8）概率

描述随机事件发生可能性大小的度量，常用P表示，范围在0～1之间；习惯把P≤0.05的随机事件称作小概率事件。

2.统计工作基本步骤

（1）统计设计包括实验性研究和观察性研究。

（2）数据整理。

（3）统计描述。

（4）统计推断包括参数估计和假设检验，参数估计分为点估计和区间估计，假设检验得到的P值是得出结论的主要依据。

二、定量资料的统计描述

1.集中趋势指标

描述平均水平或集中位置。

（1）平均数（average）

描述数值变量资料集中趋势的一类应用最广泛的指标体系。包括：算术平均数、几何均数、中位数。

算术均数适用于正态分布或近似正态分布的资料。大多数正常生物的生理、生化指标都宜用均数表达其集中趋势。包括直接法和加权法。

几何均数（G）：适用于某些呈非正态分布，但数据经过对数变换后呈正态分布的资料，也可用于观察值之间呈倍数或近似倍数变化（等比关系）的资料，如抗体的平均滴度、药物的平均效价。包括直接法和加权法。注意：观察值不能有0，一组观察值中不能同时有正、负值。

中位数（M）：适用于任何分布，特别是偏态分布资料以及频数分布的一端或两端无确切数据资料的中心位置。举例：某些传染病或食物中毒的潜伏期、人体的某些特殊测定指标（如发汞、尿铅等）。

百分位数（PX）：用于确定非正态分布资料的医学参考值范围。P5，P25，P75，P95是统计学上常用的指标。

2.离散趋势指标

描述一组同质观察值的变异程度。包括：极差、四分位间距、方差、标准差和变异系数。

（1）极差（R）

即全距，是一组资料最大值与最小值之差。全距越大，离散程度越大。

（2）四分位间距（Q）

Q=上四分位数（P75）－下四分位数（P25），通常用于偏态分布资料的离散程度。

（3）方差、标准差

全面考虑观察值的变异程度。标准差的用途：反映一组观察值的离散程度，标准差小，离散程度小，均数的代表性好；用于计算变异系数；计算标准误；结合均值与正态分布的规律估计医学参考值范围。

（4）变异系数

用CV表示，比较度量单位不同或者均数相差悬殊的两组或多组资料的变异程度；没有单位，消除了量纲，公式为：

3.正态分布的特点与面积分布规律

（1）正态分布

连续型分布，以均数为中心，左右两侧基本对称；标准正态曲线是一条光滑的曲线，用N（μ,σ2）表示；标准差大，曲线「胖」，反之「瘦」。

（2）标准正态分布

对任何一个均数和标准差分别是μ和σ的正态分布，都可以通过变量标准化变换，即Z变换，公式见下，称为标准正态分布，用N（0，1）表示。

（3）正态分布特征

关于x=μ对称。

在x=μ处取得该概率密度函数的最大值，在x=μ±σ处有拐点，表现为钟形曲线。

μ决定曲线在横轴上的位置，μ增大，曲线沿横轴向右移；反之，μ减小，曲线沿横轴向左移。

σ决定曲线的形状，当μ恒定时，σ越大，数据越分散，曲线越「矮胖」；σ越小，数据越集中，曲线越「瘦高」。

曲线下面积为1。

两个参数μ和σ，正态曲线在±1.96σ，标准正态分布在±1处各有一个拐点。

（4）面积分布规律

三、定量资料的统计推断

1.均数的抽样误差

从同一总体中随机抽取若干观察单位数相等的样本，由于抽样引起样本均数与总体均数及样本均数之间的差异；大小用均数标准差表示。

2.标准误

样本均数的标准差，公式为

在实际应用中，总体标准差S常常未知，需要用样本标准差S来估计：

当样本例数n一定时，标准误与标准差成正比；当标准差一定时，标准误与样本量n的平方根呈反比；增加样本量能减少抽样误差。

3.标准误的用途

衡量抽样误差大小；结合标准正态分布与t分布曲线下的面积规律，估计总体均数的置信区间。

4.t分布

在实际工作中，当总体标准差σ未知时，常由样本标准差S来代替：

此时，对正态变量采用的不是Z变换，而是t变换。当然，上式中的统计量t不再服从标准正态分布N（0,1），它服从自由度的t分布，即：

5.t分布（或t分布曲线）特征

单峰分布，以0为中心，左右对称；自由度越小，t值越分散，曲线的峰部越矮，尾部翘得越高；随着自由度逐渐增大，t分布逐渐逼近标准正态分布；当逼近无穷大时，t分布逼近标准正态分布，标准正态分布是t分布的特例。

6.总体均数可信区间

（1）点估计

是用样本统计量的点值来估计总体参数，如用随机样本均值估计，用p估计π，用样本相关系数作为总体相关系数的点估计值。

（2）区间估计

将样本统计量、标准误与特定分布的面积规律结合起来，按置信度（1-α）%估计的总体参数所在的范围，即置信区间；α值预先给定，一般取0.1，0.05或0.01。

7.可信区间估计方法

（1）当σ未知且n较小时，按t分布的原理，计算总体均数μ的双侧或单侧（1-α）%置信区间，计算公式为：

（2）当σ未知但n足够大时（n50），也可依据Z分布原理，计算总体均数μ的双侧或单侧（1-α）%置信区间，计算公式为：

（3）当σ已知，按正态分布原理，计算总体均数μ的双侧或单侧（1-α）%置信区间，计算公式为：

8.总体均数95%置信区间的含义

实际工作中得到一个样本，根据一个样本估计的总体均值的可信区间，有95%的可能性包括了总体均值。

9.假设检验原理

（1）也称显著性检验，采用的是小概率反证法的思想，即是事先对样本统计量的分布和总体参数作出某种假设。

（2）然后判定样本统计量在总体分布所处的位置和对应的概率值。

（3）如果样本统计量（如）在总体分布中的位置远离假定的参数，相对应的P值也小（如小于0.05）。

（4）根据「小概率事件在一次试验中一般不可能发生」的原理，统计学有理由认为样本统计量不是来自事先假定的总体。

10.假设检验基本步骤

（1）选择检验方法，建立检验假设并确定检验水准

原假设，又称无效假设，记为H0；

对立假设，又称备择假设，记为H1；

H1的内容直接反映了检验单双侧；若H1中只是μμ0或μμ0，则此检验为单侧检验。它不仅考虑有无差异，而且还考虑差异的方向。

检验水准，用希腊字母α表示。实践中常取0.05或0.01等数值。它将小概率事件具体化，即规定概率不超过α就是小概率；

（2）计算统计量

根据样本数据计算相应的统计量。统计量是随机样本的函数。它不应包含任何未知参数。

（3）确定P值

P值的意义是：如果总体状况和H0一致，统计量获得现有数值以及更不利于H0的数值的可能性（概率）有多大。

（4）做推断结论

假设检验的推断结论是对「H0是否真实」作出判断。这种判断是通过比较P值与检验水准α的大小来进行的。

在两个检验假设之间进行二者取一抉择的规则是：如果P值小于或等于检验水准α，意味着在H0成立的前提下发生了小概率事件，根据「小概率事件在一次随机试验中不（大）可能发生」的推断原理，怀疑H0的真实性，从而做出拒绝H0的决策。因为H1与H0是对立的，既然拒绝H0，就只能接受H1。

11.t检验

（1）单样本资料的t检验

推断该样本来自的总体均数μ与已知的某一总体均数μ0（常为理论值或标准值）有无差别：

H0：总体均数为μ0，即μ=μ0。

H1：μ≠μ0。

其中对立假设H1包括μμ0和μμ0两种可能，一般情况下均采用双侧检验。

（2）配对设计资料的t检验

配对设计主要适用于以下情况：配对的两个受试对象分别接受两种不同处理的数据；同一样品（或受试对象）用两种处理方法（或测量等）检测的结果；同一受试对象两个部位的数据（若为某种处理前后的数据，需要经历的处理时间较长，测量结果稳定）。

H0：差数的总体均数是否为0，即μd=0。

H1：μd≠0。

α=0.05，当H0成立时，检验统计量。如果根据样本算得的t值偏大，有理由拒绝H0。

（3）两独立样本资料的t检验

将受试对象随机分配成两个处理组，每一组随机接受的一种处理；一般把这样获得的两组资料视为代表两个不同总体的样本，推断它们的总体均数是否相等；从两个人群（例如某年龄组男性与女性）分别随机抽取一定数量的观察对象，测量某项指标进行比较；在实际工作中这类资料也按完全随机设计的两样本比较来对待。

12.假设检验的两类错误

（1）第Ⅰ类错误：将拒绝了正确的无效假设H0称为犯了第I类错误，概率用α表示，称之为检验水准，常取α=0.05。

（2）第Ⅱ类错误：接受了实际上错误的无效假设H0称为犯第Ⅱ类错误，概率用β表示。

（3）将1-β称为检验效能，意义是当两个总体存在差异时所使用的统计检验能够发现这种差异（拒绝无效假设H0）的能力。

13.假设检验中的注意事项

（1）在抽样研究中，研究设计、搜集数据和统计分析是一个整体。每一种假设检验方法都是与相应的研究设计相联系的。严格按照研究设计方案，收集客观的数据。样本的获取必须遵循随机的原则。

（2）应用检验方法必需符合其适用条件，每一种假设检验方法都有相应的适用条件。在实际应用中，应根据设计类型、变量类型、样本大小等因素选择合适的检验方法。

（3）当样本量一定时，第Ⅰ类错误的概率α变小，第Ⅱ类错误的概率β就变大。反之亦然。在假设检验可能出现的两类错误之中，往往会有一种错误危害较大。要权衡两类错误的危害来确定α的大小。

（4）正确理解P值的意义。P值很小时「拒绝H0，接受H1」，但是不要把很小的P值误解为总体参数间差异很大。拒绝H0只是说差异不为零，P值小只是说犯第Ⅰ类错误的机会远小于α。

14.t检验还是Z检验

（1）未知总体和已知总体的比较：总体方差已知用Z检验，总体方差未知用t检验。

（2）配对资料均数比较用配对t检验。

（3）两总体均数比较：总体方差已知用Z检验；总体方差未知，方差齐时用t检验，方差不齐用t检验。

15.方差分析

即ANOVA或F检验，是通过对数据变异的分解来判断不同样本代表所代表的总体均数是否相同，用于两个或两个以上样本均数的比较、回归方程的假设检验等。

16.方差分析基本思想

把全部观察值间的变异按设计和需要分解为两个或多个组成部分，然后将各部分的变异与随机误差进行比较，以判断各部分的变异是否具有统计学意义。

17.方差分析使用条件

各样本来自正态分布的总体，且相互为独立的随机样本，各个样本所来自的总体方差相等。

18.单因素方差分析

（1）在单向方差分析中，变异来源

一方面是受试对象个体间的变异，称组内变异；另一方面是实验因素各水平间的变异，称组间变异。总变异可按其变异来源进行分解。

（2）离均差平方和

（3）文字表达

总离均差平方和＝组内离均差平方和＋组间离均差平方和。

（4）均方

每种来源的离均差平方和用相应的自由度去除，可得到平均的离均差平方和，简称均方（meansquare，MS），分为组内内和组间均方。

（5）F值计算公式

（6）F分布

是一种偏态分布，F分布有两个自由度，组间自由度和组内自由度。

18.方差分析步骤

整理和描述资料；提出检验假设及规定Ⅰ类错误概率水准α的大小；计算各种离均差平方和、自由度及均方；计算F值；确定P值并作出统计学推断。

19.多个样本均数间两两比较用q检验，即SNK法。

20.方差分析总结

是多个均数间整体性的比较，如果F值无统计意义，或F=1附近，说明处理因素作用相等。

21.均数的多重比较

整体比较有统计意义后进行两两比较方法：SNK，Dunnett，LSD。

点击最下面的阅读原文，下载包含十年真题的「掌上题库」App。

「每天看







































北京中科医院
治白癜风方法

转载请注明：http://www.imbnc.com/mlyhl/1541.html