前言：中文期刊網(wǎng)精心挑選了醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文1
關(guān)鍵詞:生物信息學(xué)醫(yī)學(xué)統(tǒng)計(jì)學(xué)課堂教學(xué)
生物信息學(xué)融合了生物技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)的大量方法，已逐漸成為發(fā)現(xiàn)生命過程中所蘊(yùn)涵知識的一門重要學(xué)科。其基本問題主要包括：DNA分析、蛋白質(zhì)結(jié)構(gòu)分析、分子進(jìn)化。醫(yī)學(xué)統(tǒng)計(jì)學(xué)作為醫(yī)科院校的基礎(chǔ)課程之一，長期以來其理論和方法就廣泛應(yīng)用于臨床醫(yī)學(xué)、基礎(chǔ)醫(yī)學(xué)的各類研究中。隨著生物新技術(shù)的誕生，在推動生物信息學(xué)發(fā)展的同時(shí)，醫(yī)學(xué)研究對象也由宏觀的病人、生物組織拓展到微觀的基因領(lǐng)域，所面對的實(shí)驗(yàn)數(shù)據(jù)在性質(zhì)和結(jié)構(gòu)上也都有所不同，這對醫(yī)學(xué)統(tǒng)計(jì)學(xué)的應(yīng)用提出了新的更高的要求。
目前，醫(yī)學(xué)統(tǒng)計(jì)學(xué)的很多原理和方法已成功地應(yīng)用于這些新研究之中，并在此基礎(chǔ)之上有了新的發(fā)展和改進(jìn)。如概率分布的知識與序列相似性分析、蛋白質(zhì)分類等技術(shù)密切相關(guān)；方差分析、非參數(shù)檢驗(yàn)方法經(jīng)改進(jìn)和結(jié)合后在基因表達(dá)數(shù)據(jù)的前期分析中發(fā)揮了較好的作用；而聚類分析、判別分析、相關(guān)分析這些大家所熟知的統(tǒng)計(jì)學(xué)方法更是在基因分類和調(diào)控網(wǎng)絡(luò)的建立中得到了廣泛的應(yīng)用。在進(jìn)行醫(yī)學(xué)統(tǒng)計(jì)學(xué)課堂教學(xué)時(shí)加入生物信息學(xué)方面的應(yīng)用實(shí)例，不僅可以使學(xué)員了解本學(xué)科研究的前沿和醫(yī)學(xué)、生物信息學(xué)研究的新發(fā)展，還可以提高學(xué)員對于醫(yī)學(xué)統(tǒng)計(jì)學(xué)理論學(xué)習(xí)的興趣，掌握先進(jìn)的生物實(shí)驗(yàn)數(shù)據(jù)分析方法，提高今后從事醫(yī)學(xué)科研的能力。下面，本文在回顧醫(yī)學(xué)統(tǒng)計(jì)學(xué)授課主要內(nèi)容的基礎(chǔ)上，就醫(yī)學(xué)和生物信息學(xué)中的可能應(yīng)用舉例如下：
一、概率分布
概率分布（probabilitydistribution）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中多種統(tǒng)計(jì)分析方法的理論基礎(chǔ)。授課內(nèi)容一般包括：二項(xiàng)分布、Possion分布、正態(tài)分布、t分布、F分布等。
借助概率分布常常可以幫助我們了解生命指標(biāo)的特征、醫(yī)學(xué)現(xiàn)象的發(fā)生規(guī)律等等。例如，臨床檢驗(yàn)中計(jì)量實(shí)驗(yàn)室指標(biāo)的參考值范圍就是依據(jù)正態(tài)分布和t分布的原理計(jì)算得到；許多醫(yī)學(xué)試驗(yàn)的“陽性”結(jié)果服從二項(xiàng)分布，因此它被廣泛用于化學(xué)毒性的生物鑒定、樣本中某疾病陽性率的區(qū)間估計(jì)等；而一定人群中諸如遺傳缺陷、癌癥等發(fā)病率很低的非傳染性疾病患病數(shù)或死亡數(shù)的分布，單位面積（或容積）內(nèi)細(xì)菌數(shù)的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現(xiàn)象進(jìn)行研究。
在生物信息學(xué)中概率分布也有一定應(yīng)用。例如，Poisson分布可以用于基因（蛋白質(zhì)）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質(zhì)（或DNA）數(shù)據(jù)與公開數(shù)據(jù)庫進(jìn)行相似性序列比對。對于序列a和b，BLAST發(fā)現(xiàn)的高得分匹配區(qū)稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據(jù)Poisson分布的性質(zhì)計(jì)算得到。
二、假設(shè)檢驗(yàn)
假設(shè)檢驗(yàn)（hypothesis）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中統(tǒng)計(jì)推斷部分的重要內(nèi)容。假設(shè)檢驗(yàn)根據(jù)反證法和小概率原理，首先依據(jù)資料性質(zhì)和所需解決的問題，建立檢驗(yàn)假設(shè)；在假設(shè)該檢驗(yàn)假設(shè)成立的前提下，采用適當(dāng)?shù)臋z驗(yàn)方法，根據(jù)樣本算得相應(yīng)的檢驗(yàn)統(tǒng)計(jì)量；最后，依據(jù)概率分布的特點(diǎn)和算得的檢驗(yàn)統(tǒng)計(jì)量的大小來判斷是否支持所建立的檢驗(yàn)假設(shè)，進(jìn)而推斷總體上該假設(shè)是否成立。其基本方法包括：u檢驗(yàn)、t檢驗(yàn)、方差分析（ANOVA）和非參數(shù)檢驗(yàn)方法。
假設(shè)檢驗(yàn)為醫(yī)學(xué)研究提供了一種很好的由樣本推斷總體的方法。例如，隨機(jī)抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數(shù)）與該年齡段兒童應(yīng)有的標(biāo)準(zhǔn)平均身高（總體均數(shù)）做u檢驗(yàn)，其檢驗(yàn)結(jié)果可以幫助我們推斷出該市該年齡段兒童身高是否與標(biāo)準(zhǔn)身高一致，為了解該市該年齡段兒童的生長發(fā)育水平提供參考。又如，醫(yī)學(xué)中常?？梢圆捎胻檢驗(yàn)、秩和檢驗(yàn)比較兩種藥物的療效有無差別；用2檢驗(yàn)比較不同治療方法的有效率是否相同等等。
這些假設(shè)檢驗(yàn)的方法在生物實(shí)驗(yàn)資料的分析前期應(yīng)用較多，但由于研究目的和資料性質(zhì)不同，一般會對某些方法進(jìn)行適當(dāng)調(diào)整和結(jié)合。
例如，基于基因芯片實(shí)驗(yàn)數(shù)據(jù)尋找差異表達(dá)基因的問題?；蛐酒╣enechip）是近年來實(shí)驗(yàn)分子生物學(xué)的技術(shù)突破之一，它允許研究者在一次實(shí)驗(yàn)中獲得成千上萬條基因在設(shè)定實(shí)驗(yàn)條件下的表達(dá)數(shù)據(jù)。為了從這海量的數(shù)據(jù)中尋找有意義的信息，在對基因表達(dá)數(shù)據(jù)進(jìn)行分析的過程中，找到那些在若干實(shí)驗(yàn)組中表達(dá)水平有明顯差異的基因是比較基礎(chǔ)和前期的方法。這些基因常常被稱為“差異表達(dá)基因”，或者“顯著性基因”。如果將不同實(shí)驗(yàn)條件下某條基因表達(dá)水平的重復(fù)測量數(shù)據(jù)看作一個(gè)樣本，尋找差異表達(dá)基因的問題其實(shí)就可以采用假設(shè)檢驗(yàn)方法加以解決。
如果表達(dá)數(shù)據(jù)服從正態(tài)分布，可以采用t-檢驗(yàn)（或者方差分析）比較兩樣本（或多樣本）平均表達(dá)水平的差異。
但是，由于表達(dá)數(shù)據(jù)很難滿足正態(tài)性假定，目前常用的方法基于非參數(shù)檢驗(yàn)的思想，并對其進(jìn)行了改進(jìn)。該方法分為兩步：首先，選擇一個(gè)統(tǒng)計(jì)量對基因排秩，用秩代替表達(dá)值本身；其次，為排秩統(tǒng)計(jì)量選擇一個(gè)判別值，在其之上的值判定為差異顯著。常用的排秩統(tǒng)計(jì)量有：任一特定基因在重復(fù)序列中表達(dá)水平M值的均值；考慮到基因在不同序列上變異程度的統(tǒng)計(jì)量，其中，s是M的標(biāo)準(zhǔn)差；以及用經(jīng)驗(yàn)Bayes方法修正后的t-統(tǒng)計(jì)量：，修正值a由M的方差s2的均數(shù)和標(biāo)準(zhǔn)差估計(jì)得到。
三、一些高級統(tǒng)計(jì)方法在基因研究中的應(yīng)用
（一）聚類分析
聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據(jù)聚類對象的某些性質(zhì)與特征，運(yùn)用統(tǒng)計(jì)分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內(nèi)的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統(tǒng)計(jì)分析方法，其基本內(nèi)容包括：相似性度量方法、系統(tǒng)聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。
聚類分析可以幫助我們解決醫(yī)學(xué)中諸如：人的體型分類，某種疾病從發(fā)生、發(fā)展到治愈不同階段的劃分，青少年生長發(fā)育分期的確定等問題。
近年來隨著基因表達(dá)譜數(shù)據(jù)的不斷積累，聚類分析已成為發(fā)掘基因信息的有效工具。在基因表達(dá)研究中，一項(xiàng)主要的任務(wù)是從基因表達(dá)數(shù)據(jù)中識別出基因的共同表達(dá)模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關(guān)聯(lián)性。這種探索完全未知的數(shù)據(jù)特征的方法就是聚類分析，生物信息學(xué)中又稱為無監(jiān)督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達(dá)數(shù)據(jù)對基因（樣本）進(jìn)行聚類，將具有相同表達(dá)模式的基因（樣本）聚為一類，根據(jù)聚類結(jié)果通過已知基因（樣本）的功能去認(rèn)識那些未知功能的基因。對于基因表達(dá)數(shù)據(jù)而言，系統(tǒng)聚類法易于使用、應(yīng)用廣泛，其結(jié)果——系統(tǒng)樹圖能提供一個(gè)可視化的數(shù)據(jù)結(jié)構(gòu)，直觀具體，便于理解。而在幾種相似性的計(jì)算方法中，平均聯(lián)接法(AverageLinkageClustering)一般能給出較為合理的聚類結(jié)果2。
（二）判別分析
判別分析（discriminantanalysis）是根據(jù)觀測到的某些指標(biāo)的數(shù)據(jù)對所研究的對象建立判別函數(shù)，并進(jìn)行分類的一種多元統(tǒng)計(jì)分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經(jīng)網(wǎng)絡(luò)（ANNs）和支持向量機(jī)（SVMs）。
判別分析常用于臨床輔助鑒別診斷，計(jì)量診斷學(xué)就是以判別分析為主要基礎(chǔ)迅速發(fā)展起來的一門科學(xué)。如臨床醫(yī)生根據(jù)患者的主訴、體征及檢查結(jié)果作出診斷；根據(jù)各種癥狀的嚴(yán)重程度預(yù)測病人的預(yù)后或進(jìn)行某些治療方法的療效評估；以及流行病學(xué)中某些疾病的早期預(yù)報(bào)，環(huán)境污染程度的堅(jiān)定及環(huán)保措施、勞保措施的效果評估等。
在生物信息學(xué)針對基因的研究工作中，由于借助了精確的生物實(shí)驗(yàn)，研究者通常能得到基因（樣本）的準(zhǔn)確分類，如，基因的功能類、樣本歸結(jié)于疾?。ㄕ＃顟B(tài)等等。當(dāng)利用了這些分類信息時(shí)，就可以采用判別分析的方法對基因進(jìn)行分類，生物信息學(xué)中又稱為有監(jiān)督的分析（SupervisedAnalysis）。例如，基因表達(dá)數(shù)據(jù)分析中，對于已經(jīng)過濾的基因，前三種方法的應(yīng)用較為簡單。而支持向量機(jī)（SVMs）和人工神經(jīng)網(wǎng)絡(luò)（ANNs）是兩種較新，但很有應(yīng)用前景的方法。
（三）相關(guān)分析
相關(guān)分析（correlationanalysis）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中研究兩變量間關(guān)系的重要方法。它借助相關(guān)系數(shù)來衡量兩變量之間的關(guān)系是否存在、關(guān)系的強(qiáng)弱，以及相互影響的方向。其基本內(nèi)容包括：線性相關(guān)系數(shù)、秩相關(guān)系數(shù)、相關(guān)系數(shù)的檢驗(yàn)、典型相關(guān)分析等。
我們常?？梢越柚嚓P(guān)分析判斷研究者所感興趣的兩個(gè)醫(yī)學(xué)現(xiàn)象之間是否存在聯(lián)系。例如，采用秩相關(guān)分析我們發(fā)現(xiàn)某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關(guān)關(guān)系；采用線性相關(guān)方法發(fā)現(xiàn)中年女性體重與血壓之間具有非常密切的正相關(guān)關(guān)系等等。
生物信息學(xué)中可以利用相關(guān)分析建立基因調(diào)控網(wǎng)絡(luò)。如果將兩個(gè)不同的基因在不同實(shí)驗(yàn)條件下的表達(dá)看作是兩個(gè)變量，相關(guān)分析所研究的正是兩者之間的調(diào)控關(guān)系。如采用線性相關(guān)系數(shù)進(jìn)行兩基因關(guān)系的分析時(shí)，其大小反應(yīng)了基因調(diào)控關(guān)系的強(qiáng)弱，符號則反應(yīng)了兩基因是協(xié)同關(guān)系（相關(guān)系數(shù)為正），還是抑制關(guān)系（相關(guān)系數(shù)為負(fù)）。
四、意義
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文2
關(guān)鍵詞：醫(yī)學(xué)院校 統(tǒng)計(jì)學(xué)教學(xué)
統(tǒng)計(jì)學(xué)作為醫(yī)藥衛(wèi)生類學(xué)生的一門必修的基礎(chǔ)課程，針對不同的學(xué)生群體，教師應(yīng)當(dāng)采用不同的教學(xué)方法。醫(yī)學(xué)院校應(yīng)以實(shí)踐為主，強(qiáng)調(diào)學(xué)生學(xué)有所用，在分析醫(yī)學(xué)院校統(tǒng)計(jì)學(xué)教學(xué)的一些特點(diǎn)以及應(yīng)該采用的教學(xué)方法進(jìn)行實(shí)踐教學(xué)。
1. 教學(xué)用通俗簡潔的語言
醫(yī)學(xué)統(tǒng)計(jì)學(xué)是一門對醫(yī)學(xué)臨床實(shí)踐進(jìn)行調(diào)查、分析和研究，找出醫(yī)學(xué)科學(xué)發(fā)展規(guī)律，并在此基礎(chǔ)上做出預(yù)測或決策的學(xué)科。它作為醫(yī)藥衛(wèi)生類基礎(chǔ)課程之一，一直被學(xué)生認(rèn)為是枯燥而難學(xué)的課程。傳統(tǒng)的教學(xué)過于注重統(tǒng)計(jì)指標(biāo)的計(jì)算統(tǒng)計(jì)理論的演繹，使學(xué)生深陷繁復(fù)的計(jì)算中，對于如何運(yùn)用統(tǒng)計(jì)方法和統(tǒng)計(jì)工具解決實(shí)際問題則講得很少。教師在授課過程中一般都基于統(tǒng)計(jì)學(xué)基本概念的闡述和統(tǒng)計(jì)公式的推導(dǎo)，使用的語言都非常專業(yè)化、學(xué)術(shù)化。語言一定要簡潔、通俗，只有這樣才符合學(xué)生的實(shí)際情況，而且這種語言形式要貫穿講課的始終，不管是講授統(tǒng)計(jì)思想、統(tǒng)計(jì)概念還是講授統(tǒng)計(jì)公式，都可以把內(nèi)容具體化，刪繁就簡，挑選重點(diǎn)有代表性地著重講解，而沒有必要針對對每一個(gè)公式都推導(dǎo)演算，可以通過不斷地舉實(shí)例來說明統(tǒng)計(jì)概念的意義，能使學(xué)生活學(xué)活用。教師在上課過程中應(yīng)該多用些提問句、疑問句，引導(dǎo)學(xué)生發(fā)現(xiàn)問題、提出問題，培養(yǎng)學(xué)生提問問題的能力。教師還要和學(xué)生互動， 一起探討問題、解決問題，這樣可以激發(fā)學(xué)生的學(xué)習(xí)積極性，提高教學(xué)效率。所以教師在講課時(shí)要與學(xué)生熟知或?qū)W過的課程聯(lián)系，更加便于他們理解、掌握所學(xué)的統(tǒng)計(jì)學(xué)知識，并且能把所學(xué)過的知識融會貫通其學(xué)科之中。
2.案例教學(xué)
案例教學(xué)就是教師通過分析案例，激發(fā)學(xué)生參與討論、分析，讓學(xué)生從自己的親身體驗(yàn)中理解理論知識。
2.1準(zhǔn)備工作
要做好準(zhǔn)備工作，就是精心選擇適當(dāng)?shù)呐R床案例。所謂的適當(dāng)是指：一要和所講述的理論知識聯(lián)系密切；二要難度適中，但要有綜合性，不能只針對某個(gè)具體定義而編寫，因?yàn)榘咐菀拙蜎]有挑戰(zhàn)性，不深入討論就學(xué)不到東西，太難就會讓一部分學(xué)生知難而退，不參與討論；三是盡量選擇學(xué)生感興趣的題材，所選的案例必須是真實(shí)發(fā)生過的事件，而不能是一個(gè)虛構(gòu)的故事。
2.2課堂教學(xué)
要組織好案例教學(xué)的課堂教學(xué)。教師的角色需要發(fā)生變化，要從教師的角色轉(zhuǎn)化為一個(gè)普通學(xué)生，讓自己參與其中，充分調(diào)動學(xué)生的積極性、主動性和自覺性，放手讓學(xué)生自由討論。當(dāng)學(xué)生提出問題時(shí)，不要直接作答，而是引導(dǎo)學(xué)生互答問題和辯論，讓學(xué)生通過討論、分析，自覺地運(yùn)用所學(xué)的理論知識，自覺地歸納總結(jié)。
2.3課后總結(jié)
還要注意在案例課結(jié)束以后，要讓同學(xué)們寫總結(jié)，把課上所運(yùn)用的理論知識，在討論中領(lǐng)悟到的知識點(diǎn)，以及自己歸納總結(jié)的知識書面化，只有這樣才能達(dá)到好的教學(xué)效果。
3.多媒體教學(xué)
利用多媒體教學(xué)就可以把授課重點(diǎn)轉(zhuǎn)向過去傳統(tǒng)教學(xué)顧及不到但實(shí)際上更加重要的方面，即從過去主要針對統(tǒng)計(jì)學(xué)概念和方法的理解轉(zhuǎn)向使學(xué)生深入理解和掌握各種統(tǒng)計(jì)方法的實(shí)際應(yīng)用。
3.1多媒體技術(shù)教學(xué)使內(nèi)容形象生動
多媒體教學(xué)可以內(nèi)容變得生動、形象、具體。能使學(xué)生的注意力很快集中到課堂的教學(xué)目標(biāo)中去，并使學(xué)生的學(xué)習(xí)狀態(tài)由被動變?yōu)橹鲃?，使學(xué)生們在輕松愉悅的氛圍中學(xué)到知識。
3.2多媒體技術(shù)教學(xué)更能加深學(xué)生的記憶
由于多媒體教學(xué)具有聲色兼?zhèn)涞膬?yōu)勢，我們可以通過播放視頻，向?qū)W生講述各種臨床實(shí)踐及數(shù)據(jù)統(tǒng)計(jì)，這樣即加深了印象也做到了了解，比起枯燥的講解，多媒體更有助于學(xué)生記憶。
3.3多媒體技術(shù)教學(xué)提高課堂教學(xué)效率顯著
多媒體教學(xué)具有大容量的特點(diǎn)，通過圖片、視頻使學(xué)生在課堂有限的45分鐘內(nèi)，接觸到大量的知識，能夠打破教育的時(shí)空界限，拉近了學(xué)生與臨床實(shí)踐及數(shù)據(jù)統(tǒng)計(jì)之間的距離，即減輕了教師的勞動強(qiáng)度，又節(jié)省了教學(xué)時(shí)間，起到了事半功倍的效果。
3.4多媒體技術(shù)教學(xué)應(yīng)用
在教學(xué)實(shí)踐中，還可以選擇一些分析軟件，例如Excel辦公軟件。Excel 是《計(jì)算機(jī)文化基礎(chǔ)知識》中的一部分，醫(yī)學(xué)院校的課程普遍把《計(jì)算機(jī)文化基礎(chǔ)知識》這門課程安排在大一上學(xué)期， 而《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》這門專業(yè)基礎(chǔ)課則安排在大一下學(xué)期或大二開設(shè)。所以在學(xué)習(xí)《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》時(shí)，學(xué)生都已對Excel的使用比較熟悉，在具體授課時(shí)教師只需把其中的統(tǒng)計(jì)分析功能介紹給學(xué)生，再演示一些實(shí)例，學(xué)生一般很快就能掌握，另外，還可以通過讓學(xué)生操作來檢查教學(xué)效果。
4.實(shí)踐訓(xùn)練
教師還要充分利臨床實(shí)訓(xùn)基地，讓學(xué)生真正地接觸現(xiàn)實(shí)，了解所學(xué)的知識在實(shí)際工作中的運(yùn)用。還可以就具體問題，模擬問卷調(diào)查，從得到的調(diào)查數(shù)據(jù)里運(yùn)用統(tǒng)計(jì)知識、統(tǒng)計(jì)方法進(jìn)行分析，得出結(jié)論。例如：在教學(xué)過程中組織過學(xué)生就生活費(fèi)的花費(fèi)問題做過調(diào)查，在具體調(diào)查過程中考查學(xué)生都是用了哪些統(tǒng)計(jì)方法，效果很好。
參考文獻(xiàn)：
[1]張海燕.多媒體課堂教學(xué)設(shè)計(jì)探析[J].沈陽教育學(xué)院學(xué)報(bào)，2008，(6)：95-97.
[2]劉仿.談多媒體教學(xué)中的利與弊[J].河南水利與南水北調(diào)，2007，(8)：59.
[3]彭玲玲.多媒體在高校教學(xué)中應(yīng)用的利與弊[J].黑龍江教育,2006,(2):157-158.
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文3
1.1單因素方差分析(ANOVA)兩兩比較誤用獨(dú)立樣本t檢驗(yàn)單因素方差分析設(shè)計(jì)3組以上的均數(shù)比較,如果總體比較有差異,需進(jìn)行兩兩比較,一般用SNK法或LSD法。但部分研究者卻將資料進(jìn)行拆分,應(yīng)用獨(dú)立樣本t檢驗(yàn)進(jìn)行兩兩比較,導(dǎo)致第Ⅰ類統(tǒng)計(jì)學(xué)錯(cuò)誤發(fā)生率(假陽性率)增加,從而掉進(jìn)了一個(gè)常見的“統(tǒng)計(jì)陷阱”,使所得結(jié)論可信度大大降低甚至得出錯(cuò)誤結(jié)論。SNK法與LSD法雖然并非等價(jià),實(shí)質(zhì)是一致的。SNK法一般用于經(jīng)方差分析結(jié)果具有統(tǒng)計(jì)學(xué)意義時(shí)才決定進(jìn)行的兩兩事后比較,而LSD法可用于方差分析不足以具有統(tǒng)計(jì)學(xué)意義時(shí)也能進(jìn)行兩兩比較[1]。比較兩種方法在SPSS的輸出結(jié)果形式,SNK是“分堆”比較,一目了然,對于組別數(shù)較多的研究更為好用,但沒有具體P值,而LSD是在進(jìn)行“兩兩”比較時(shí),能給出具體的P值。
1.2兩兩比較時(shí)檢驗(yàn)水準(zhǔn)的重新調(diào)定χ2檢驗(yàn)或秩和檢驗(yàn)3組以上整體比較有差異時(shí),需應(yīng)用分割法進(jìn)行兩兩比較,這時(shí)檢驗(yàn)水準(zhǔn)應(yīng)由原0.05調(diào)定為0.0167,否則會增加第Ⅰ類統(tǒng)計(jì)學(xué)錯(cuò)誤的發(fā)生率。特別當(dāng)P值處于0.0167~0.05時(shí),按照P<0.0167的標(biāo)準(zhǔn),差異無統(tǒng)計(jì)學(xué)意義,而按照P<0.05的標(biāo)準(zhǔn),卻有意義,與事實(shí)相悖,出現(xiàn)假陽性,很容易得出錯(cuò)誤結(jié)論。這種分割法有時(shí)很保守,當(dāng)行列表資料分組多且為有序時(shí)可用Mantel-Haenszel卡方檢驗(yàn),也稱線性趨勢檢驗(yàn)(testforlineartrend)或定序檢驗(yàn)(Linear-by-Lineartest)[2]。統(tǒng)計(jì)路徑:用SPSS進(jìn)行計(jì)數(shù)資料的趨勢檢驗(yàn),在輸出結(jié)果中讀取線性關(guān)聯(lián)檢驗(yàn)統(tǒng)計(jì)量(Linear-by-LinearAssociation,LLA),如P<0.05可得出隨著病種級別的升高,檢測指標(biāo)逐漸升高的趨勢。
1.3臨床診斷試驗(yàn)中的統(tǒng)計(jì)學(xué)方法應(yīng)用在臨床診斷試驗(yàn)研究中,經(jīng)常選取單項(xiàng)計(jì)量指標(biāo)或者聯(lián)合計(jì)量指標(biāo)以診斷某種疾病,若僅用初級統(tǒng)計(jì)學(xué)方法如t檢驗(yàn)、單因素方差分析等往往不能有效挖掘信息,此時(shí)應(yīng)采用受試者工作特征曲線(ROC)對檢測結(jié)果進(jìn)行分析評價(jià)。ROC曲線分析基本原理是通過診斷界點(diǎn)的移動[3],獲得多對靈敏度和誤診率(1-特異度),以靈敏度為縱軸、誤診率為橫軸,連接各點(diǎn)繪制曲線,然后計(jì)算曲線下的面積,面積越大診斷價(jià)值越高。ROC曲線很直觀,能根據(jù)敏感性與特異性之和最大化原則自動產(chǎn)生最有效的診斷臨界點(diǎn)。具體路徑可以參考相關(guān)統(tǒng)計(jì)專著[3]。統(tǒng)計(jì)學(xué)處理一般描述為:采用SPSS(版次)統(tǒng)計(jì)軟件分析數(shù)據(jù),對單項(xiàng)及聯(lián)合檢測結(jié)果作圖繪成ROC曲線,計(jì)算曲線下面積(AUC)和標(biāo)準(zhǔn)誤,其中聯(lián)合檢測結(jié)果變量即預(yù)測概率由Logistic回歸產(chǎn)生(也可以用判別分析得出)。計(jì)量資料應(yīng)用-x±s表示,運(yùn)用獨(dú)立樣本t檢驗(yàn)及單因素方差分析,兩兩比較采用SNK及LSD法,計(jì)數(shù)資料采用χ2檢驗(yàn)。檢驗(yàn)水準(zhǔn)為0.05。具體內(nèi)容可據(jù)情而定。
1.4重復(fù)測量資料的方差分析誤用拆分文件的t檢驗(yàn)或方差分析如研究共設(shè)3組,每位患者在3個(gè)時(shí)間點(diǎn)均查某項(xiàng)血指標(biāo),部分作者在處理此類數(shù)據(jù)時(shí),常誤將縱向(同一時(shí)間點(diǎn)3組的比較)與橫向(同組3個(gè)時(shí)間點(diǎn)的比較)數(shù)據(jù)均應(yīng)用拆分文件的t檢驗(yàn)或單因素方差分析來處理,結(jié)果導(dǎo)致統(tǒng)計(jì)學(xué)第Ⅰ類錯(cuò)誤發(fā)生。此組數(shù)據(jù)實(shí)質(zhì)是重復(fù)測量資料,應(yīng)采用重復(fù)測量資料的方差分析。SPSS中的統(tǒng)計(jì)路徑:數(shù)據(jù)-分析-一般線性模型-重復(fù)度量。研究者可以參考相關(guān)書籍進(jìn)行處理[3]。
1.52×2析因設(shè)計(jì)及析因方差分析實(shí)驗(yàn)是2×2析因設(shè)計(jì)時(shí),分組有兩個(gè)因素,A與B,故分組為A、B、O、A+B,這個(gè)設(shè)計(jì)在析因設(shè)計(jì)研究中很常用,但常會出現(xiàn)分組設(shè)計(jì)正確,卻沒有用析因設(shè)計(jì)方差分析。析因設(shè)計(jì)與單因素方差分析不同[4],它不但能分析治療效果中處理因素的單獨(dú)效應(yīng)和主效應(yīng),還能分析因素間的交互效應(yīng),并能提高檢驗(yàn)效能。非統(tǒng)計(jì)專業(yè)的研究者進(jìn)行析因分析可能稍有難度,可參考相關(guān)統(tǒng)計(jì)學(xué)書籍提供的統(tǒng)計(jì)步驟進(jìn)行此類分析[3]。
1.6Meta分析Meta分析是循證醫(yī)學(xué)系統(tǒng)評價(jià)常用的方法[5],應(yīng)用時(shí)需注意統(tǒng)計(jì)學(xué)處理中計(jì)數(shù)資料采用比值比(OR)作為效應(yīng)變量。具體路徑:先進(jìn)行異質(zhì)性檢驗(yàn),當(dāng)P>0.05時(shí),認(rèn)為同質(zhì),選擇固定模型;P≤0.05時(shí),不同質(zhì),此時(shí)可采用敏感性分析或分層分析等異質(zhì)性處理,使之達(dá)到同質(zhì)后再選擇固定模型;若采用異質(zhì)性處理仍未達(dá)到同質(zhì),則采用隨機(jī)模型,以上統(tǒng)計(jì)路徑均需交代清楚。Meta分析的結(jié)果是以“森林樹”體現(xiàn)的,審校中我們經(jīng)常遇到作者繪制的“森林樹”左上角“文獻(xiàn)、對比、結(jié)果名稱”等內(nèi)容顯示為“?”,這是由于部分版本的RevMan軟件不能輸入中文,此時(shí)可以考慮省去,或用Photo-shop軟件添加相應(yīng)中文。Meta分析作為一種高級統(tǒng)計(jì)方法,專業(yè)性要求較高,作者可參考循證醫(yī)學(xué)類權(quán)威雜志上的文章格式,如《中國循證醫(yī)學(xué)雜志》中“論著•二次研究”欄目的循證文章。
2科技論文中統(tǒng)計(jì)學(xué)處理的相關(guān)表述
2.1資料與方法中具體統(tǒng)計(jì)路徑的描述“統(tǒng)計(jì)學(xué)處理”的內(nèi)容常位于論文資料與方法的最后一段,一般來說包括統(tǒng)計(jì)軟件名稱及版次、統(tǒng)計(jì)描述、統(tǒng)計(jì)方法、檢驗(yàn)標(biāo)準(zhǔn)等內(nèi)容,亦可細(xì)致交待每個(gè)表格的具體統(tǒng)計(jì)方法。經(jīng)典例子如下,“統(tǒng)計(jì)學(xué)處理:采用SPSS(版次)統(tǒng)計(jì)軟件分析數(shù)據(jù)。計(jì)量資料用均數(shù)±標(biāo)準(zhǔn)差表示,采用單因素方差分析,兩兩比較采用SNK法及LSD法。檢驗(yàn)水準(zhǔn)為0.05”。上述內(nèi)容包括了大致的統(tǒng)計(jì)方法,即具體的統(tǒng)計(jì)路徑。此部分內(nèi)容,沒有絕對統(tǒng)一的規(guī)定[6]。常見的問題有:統(tǒng)計(jì)學(xué)方法描述不全、內(nèi)容過于簡單、存在粘貼抄寫痕跡等。如部分論文的統(tǒng)計(jì)學(xué)處理中提及“以α=0.05為檢驗(yàn)水準(zhǔn),P<0.05為差異有統(tǒng)計(jì)學(xué)意義”這句話,這在統(tǒng)計(jì)學(xué)上實(shí)質(zhì)是一個(gè)重復(fù)句,保留其一即可。
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文4
一、樣本與總體
前面已提及，醫(yī)學(xué)研究中實(shí)際觀測或調(diào)查的一部分個(gè)體稱為樣本，研究對象的全部稱為總體。如作水質(zhì)檢驗(yàn)時(shí)從井水或河水中采的水樣，臨床化驗(yàn)中從病人身上采的血液或其它活體組織標(biāo)本，是樣本；而整個(gè)一口井或一條河的某一段所有的水，某病人全身所有的血液或某個(gè)組織器官，則是總體。這類總體是具體存在的，但另有些總體卻是假想的，只是理論上存在的一個(gè)范圍。例如試驗(yàn)?zāi)骋恢委熈鞲行滤幍寞熜?，最初接受治療的一批流感患者，不論?shù)量多少，都只是一個(gè)樣本。若該藥療效得到肯定，從而加以推廣，那么此后凡在相同條件下接受該藥治療的所有流感患者，都屬于這個(gè)總體。可是當(dāng)初試用時(shí)，這個(gè)總體還并不存在，是假想的。
總體包含的觀察單位通常是大量的甚至是無限的，在實(shí)際工作中，一般不可能或不必要對每個(gè)觀察單位逐一進(jìn)行研究。我們只能從中抽取一部分觀察單位加以實(shí)際觀察或調(diào)查研究，根據(jù)對這一部分觀察單位的觀察研究結(jié)果，再去推論和估計(jì)總體情況。如上述某新藥治療流感例子，試驗(yàn)治療的只是少數(shù)有限的病人，而結(jié)論卻要推廣到全體，得出一個(gè)該藥對所有流感患者之療效的規(guī)律性的認(rèn)識。所以說，觀察樣本的目的在于推論總體，這就是樣本與總體的辯證關(guān)系。
為了使樣本能夠正確反映總體情況，對總體要有明確的規(guī)定；總體內(nèi)所有觀察單位必須是同質(zhì)的；在抽取樣本的過程中，必須遵守隨機(jī)化原則；樣本的觀察單位還要有足夠的數(shù)量。
二、概率
又稱機(jī)率，是用以描述某事件發(fā)生的可能性大小的一個(gè)數(shù)值。
在自然界和人類社會中，存在著兩類不同的現(xiàn)象：①在一定條件下，肯定發(fā)生的事件叫做必然事件，肯定不發(fā)生的事件叫做不可能事件。如在適當(dāng)溫度濕度下經(jīng)一定時(shí)間孵化，正常受精雞蛋必然會孵出小雞來，而石頭是不可能孵出小雞來的。必然事件與不可能事件雖然形式相反，但兩者在發(fā)生某種結(jié)果與否都是確定的，故統(tǒng)稱確定性現(xiàn)象。②在基本條件不變的情況下，可能發(fā)生的結(jié)果有多種，究竟發(fā)生哪種結(jié)果，事先不能肯定，這類現(xiàn)象叫做隨機(jī)現(xiàn)象。隨機(jī)現(xiàn)象的表現(xiàn)結(jié)果稱為隨機(jī)事件。如任意拋擲一枚硬幣，可能徽花向上也可能幣值向上，拋擲前不能肯定，這是一個(gè)隨機(jī)現(xiàn)象，而結(jié)果出現(xiàn)“徵花向上”則是一個(gè)隨機(jī)事件。
（一）古典概率 是最簡單的隨機(jī)現(xiàn)象的概率計(jì)算。這類隨機(jī)現(xiàn)象具有兩個(gè)特征：①在觀察或試驗(yàn)中它的全部可能結(jié)果只有有限個(gè)，譬如為n個(gè)，記為E1，E2，…，En，而且這些事件是兩兩互不相容的，即任何兩個(gè)事件不能同時(shí)發(fā)生；②事件E1，E2，…，En的發(fā)生或出現(xiàn)是等可能的，即它們發(fā)生的概率都一樣。古典概率的大部分問題都能形象地用摸球模型來描述。有利于直觀地理解概率論的許多基本概念；而且它有著多方面的重要應(yīng)用，例如工業(yè)產(chǎn)品的抽樣檢查等。
（二）統(tǒng)計(jì)概率 上述“事件”是指不能再進(jìn)行分解或不能由其它事件構(gòu)成的基本事件。在實(shí)際工作中，基本事件的發(fā)生并不總是等可能的，而且有時(shí)為無窮多個(gè)。這樣就有必要把古典概率的定義加以推廣，從事后經(jīng)驗(yàn)的角度來理解概率的意義。實(shí)踐證明，雖然個(gè)別隨機(jī)事件在某次試驗(yàn)或觀察中可以出現(xiàn)也可以不出現(xiàn)，但在大量重復(fù)試驗(yàn)中它卻呈現(xiàn)出明顯的規(guī)律性。假設(shè)在相同條件下，獨(dú)立地重復(fù)做n次試驗(yàn)，某隨機(jī)事件A在n次試驗(yàn)中出現(xiàn)了m次，則比值m/n稱為隨機(jī)事件A在n次試驗(yàn)中出現(xiàn)的頻率。當(dāng)試驗(yàn)重復(fù)很多次時(shí)，隨機(jī)事件A的頻率m/n就會在某個(gè)固定的常數(shù)P附近擺動，而且n愈大擺動的幅度愈小。這種規(guī)律性稱之為統(tǒng)計(jì)規(guī)律性。頻率的穩(wěn)定性說明隨機(jī)事件發(fā)生的可能性大小是隨機(jī)事件本身固有的、不隨人們意志為轉(zhuǎn)移的客觀屬性，所以在醫(yī)學(xué)科研中，當(dāng)n充分大時(shí)，就以頻率作為概率的近似值，記住P(A)即
由此可見，頻率是就樣本而言的，而概率總是從總體的意義上說的。這樣，概率就為預(yù)計(jì)某一事件發(fā)生的可能性大小，提供了衡量的尺度。
例如：某病患者40名，用某療法治療后，其中35人痊愈，治愈者占治療人數(shù)的35/40，這是頻率。因?yàn)閿?shù)量少，這個(gè)頻率可能波動較大。假如經(jīng)過長期的大量觀察，比如數(shù)百、數(shù)千例，得到治愈率為70％，我們就可以說，該療法治愈某病的概率近似值為70％。
又如：某院婦產(chǎn)科在一個(gè)月內(nèi)出生嬰兒30名，其中男嬰18名，占新生兒數(shù)的18/30，這叫頻率。大量統(tǒng)計(jì)表明，人口中男女的比例基本上是1:1。這是個(gè)較穩(wěn)定的常數(shù)，即概率的近似值。于是，在嬰兒分娩前，我們就可用它作為尺度，預(yù)計(jì)是男的概率為1/2(0.5或50％)，是女的概率也為1/2(0.5或50％)。
通過以上討論，可以知道：如果某事件是必然事件，則有m=n，所以必然事件的概率等于1；如果某事件是不可能事件，則有m=0，所以不可能事件的概率等于0；如果某事件是隨機(jī)事件，則有0
三、隨機(jī)變量
簡單地說，是指隨機(jī)事件的數(shù)量表現(xiàn)。例如一批注入某種毒物的動物，在一定時(shí)間內(nèi)死亡的只數(shù)；某地若干名男性健康成人中，每人血紅蛋白量的測定值；等等。另有一些現(xiàn)象并不直接表現(xiàn)為數(shù)量，例如人口的男女性別、試驗(yàn)結(jié)果的陽性或陰性等，但我們可以規(guī)定男性為1，女性為0，則非數(shù)量標(biāo)志也可以用數(shù)量來表示。這些例子中所提到的量，盡管它們的具體內(nèi)容是各式各樣的，但從數(shù)學(xué)觀點(diǎn)來看，它們表現(xiàn)了同一種情況，這就是每個(gè)變量都可以隨機(jī)地取得不同的數(shù)值，而在進(jìn)行試驗(yàn)或測量之前，我們要預(yù)言這個(gè)變量將取得某個(gè)確定的數(shù)值是不可能的。
按照隨機(jī)變量可能取得的值，可以把它們分為兩種基本類型：①離散型隨機(jī)變量，即在一定區(qū)間內(nèi)變量取值為有限個(gè)，或數(shù)值可以一一列舉出來。例如某地區(qū)某年人口的出生數(shù)、死亡數(shù)，某藥治療某病病人的有效數(shù)、無效數(shù)等。②連續(xù)型隨機(jī)變量，即在一定區(qū)間內(nèi)變量取值有無限人’或數(shù)值無法一一列舉出來。例如某地區(qū)男性健康成人的身長值、體重值，一批傳染性肝炎患者的血清轉(zhuǎn)氨酶測定值等。
四、誤差
誤差是指實(shí)際觀察值與客觀真值之差、樣本指標(biāo)與總體指標(biāo)之差。誤差可分為系統(tǒng)誤差和隨機(jī)誤差。
（一）系統(tǒng)誤差 在實(shí)際觀測過程中，由于儀器未校正、測量者感官的某種障礙、醫(yī)生掌握療效標(biāo)準(zhǔn)偏高或偏低等原因，使觀察值不是分散在真值兩側(cè)，而是有方向性、系統(tǒng)性或周期性地偏離真值。這類誤差可以通過實(shí)驗(yàn)設(shè)計(jì)和技術(shù)措施來消除或使之減弱，但不能靠概率統(tǒng)計(jì)辦法來消除或減弱。
（二）隨機(jī)誤差 或稱偶然誤差，是指排除了系統(tǒng)誤差后尚存的誤差。它受多種因素的影響，使觀察值不按方向性和系統(tǒng)性而隨機(jī)地變化。隨機(jī)誤差服從正態(tài)分布，可以用概率統(tǒng)計(jì)方法處理。
在隨機(jī)誤差中，最重要的是抽樣誤差。我們從同一總體中隨機(jī)抽取若干個(gè)大小相同的樣本，各樣本平均數(shù)（或率）之間會有所不同。這些樣本間的差異，同時(shí)反映了樣本與總體間的差異。它是由于從總體中抽取樣本才出現(xiàn)的誤差，統(tǒng)計(jì)上稱為抽樣誤差（或抽樣波動）。抽樣誤差在醫(yī)學(xué)生物實(shí)驗(yàn)中最主要的來源是個(gè)體的變異。所以這是一種難以控制的、不可避免的誤差。但抽樣誤差是有一定規(guī)律的。研究和運(yùn)用抽樣誤差的規(guī)律’是根據(jù)樣本估計(jì)總體時(shí)所必須領(lǐng)會的基本概念之一，也是醫(yī)學(xué)統(tǒng)計(jì)學(xué)的重要內(nèi)容之一。
隨機(jī)誤差中還包括重復(fù)誤差。它是由于對同一受試對象或檢樣采用同一方法重復(fù)測定時(shí)所出現(xiàn)的誤差。如用天平稱同一個(gè)燒杯的重量，重復(fù)測定多次，其結(jié)果會有某些波動?？刂浦貜?fù)誤差的手段主要是改進(jìn)測定方法，提高操作者的熟練程度。重復(fù)是摸清實(shí)驗(yàn)誤差大小的手段，以便分析和減少實(shí)驗(yàn)誤差。
五、假設(shè)檢驗(yàn)
亦稱顯著性檢驗(yàn)，其基本原理是先對總體的特征作出某種假設(shè)，然后通過抽樣研究的統(tǒng)計(jì)推理，對此假設(shè)應(yīng)該被拒絕還是接受作出推斷。
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文5
1資料與方法
1.1一般資料在學(xué)期開始前，由學(xué)校教務(wù)處通過“本科教務(wù)系統(tǒng)”把各個(gè)班的教學(xué)任務(wù)分配給任課老師(本課題的研究者之一)，研究者在被分配到的班上開展調(diào)查研究。因此，理論上各個(gè)班級均有相同的概率納入本研究。本研究樣本為2013級臨床專業(yè)某班醫(yī)學(xué)生，共86名學(xué)生，其中男46名，女40名。
1.2教學(xué)方式改進(jìn)方法本研究所采用的教學(xué)方法與學(xué)生課程成績考核制度相關(guān)聯(lián)，以增加學(xué)生配合新教學(xué)方法的積極性。課程成績考核辦法為：平時(shí)成績與期末考試成績各占50%。其中，平時(shí)成績包括：完成作業(yè)的認(rèn)真程度(40%)+主動分享(10%)+參與“翻轉(zhuǎn)課堂”實(shí)踐(50%)。完成作業(yè)的認(rèn)真程度中包含有對預(yù)習(xí)任務(wù)的考查，主動分享則包括了課堂主動發(fā)言及課程中心論壇參與。
1.2.1改革考核方式，培養(yǎng)學(xué)生主動預(yù)習(xí)與思考的習(xí)慣本研究通過在學(xué)生課后作業(yè)中加入預(yù)習(xí)內(nèi)容來促進(jìn)學(xué)生養(yǎng)成預(yù)習(xí)的習(xí)慣。對學(xué)生完成作業(yè)認(rèn)真程度的考查包含有對預(yù)習(xí)作業(yè)完成情況的考查，此部分成績占平時(shí)成績的40%。通過增加預(yù)習(xí)作業(yè)占期末成績的比重來激勵學(xué)生預(yù)習(xí)，從而培養(yǎng)學(xué)生養(yǎng)成課前預(yù)習(xí)與思考的習(xí)慣。為了使該方法能夠得以實(shí)際應(yīng)用，本研究在課程開始時(shí)便與學(xué)生溝通成績考核方式，強(qiáng)調(diào)了預(yù)習(xí)工作的重要性，并且設(shè)計(jì)了符合學(xué)生學(xué)習(xí)能力的預(yù)習(xí)作業(yè)。
1.2.2改進(jìn)教學(xué)方法，培養(yǎng)學(xué)生抽象思維與科研思維能力本研究創(chuàng)新性地應(yīng)用了PBL學(xué)習(xí)法[1-2]，即“以問題為導(dǎo)向的學(xué)習(xí)方法”來鼓勵學(xué)生參與課堂學(xué)習(xí)。在引導(dǎo)學(xué)生學(xué)習(xí)的過程中，以問題為載體，鼓勵學(xué)生以單獨(dú)或小組合作的形式去探究和解決問題，在這個(gè)過程中，學(xué)生們步步深入，逐步發(fā)掘問題背后所隱含的信息，從而獲得知識，其科學(xué)思維方式也得到鍛煉。
在開展PBL教學(xué)法時(shí)利用了“四川大學(xué)課程中心”醫(yī)學(xué)統(tǒng)計(jì)學(xué)論壇，鼓勵同學(xué)們在論壇上提問并勇于提出個(gè)人見解供大家探討。另外，同學(xué)們也可以在論壇里跟帖討論。該論壇建立后，同學(xué)們將課后產(chǎn)生的問題以發(fā)帖的形式在論壇進(jìn)行提問，大家紛紛在復(fù)習(xí)課程內(nèi)容、查閱相關(guān)資料后在論壇進(jìn)行相互討論。從論壇訪問量可看出該方法初有成效，同學(xué)們對該方法參與度較高。例如：
動物疫病監(jiān)測主要是在指定時(shí)間內(nèi)，對動物疫病的發(fā)生、流行以及分布等因素進(jìn)行調(diào)查。同時(shí)，對所采集的樣本采用國家規(guī)定的標(biāo)準(zhǔn)方法進(jìn)行疫病的診斷，使我國動物防疫人員能了解該疫病的發(fā)生、流行趨勢以及變化規(guī)律。當(dāng)防疫人員了解這些信息資料后，就能提出相應(yīng)的解決對策。在動物疫病防控工作中，動物疫病監(jiān)測極其關(guān)鍵，只有相關(guān)部門切實(shí)提高動物疫病的監(jiān)測水平，才能為后期的疫病防治工作打下基礎(chǔ)。
同學(xué)乙回答：“我個(gè)人覺得系統(tǒng)誤差能不能被消除不是一個(gè)絕對的概念，我們可以通過很多手段來降低系統(tǒng)誤差，當(dāng)系統(tǒng)誤差被降到極小極小時(shí)可以認(rèn)為系統(tǒng)誤差已被消除。類似于9≈1這種情況。”
同學(xué)丙回答：“系統(tǒng)誤差不能完全避免?！?/p>
在同學(xué)們針對問題進(jìn)行復(fù)習(xí)、查閱資料后，老師在論壇為大家做出了解答
1.2.3實(shí)施翻轉(zhuǎn)課堂，提高學(xué)生團(tuán)隊(duì)協(xié)作能力與解決實(shí)際問題的能力本研究通過設(shè)計(jì)“翻轉(zhuǎn)課堂”課程實(shí)踐[3]，其目的一方面為提高學(xué)生團(tuán)隊(duì)協(xié)作能力，另一方面為培養(yǎng)學(xué)生統(tǒng)計(jì)思維和科研能力，同時(shí)也以科研課題為導(dǎo)向，引導(dǎo)同學(xué)們更深入地理解統(tǒng)計(jì)學(xué)知識，提高學(xué)習(xí)的積極性，改善學(xué)習(xí)態(tài)度。該實(shí)踐提供3個(gè)板塊的課題：“教學(xué)相長”、“牛刀初試”和“腦洞大開”，分別側(cè)重于知識理解、知識運(yùn)用和創(chuàng)新能力。在學(xué)期開始時(shí)將全班同學(xué)分成若干組，每組同學(xué)可根據(jù)自己的興趣愛好和學(xué)習(xí)情況確定一個(gè)研究課題，并指定一位課外專家作為顧問，根據(jù)課外專家指導(dǎo)開展研究。每周的理論課和實(shí)習(xí)課結(jié)束后，由授課老師和助教回答學(xué)生的問題并作指導(dǎo)。每組同學(xué)分別在課程中期及結(jié)束時(shí)進(jìn)行課題的中期匯報(bào)和結(jié)題報(bào)告，展示研究成果。
例如：某一小組以“成都市噪音污染與心血管疾病相關(guān)性究方案設(shè)計(jì)”為題，以某專家為顧問進(jìn)行翻轉(zhuǎn)課堂課程實(shí)踐，在文獻(xiàn)閱讀、研究目的和內(nèi)容的確定等研究過程后，在指導(dǎo)老師指導(dǎo)下設(shè)計(jì)了成都市社區(qū)噪音與心血管患病率相關(guān)性的調(diào)查表，完成了方案設(shè)計(jì)。通過參與此次課程實(shí)踐，學(xué)生在結(jié)題報(bào)告中得出總結(jié)“本課題范圍大，要求嚴(yán)，難度高。從這次的方案設(shè)計(jì)過程中，我們認(rèn)識到團(tuán)體協(xié)作和交流的重要性，團(tuán)體內(nèi)分工明確，與其他團(tuán)隊(duì)共同交流學(xué)習(xí)，能夠更有效率地完成工作。另外，對橫斷面研究的過程和思路有了一個(gè)更為明確的了解，這為我們將來進(jìn)行其他的臨床研究打下了基礎(chǔ)。最重要的是，從本次的方案設(shè)計(jì)中，我們對于統(tǒng)計(jì)學(xué)和流行病學(xué)的知識有了更為深刻的理解，能夠初步將所學(xué)到的書本知識應(yīng)用于科學(xué)研究，如設(shè)計(jì)科學(xué)合理的問卷并能進(jìn)行統(tǒng)計(jì)分析、推斷。”由此可見通過開展“翻轉(zhuǎn)課堂”課程實(shí)踐，學(xué)生不僅意識到團(tuán)隊(duì)協(xié)作能力的重要性，也在實(shí)踐過程中鍛煉了團(tuán)隊(duì)協(xié)作能力；另一方面，學(xué)生在統(tǒng)計(jì)思維和科研能力方面均有所進(jìn)步。
1.3教學(xué)方式效果評估方法
1.3.1問卷調(diào)查法本研究在借鑒已開發(fā)的學(xué)習(xí)效果評價(jià)量表[4]的基礎(chǔ)上改進(jìn)設(shè)計(jì)了學(xué)生自評調(diào)查量表，在課程開始前和課程結(jié)束時(shí)分別對學(xué)習(xí)《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》的學(xué)生開展問卷調(diào)查，對學(xué)習(xí)態(tài)度、學(xué)習(xí)能力、知識掌握情況、合作技能4個(gè)維度做出評估。經(jīng)信效度檢驗(yàn)[5]，問卷的Cronbach′sα為0.896，表明內(nèi)部一致性較好。
1.3.2學(xué)習(xí)效果客觀評價(jià)主要指標(biāo)包括4個(gè)方面，分別是(1)網(wǎng)絡(luò)課程中心的使用情況：課程中心的登陸人次數(shù)、附件的下載量和發(fā)帖留言量；(2)“翻轉(zhuǎn)課堂”9個(gè)科研小組課題完成情況；(3)學(xué)期前、后行學(xué)生自評調(diào)查量表調(diào)查；(4)開放題關(guān)鍵詞分析結(jié)果。
1.4統(tǒng)計(jì)學(xué)處理采用SPSS20.0軟件分析數(shù)據(jù)，計(jì)量資料用width=38，height=17，dpi=110表示，比較采用t檢驗(yàn)，計(jì)數(shù)資料用頻數(shù)表示，以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。
2結(jié)果
2.1課程參與情況在課堂討論過程中，大部分學(xué)生都積極主動地參與討論，思維活躍，邏輯清晰。在網(wǎng)絡(luò)課程中心使用方面，課程中心的登陸人次數(shù)共計(jì)1896次、表1為互動欄目中的論壇版塊的部分內(nèi)容。
2.2“翻轉(zhuǎn)課堂”完成情況學(xué)生積極參與實(shí)踐，每個(gè)小組都在課程結(jié)束時(shí)完成了科研內(nèi)容，在期末結(jié)題匯報(bào)時(shí)順利展示了一個(gè)學(xué)期的科研成果，并撰寫了結(jié)題報(bào)告。
2.3學(xué)生自評調(diào)查量表調(diào)查結(jié)果
表1課程中心論壇部分帖子展示
width=733，height=176，dpi=110
2.3.1學(xué)期前、后學(xué)生自評調(diào)查量表各維度自評分比較學(xué)期前、后兩次調(diào)查結(jié)果比較分析顯示，課程結(jié)束時(shí)學(xué)習(xí)態(tài)度、學(xué)習(xí)能力、知識掌握情況及合作技能4個(gè)維度的自評分平均值較課程開始時(shí)有所提高，差異有統(tǒng)計(jì)學(xué)意義(P<0.05，P<0.01)。見表2。
表2課程前后自評量表各維度得分比較width=41，height=17，dpi=110分)
width=369，height=129，dpi=110
2.3.2開放題關(guān)鍵詞分析結(jié)果為了對教學(xué)方式的改進(jìn)效果做更深入的分析，學(xué)生自評調(diào)查量表采用了定性與定量相結(jié)合方式，將問卷第5題設(shè)計(jì)為開放問題，問題如下：“你覺得今后的教學(xué)應(yīng)該如何改進(jìn)？”。對86份問卷整理后，對關(guān)鍵詞提取并做了頻次的統(tǒng)計(jì)，見圖1。從圖1可以看到，超過50%的同學(xué)對《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》教學(xué)方式改進(jìn)的感受較好，并認(rèn)為課程安排能夠有效調(diào)動學(xué)習(xí)的積極性。另外，對此次教學(xué)改革的意見和建議中，反饋頻次較多的有以下幾點(diǎn)：“增加上機(jī)操作”“增加習(xí)題的講解”“作業(yè)中增加SPSS讀圖題”“課堂中增加隨機(jī)抽講”，以及“進(jìn)一步改進(jìn)翻轉(zhuǎn)課堂”等。
width=324，height=220，dpi=110
圖1開放題關(guān)鍵詞頻數(shù)分析
3討論
本研究顯示，在教學(xué)方式改進(jìn)之后，學(xué)生在學(xué)習(xí)態(tài)度、學(xué)習(xí)能力、知識掌握情況、合作技能4個(gè)維度均有所改善，表明本研究所做的教學(xué)方式的改進(jìn)和探討，有效改善了教學(xué)效果，提高了學(xué)生學(xué)習(xí)興趣，學(xué)習(xí)態(tài)度與團(tuán)隊(duì)協(xié)作能力，更重要的是培養(yǎng)了學(xué)生的科學(xué)思維方式。
3.1改善了學(xué)生的學(xué)習(xí)態(tài)度在學(xué)期開始前的調(diào)查中，醫(yī)學(xué)生對于學(xué)習(xí)態(tài)度部分的自評分是4個(gè)維度中最低的。對此，一方面，本研究采用在作業(yè)中加入下一次課程內(nèi)容、增加平時(shí)成績占比的方法。課程開始前、課程結(jié)束后學(xué)習(xí)態(tài)度的自評分差異有統(tǒng)計(jì)學(xué)意義(P<0.05)，可以認(rèn)為此項(xiàng)方法在提高學(xué)生課堂積極性，改善學(xué)生學(xué)習(xí)態(tài)度方面是有效的。另一方面，從作業(yè)完成質(zhì)量(作業(yè)上交的及時(shí)率、每次作業(yè)的成績)上可以看出，課前預(yù)習(xí)可以加深同學(xué)對知識的掌握程度，在一定程度上解決了《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》“學(xué)生學(xué)習(xí)累”的問題。本研究采用PBL教學(xué)模式，鼓勵學(xué)生參與課堂內(nèi)容。在這個(gè)過程中，學(xué)生們步步深入，逐步發(fā)掘問題背后所隱含的信息，從而獲得知識。從課程中心的訪問量可以充分表明此模式的應(yīng)用調(diào)動了學(xué)生積極性、激發(fā)了同學(xué)的探索欲、做到了讓學(xué)生學(xué)以致用。
醫(yī)學(xué)統(tǒng)計(jì)學(xué)范文6
關(guān)鍵詞：大數(shù)據(jù);醫(yī)學(xué)統(tǒng)計(jì)學(xué);教學(xué)
Suggestions on Medicostatistics Teaching in the Age of Biomedical Big Data
Li Shenghui Xu Zhiwei Zheng Zhijie
（School of Public Health affiliated with Shanghai Jiaotong University，Shanghai 200027，China）
Abstract：With the development of electronization， informatization， digitalization， and intelligentization in residents’ health records management system， along with the increasing accumulation of biomedical research data， a large amount of biomedical data （Big data） has been and will be generated. Consequently， there is an increasing need to better understand and mine the data to further knowledge on health management stratege and health policy making. This article discusses the challenges of big data on statistical theory and methods， furthermore， attempts to give some suggestions on how to adjust medicostatistics teaching strategy in the age of biomedical big data.
Key words：big data;medicostatistics;teaching
所謂大數(shù)據(jù)（Big Data），是指具有4V特征且用目前的管理、處理技術(shù)手段難以進(jìn)行有效管理和分析的數(shù)據(jù)。4V的含義是數(shù)據(jù)量大（Volume Big），數(shù)據(jù)量級擴(kuò)大至PB以及ZB級別;數(shù)據(jù)產(chǎn)生、輸入和處理快速化（Velocity Fast）;數(shù)據(jù)結(jié)構(gòu)和類型多樣化（Variable Type）及數(shù)據(jù)價(jià)值密度低（Value LowDensity）。大數(shù)據(jù)的目的是將數(shù)據(jù)轉(zhuǎn)化為知識，探索數(shù)據(jù)的產(chǎn)生機(jī)制和過程，進(jìn)行預(yù)測和政策制定。隨著醫(yī)學(xué)健康檔案“電子化、信息化、數(shù)字化、智能化”的管理，隨著物聯(lián)網(wǎng)在醫(yī)學(xué)健康領(lǐng)域的應(yīng)用，醫(yī)療、護(hù)理、康復(fù)、保健工作流程中產(chǎn)生的數(shù)據(jù)存儲量呈指數(shù)增長。如何有效地利用這些海量信息為健康管理、臨床治療、醫(yī)院決策及衛(wèi)生政策制定提供支持，是大數(shù)據(jù)時(shí)代醫(yī)學(xué)信息化帶來的挑戰(zhàn)。美國國家衛(wèi)生研究院（NIH）為此特設(shè)立生物醫(yī)學(xué)大數(shù)據(jù)研究中心及專項(xiàng)基金。在我國，科技部、國家自然科學(xué)基金委、國家社會科學(xué)基金委陸續(xù)醞釀和啟動了“大數(shù)據(jù)的處理與應(yīng)用”系列重大研究項(xiàng)目。
統(tǒng)計(jì)是一門數(shù)據(jù)科學(xué)，醫(yī)學(xué)統(tǒng)計(jì)學(xué)是關(guān)于醫(yī)學(xué)健康數(shù)據(jù)的收集、整理、分析和解釋的方法論學(xué)科。“大數(shù)據(jù)”處理對統(tǒng)計(jì)學(xué)的發(fā)展提出了新的命題，如何將“醫(yī)學(xué)信息大數(shù)據(jù)”處理技術(shù)融入相關(guān)統(tǒng)計(jì)學(xué)課程教學(xué)以促進(jìn)現(xiàn)代醫(yī)學(xué)信息分析技術(shù)的發(fā)展？本了相關(guān)的分析，并提出應(yīng)該思考的一些問題。
一、大數(shù)據(jù)對統(tǒng)計(jì)學(xué)原理和方法提出的挑戰(zhàn)
1.統(tǒng)計(jì)數(shù)據(jù)產(chǎn)生由“問題導(dǎo)向”到“數(shù)據(jù)驅(qū)動”
目前，統(tǒng)計(jì)數(shù)據(jù)的產(chǎn)生主要是基于所要研究的問題而主動進(jìn)行的“數(shù)據(jù)收集”，落腳點(diǎn)在于如何獲取數(shù)據(jù)。在大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)隨處可得，由數(shù)據(jù)驅(qū)動而進(jìn)行問題研究將非常普遍。那么，獲得數(shù)據(jù)的關(guān)鍵點(diǎn)不在于如何獲得，而在于如何識別與選擇。由“問題導(dǎo)向”產(chǎn)生的結(jié)構(gòu)數(shù)據(jù)是經(jīng)過嚴(yán)格抽樣設(shè)計(jì)獲取的，具有系統(tǒng)誤差小、總體代表性好的優(yōu)勢，但是信息量有限，且數(shù)據(jù)獲取周期長。大數(shù)據(jù)流環(huán)境下，海量數(shù)據(jù)中有價(jià)值的數(shù)據(jù)可能并不多，即數(shù)據(jù)的價(jià)值密度低，且難以避免和判斷數(shù)據(jù)獲取的誤差和偏倚。在很多情況下，統(tǒng)計(jì)數(shù)據(jù)不需進(jìn)行抽取，而是“數(shù)據(jù)樣本即總體”;同時(shí)，也要研究如何從源源不斷的數(shù)據(jù)中抽取足以滿足統(tǒng)計(jì)目的和精度的樣本，這需要研究新的序貫性和動態(tài)性的抽樣方法。
2.數(shù)據(jù)格式和結(jié)構(gòu)復(fù)雜多樣化
目前統(tǒng)計(jì)數(shù)據(jù)都是結(jié)構(gòu)化數(shù)據(jù)，如疾病空間分布和時(shí)間序列數(shù)據(jù)等，可使用二維表格表示，可以方便地被常規(guī)統(tǒng)計(jì)軟件讀取和進(jìn)行分析。在大數(shù)據(jù)背景下，除少量數(shù)據(jù)具有結(jié)構(gòu)化特征外，更多的是半結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)，如各種格式的文檔、圖片、網(wǎng)頁、圖像、音頻和視頻等。目前，這些半結(jié)構(gòu)和非結(jié)構(gòu)化的大數(shù)據(jù)僅能做到初步的實(shí)時(shí)業(yè)務(wù)應(yīng)用。如在研究氣候變化與人類健康相關(guān)的命題時(shí)，需要處理龐大的氣象數(shù)據(jù)，而80%以上的氣象數(shù)據(jù)均為非結(jié)構(gòu)化的大數(shù)據(jù)，如何將這些非結(jié)構(gòu)化的大數(shù)據(jù)做到降維、分解和長時(shí)間序列儲存無疑是統(tǒng)計(jì)學(xué)面臨的新命題。
3.大數(shù)據(jù)的整合及跨庫分析方法亟待建立
傳統(tǒng)上，數(shù)據(jù)集的合并和拆分都是利用關(guān)系數(shù)據(jù)庫技術(shù)，如共同的編碼或關(guān)鍵字進(jìn)行操作。在大數(shù)據(jù)環(huán)境，很多數(shù)據(jù)集不再有標(biāo)識個(gè)體的關(guān)鍵字，關(guān)系數(shù)據(jù)庫鏈接方法不再適用，需要探討利用數(shù)據(jù)庫之間的重疊項(xiàng)目來結(jié)合不用的數(shù)據(jù)庫。此外，還可以改變分析思路，如直接利用局部數(shù)據(jù)進(jìn)行推斷，然后整合這些數(shù)據(jù)集的統(tǒng)計(jì)結(jié)論。
4.大數(shù)據(jù)對于統(tǒng)計(jì)學(xué)核心理論的沖擊
一個(gè)新生事物的出現(xiàn)將必定導(dǎo)致傳統(tǒng)理論和技術(shù)的變革。大數(shù)據(jù)對傳統(tǒng)統(tǒng)計(jì)學(xué)原理和方法的沖擊是劃時(shí)代的。傳統(tǒng)的統(tǒng)計(jì)學(xué)方法和理論立足于應(yīng)用抽樣技術(shù)在總體中抽取小樣本進(jìn)行分析，通過樣本統(tǒng)計(jì)量推斷總體的參數(shù)和性質(zhì)。在大數(shù)據(jù)背景下，我們更關(guān)心的不是數(shù)據(jù)量的大小，而是數(shù)據(jù)所蘊(yùn)含的信息量及信息的識別和選擇。因此，大數(shù)據(jù)的預(yù)處理如數(shù)據(jù)清洗、糾偏完全跳出了傳統(tǒng)小樣本研究的范疇。同時(shí)，大數(shù)據(jù)充滿了各種隨機(jī)的、非隨機(jī)的誤差和偏倚，很難滿足小樣本數(shù)據(jù)精度和分布的要求。在大數(shù)據(jù)時(shí)代，需要進(jìn)一步拓展統(tǒng)計(jì)思維，豐富現(xiàn)有統(tǒng)計(jì)學(xué)的理論和方法，賦予統(tǒng)計(jì)學(xué)新的生命力。
二、在大數(shù)據(jù)時(shí)代對統(tǒng)計(jì)學(xué)教學(xué)的幾點(diǎn)思考
《“十二五”時(shí)期統(tǒng)計(jì)發(fā)展和改革規(guī)劃綱要》中明確提出，“建立現(xiàn)代統(tǒng)計(jì)體系就是建立以現(xiàn)代信息技術(shù)為支撐的統(tǒng)計(jì)系統(tǒng)”。根據(jù)這個(gè)綱要，計(jì)算機(jī)技術(shù)、互聯(lián)網(wǎng)系統(tǒng)、多媒體等現(xiàn)代信息技術(shù)在統(tǒng)計(jì)技術(shù)中將發(fā)揮更重要的作用。在醫(yī)學(xué)信息大數(shù)據(jù)時(shí)代背景下，醫(yī)學(xué)統(tǒng)計(jì)學(xué)教育是否能夠與時(shí)俱進(jìn)，迎接大數(shù)據(jù)帶來的機(jī)遇與挑戰(zhàn)？為此，筆者談幾點(diǎn)思考：
1.補(bǔ)充和加強(qiáng)數(shù)學(xué)基礎(chǔ)和計(jì)算機(jī)應(yīng)用課程
在大數(shù)據(jù)背景的沖擊下，統(tǒng)計(jì)學(xué)教育首先要面臨兩大沖擊。一是大數(shù)據(jù)背景下的統(tǒng)計(jì)模型將會跳出原有的傳統(tǒng)統(tǒng)計(jì)模型框架，需要更廣泛的學(xué)習(xí)一些數(shù)學(xué)概念，如拓?fù)洹缀魏碗S機(jī)場，這些數(shù)學(xué)知識將會在龐大數(shù)據(jù)分析的背景下扮演重要的角色。二是算法和計(jì)算機(jī)上的實(shí)現(xiàn)是傳統(tǒng)教育面對的更大挑戰(zhàn)，大數(shù)據(jù)環(huán)境下的數(shù)據(jù)是海量的，同時(shí)又是結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的混合數(shù)據(jù)，處理這些技術(shù)需要先進(jìn)的計(jì)算機(jī)技術(shù)平臺。在大數(shù)據(jù)和信息化的時(shí)代背景下，在目前醫(yī)學(xué)生的通識教育中，是否應(yīng)該加強(qiáng)數(shù)學(xué)基礎(chǔ)及計(jì)算機(jī)應(yīng)用等相關(guān)課程的教育？值得思考。
2.滲透大數(shù)據(jù)基本知識和統(tǒng)計(jì)思維
統(tǒng)計(jì)思維的培養(yǎng)，是提高學(xué)生處理數(shù)據(jù)和運(yùn)用數(shù)據(jù)分析實(shí)際問題能力的重要一環(huán)。在大數(shù)據(jù)時(shí)代，并非所有的醫(yī)學(xué)健康問題都通過大數(shù)據(jù)方式去處理，基于小樣本的分析仍然是最基本和最有效的實(shí)現(xiàn)方式。因此，傳統(tǒng)統(tǒng)計(jì)學(xué)基礎(chǔ)和原理仍然為醫(yī)學(xué)統(tǒng)計(jì)學(xué)教育的核心和重點(diǎn)。與此同時(shí)，結(jié)合大數(shù)據(jù)技術(shù)的特點(diǎn)，對統(tǒng)計(jì)學(xué)的基本知識進(jìn)行拓展教育，有計(jì)劃地將大數(shù)據(jù)的統(tǒng)計(jì)分析思維滲透在教學(xué)工作中。將大數(shù)據(jù)的基礎(chǔ)知識，如數(shù)據(jù)來源、數(shù)據(jù)結(jié)構(gòu)和格式、收集和篩選，在教學(xué)中進(jìn)行適當(dāng)補(bǔ)充。引導(dǎo)學(xué)生將已有的統(tǒng)計(jì)學(xué)基本原理和方法運(yùn)用到大數(shù)據(jù)處理中。
3.擴(kuò)充實(shí)驗(yàn)教學(xué)內(nèi)容，夯實(shí)基本軟件操作
統(tǒng)計(jì)學(xué)是一門處理數(shù)據(jù)的方法學(xué)科，重在應(yīng)用。因此，在系統(tǒng)統(tǒng)計(jì)原理教學(xué)的基礎(chǔ)上，更加側(cè)重實(shí)踐性和應(yīng)用性的訓(xùn)練。在目前的統(tǒng)計(jì)學(xué)教學(xué)中，學(xué)生普遍比較缺乏的不能將醫(yī)學(xué)實(shí)際問題正確的轉(zhuǎn)化為統(tǒng)計(jì)學(xué)問題，不能根據(jù)資料根據(jù)資料的設(shè)計(jì)類型、性質(zhì)和分析目的靈活選用合適的統(tǒng)計(jì)分析方法。通過綜合性的實(shí)際案例，將醫(yī)學(xué)科研中的實(shí)際問題納入教學(xué)，使學(xué)生虛擬的置身于科研一線，去感受和完成科學(xué)研究中的統(tǒng)計(jì)學(xué)應(yīng)用。大數(shù)據(jù)時(shí)代，數(shù)據(jù)、資料的產(chǎn)生方式發(fā)生了很大變化，因此，需要增加部分大數(shù)據(jù)方面的數(shù)據(jù)、資料收集和整理方法的訓(xùn)練內(nèi)容。大數(shù)據(jù)背景下，數(shù)據(jù)中除了一些結(jié)構(gòu)性數(shù)據(jù)外，更多的是半結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)，很難用傳統(tǒng)的二維數(shù)據(jù)表顯示方式予以直觀化。因此，除了目前常用的統(tǒng)計(jì)圖、統(tǒng)計(jì)表外，還應(yīng)該逐步補(bǔ)充一些比較復(fù)雜的數(shù)據(jù)透視化技術(shù)方面的教學(xué)，如探索性可視化描述工具、Tableau、TIBCO和QlinkView以及敘事可視化工具等。
在大數(shù)據(jù)時(shí)代，在統(tǒng)計(jì)學(xué)的教與學(xué)中，不應(yīng)要求死記有關(guān)概念、定理和計(jì)算公式，而應(yīng)加強(qiáng)統(tǒng)計(jì)學(xué)基礎(chǔ)性原理與知識的教學(xué)，凸出統(tǒng)計(jì)學(xué)理論與方法的應(yīng)用性，建立起大數(shù)據(jù)統(tǒng)計(jì)思維。學(xué)習(xí)統(tǒng)計(jì)學(xué)是為了應(yīng)用和解決實(shí)際問題。對教師來說，教好醫(yī)學(xué)統(tǒng)計(jì)學(xué)的標(biāo)志是教會學(xué)生運(yùn)用統(tǒng)計(jì)思維思考問題和選擇合適的統(tǒng)計(jì)方法解決實(shí)際健康決策及健康管理問題。對學(xué)生來說，學(xué)好統(tǒng)計(jì)學(xué)的標(biāo)志是建立統(tǒng)計(jì)思維，能夠以問題為導(dǎo)向，在統(tǒng)計(jì)思想的引導(dǎo)下，選擇合適或最優(yōu)的統(tǒng)計(jì)方法，或者通過創(chuàng)新統(tǒng)計(jì)方法，有效地解決實(shí)際問題。
參考文獻(xiàn)：
[1]Fan J，Han F，Liu H.Challenges of Big DataAnalysis[J].Natl Sci Rev，2014 Jun，1（2）：293-314.
[2]Ohno-Machado L.NIH'sBig Data to Knowledge initiative and the advancement of biomedical informatics[J]. J Am Med Inform Assoc，2014 Mar-Apr，21（2）：193.
[3]Margolis R，Derr L，Dunn M，Huerta M，Larkin J，Sheehan J，Guyer M，Green ED.The National Institutes of Health's Big Data to Knowledge（BD2K）initiative：capitalizing on biomedical big data[J].J Am Med Inform Assoc，2014 Nov，21（6）：957-8.
[4]Zhang Z.Big data and clinical research：focusing on the area of critical care medicine in mainland China[J].Quant Imaging Med Surg，2014 Oct，4（5）：426-9.
[5]耿直.大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)面臨的機(jī)遇與挑戰(zhàn)[J].統(tǒng)計(jì)研究，2014，31（1）：1-9.
[6]Kaplan RM，Chambers DA，Glasgow RE.Big data and large sample size：a cautionary note on the potential for bias [J]. Clin Transl Sci.2014 Aug，7（4）：342-6.
[7]沈文海.氣象數(shù)據(jù)的“大數(shù)據(jù)應(yīng)用”淺析――<大數(shù)據(jù)時(shí)代>思維變革的適用性探討[J].中國信息化，2014，6（235）：20-31.
[8]張學(xué)敏.大數(shù)據(jù)時(shí)代的數(shù)據(jù)分析[J].探索與觀察，2014，8（16）：5.
基金項(xiàng)目：上海市高校一流學(xué)科建設(shè)（公共衛(wèi)生與預(yù)防醫(yī)學(xué)）;上海市公共衛(wèi)生優(yōu)秀學(xué)科帶頭人培養(yǎng)計(jì)劃（編號：GWDTR2012
