1、医学统计：模型、测试与数据解读

医学统计：模型、测试与数据解读

在医学研究中，统计学起着至关重要的作用。它帮助我们理解数据、验证假设以及做出科学的决策。下面将深入探讨医学统计中的一些基础概念，包括数据类型、混杂因素、因果推断等。

1. 数据类型

数据主要分为定量和定性两种类型：
- 定量数据 ：
- 连续变量 ：可以进行测量的变量，如身高、体重、血压等。连续变量常被描述为具有正态分布或非正态分布。具有正态分布的数据，绘制直方图时会呈现特定的“钟形”曲线。在实际应用中，只要数据围绕一个中心点聚集，且分布关于该点对称，就通常认为其足够接近正态分布，满足大多数需要正态性的测试要求。此时，均值和中位数相近。非正态分布则往往具有不对称（偏态）的分布，均值和中位数不同，如人口的年龄和工资。有时，不对称性是由数据中的异常点（实际上可能是数据错误）引起的，需要仔细检查。
- 离散变量 ：例如每个家庭的孩子数量、每个孩子每月哮喘发作的次数等。计数数据属于离散且定量的数据。

需要注意的是，用“非参数”数据来描述非正态分布的数据是不准确的。参数属于模型，“非参数”数据实际上指的是无法应用模型的数据，但正如后面会看到的，这往往是对统计方法过于局限的看法。定量数据的一个重要特征是数字具有实际意义，可以进行平均等运算。

• 定性数据 ：通常是类别，如人分为男性或女性、欧洲人、美国人或日本人，或者患有疾病或健康良好等，可描述为名义或分类数据。如果只有两个类别，则称为二元数据。有时类别可以排序，例如一个人的病情可以“好转”、“保持不变