搜索
写经验 领红包

医学科研论文中列联表分析的常见问题有(医学科研论文中列联表分析的常见问题包括)

导语:医学科研论文中列联表分析的常见问题

列联表是整理和表达计数数据经常采用的形式,其在医学科研活动中有着广泛的应用。然而,医刊汇编译在工作中发现,相对于计量资料的统计分析,很多作者对论文中计数资料的统计分析普遍重视得不够,论文中有关计数资料统计分析的内容往往存在较多的问题甚至错误,严重影响着论文的质量。我们针对医学科研论文中列联表资料统计分析的常见问题归纳如下:

一、对计数资料的统计分析不够重视。相对于计量资料的统计分析,很多作者对论文中计数资料的统计分析普遍不够重视。可能一方面认为计数资料较计量资料的证明性差一些,另一方面觉得计数资料的统计分析方法少、简单,没什么统计方法可以选择,因而对列联表资料的统计分析比较轻率,也就容易产生问题。实际上,针对计数资料有很多统计方法,可以根据具体情况进行合理的选择与应用。计数资料的统计分析与计量资料的统计分析一样,都关系到研究工作正确结论的得出,关系到论文的质量,应该给予同样的关注。

二、将卡方检验视为万能工具。不考虑列联表的属性和分析目的,将卡方检验视为分析列联表资料的万能工具,用卡方检验分析各种列联表资料。这类问题在论文中非常普遍,经常可以见到这样的情形:对含有有序变量的列联表资料进行卡方检验,当P<0.05时,即认为分类变量问有显著相关性。实际上,对列联表行卡方检验,只能说明分类变量间是否独立,而对于变量间是否具有相关关系,是否具有彼此伴随的趋势,应该通过有序列联表的相应统计方法来分析。对包括有序变量的列联表资料行卡方检验,损失了有序变量的信息,使所得结论不能深入揭示分类变量间的关系。

三、卡方检验使用条件认识不足。缺乏对卡方检验使用条件的明确认识,忽视对列联表中理论频数(T)的观察。卡方检验要求rxc表中T不宜太小,否则将导致分析的偏性。当实验所得数据结果中T太小时。可以对rxc表进行以下处理:一是增加样本例数以增大T;二是删去T太小的行或列;三是将T太小的行或列的实际频数与性质相近的邻行或列合并。需要说明的是,后两种方法损害了样本的随机性,可能损失部分信息,不同的合并方式有可能影响推断结论,故不宜作为常规方法。

四、卡方检验未作进一步分层分析。当多个样本率或构成比比较的卡方检验拒绝原假设,即认为各组间率或构成比总的来说差异有统计学意义时,未能进一步分析究竟各组间哪两组差异有统计学意义,而是将统计分析终止于这一笼统的结果,这样做法也是不妥当的。其实,可用卡方分割法,将原rxc表分割为若干个表,按最相近的原则,将率或构成比接近的样本分割出来,行卡方检验,差异无显著性时,将其合并为一个样本,再将其与另一个较相近的样本比较,如此进行直到结束。

五、Ridit分析未合理确定标准组。进行Ridit分析时,未能根据具体的实验设计合理确定标准组。确定标准组是Ridit分析的关键。常用的方法:一是以样本量最大的组作为标准组;二是当各组样本量接近时,将各组合并后作为标准组。其中后者更常用,较前者系统误差小。同时在论文中介绍统计方法时,应该说明确定标准组采用了哪种具体方法。

六、双向有序列联表作直线相关分析。对双向有序的列联表资料进行直线相关分析,这是一个错误的统计分析过程。根据对两个有序分类变量的赋值,对rxc表中两个变量进行直线相关分析,与等级相关分析和线性趋势检验不能等同,其结果只能说明两变量所赋值的相关性,而两变量的相关性还要通过等级相关和线性趋势检验结果来判定 。

免责声明:本站部份内容由优秀作者和原创用户编辑投稿,本站仅提供存储服务,不拥有所有权,不承担法律责任。若涉嫌侵权/违法的,请反馈,一经查实立刻删除内容。本文内容由快快网络小悦创作整理编辑!