- 相關推薦
2017公衛執業醫師衛生統計學考點
衛生統計學是應用數統計學的原理與方法研究居民健康狀況以及衛生服務領域中數據的收集、整理和分析的一門科學。下面是應屆畢業生小編為大家編輯整理的2017公衛執業醫師衛生統計學考點，希望對大家考試有所幫助。
隊列研究意義：
大多數慢性病都是歷時多年的一個過程所形成。在此期間發生的許多事件都可能起致病作用。對一群人在某種病尚未明顯發生前，對某個(或某些)可能起病因作用或保護作用的事件的后果進行隨訪監測，是一種從“困”觀“果”的研究方法。
隊列研究(又譯為定群研究、群組研究)就是這樣研究病因的一種流行病學方法。研究對象是加入研究時未患所研究疾病的一群人，根據是否暴露于所研究的病因(或保護因子)或暴露程度而劃分為不同組別，然后在一定期間內隨訪觀察不同組別的該病(或多種疾病)的發病率或死亡率。如果暴露組(或大劑量組)的率顯著高于未暴露組(或小劑量組)的率，則可認為這種暴露與疾病存在聯系，并在符合一些條件時有可能是因果聯系。
各組除了暴露有無或程度不同之外，其他可能影響患病或死亡的重要因素應具有可比性(均衡性)。但并不要求除暴露狀況外一切方面都可比，這在觀察性研究中實際上是做不到的。有些因素可在數據分析中得到控制。
隊列研究所觀察的結局是可疑病因引起的效應(發病或死亡)，除了所研究的一種病，還可能與其他多種疾病也有聯系，這樣就可觀察一個因素的多種效應，而這正是隊列法不可取代的用途。
根據作為觀察終點的事件在研究開始時是否已經發生，可把隊列研究分為前瞻性與回顧性兩類。
另有一種雙向型的隊列研究，適于研究對人體兼有短期與長期效應的因素，可用回顧性隊列法研究前者而用前瞻性隊列法研究后者。
還有一種把病例對照法與前瞻法結合起來的設計。其特點是用隊列法建起隊列(研究對象)并隨訪發現其中發生的病例，然后用病例對照法調查病例及隊列中適于作對照的一部分人的暴露史。這里，病例與對照都來自一個界定明確、有基線資料記錄的隊列，暴露史的質量較高，還可以有病例尚未發病時的實驗室檢驗記錄，而且可以省去對占絕對多數的未發病成員的暴露史調查。
隊列研究從方法上來說并不比病例對照法復雜，但實際進行起來卻問題較多，因為觀察人數多、期限長，組織工作復雜，開支龐大。但是，隊列法是一種重要的醫學觀察方法，已經為解決現代醫學的一些迫切問題(例如癌癥和心血管病)做出重要貢獻，所以作為臨床醫生也應該對其原理有所了解，而且這對于科學思維能力和批判地閱讀能力的培養，也是大有裨益的。
病例|對照匹配
匹配(matching)或稱配比，即要求對照在某些因素或特征上與病例保持一致，目的是對兩組進行比較時排除匹配因素的干擾。如以年齡做匹配因素，使兩組在年齡構成上類似或一樣，在分析比較兩組資料時，可避免由于兩組年齡構成的差別對疾病和因素關系的影響，從而更真實地反映研究因素與疾病的關系。匹配分為頻數匹配與個體匹配。
(1)頻數匹配(frequency matching)：
明確或估計出匹配變量每一層的病例數，然后從備選對照中選擇對照，直至達到每層所要求的數目，不一定要求絕對數相等，重要的是比例相同。例如，病例組中男女各半，則對照組中也應一樣。
(2)個體匹配(individual matching)：
即以病例和對照個體為單位進行匹配。1：1匹配，為每一個病例配一名對照，又稱配對(pair matching)，1：2、1：3、…、1：R匹配時，直接稱為匹配。
定量指標一般要求在一定范圍內匹配。例如年齡匹配，病例為50～59歲組，則對照亦應為50～59歲組。或者要求對照在±2歲、±3歲或±5歲等范圍內匹配，如要求對照與病例的年齡之差在±3歲之內，則一個39歲的病例，其對照的年齡應當在36～42歲之間。
在病例對照研究中采用匹配的目的，首先在于提高研究效率，增加分析指標的精確度(即可信區間變窄)。其次在于控制混雜因素的作用。匹配的特征或變量必須是已知的混雜因子，或有充分的理由懷疑為混雜因子，否則不應匹配。
匹配的同時也增加了選擇對照的難度。而且一旦對某個因素做了匹配，我們將不能再分析該因素與疾病的關系，也不能充分分析它與其他因素的交互作用。把不必要的項目列入匹配，企圖使病例與對照盡量一致，就可能徒然丟失信息，增加工作難度，結果反而降低了研究效率。這種情況稱為匹配過頭(over-matching)，應當注意避免。一般除性別、年齡之外，對其他因素是否進行匹配，須持慎重態度，以防止匹配過頭，徒增費用和難度。
應用直線回歸注意：
1、作回歸分析要有實際意義，不能把毫無關聯的兩種現象，隨意進行回歸分析，忽視事物現象間的內在聯系和規律;如對兒童身高與小樹的生長數據進行回歸分析既無道理也無用途。另外，即使兩個變量間存在回歸關系時，也不一定是因果關系，必須結合專業知識作出合理解釋和結論。
2、直線回歸分析的資料，一般要求應變量Y是來自正態總體的隨機變量，自變量X可以是正態隨機變量，也可以是精確測量和嚴密控制的值。若稍偏離要求時，一般對回歸方程中參數的估計影響不大，但可能影響到標準差的估計，也會影響假設檢驗時P值的真實性。
3、進行回歸分析時，應先繪制散點圖(scatter plot)。若提示有直線趨勢存在時，可作直線回歸分析;若提示無明顯線性趨勢，則應根據散點分布類型，選擇合適的曲線模型(curvilinear modal)，經數據變換后，化為線性回歸來解決。一般說，不滿足線性條件的情形下去計算回歸方程會毫無意義，最好采用非線性回歸方程的方法進行分析。
4、繪制散點圖后，若出現一些特大特小的離群值(異常點)，則應及時復核檢查，對由于測定、記錄或計算機錄入的錯誤數據，應予以修正和剔除。否則，異常點的存在會對回歸方程中的系數a、b的估計產生較大影響。
5、回歸直線不要外延。直線回歸的適用范圍一般以自變量取值范圍為限，在此范圍內求出的估計值稱為內插(interpolation);超過自變量取值范圍所計算的稱為外延(extrapolation)。若無充足理由證明，超出自變量取值范圍后直線回歸關系仍成立時，應該避免隨意外延。
定量資料頻數分布簡介：
將數據按照某種標準(標志)劃分成不同的組別，每個組別稱為一個組段。組段之間的距離稱為組距，一般為等距。各組段的觀察值個數稱為頻數，將分組標志和相應的頻數列表，即得到頻數分布表，簡稱頻數表。
從頻數表便于觀察離群值和異常值，還可以看出頻數分布的兩個重要特征：集中趨勢和離散趨勢。集中趨勢是指觀察值向中央部分集中的傾向;離散趨勢是指觀察值的分散情況。
頻數表還可以揭示頻數分布的類型，即對稱分布和偏態分布。對稱分布是指集中位置在中間，左右兩側的頻數基本對稱。偏態分布，又稱不對稱型分布，指頻數分布不對稱，集中位置偏向一側。若集中位置偏向數值較小的一側，稱為正偏態;若集中位置偏向數值較大的一側，稱為負偏態。
頻數表可以較直觀地揭示數據分布的集中趨勢和離散趨勢，而統計指標可從數量上較準確地描述其集中位置和離散程度。定量資料的頻數分布類型不同，描述其集中位置和離散程度的指標也不同。
病因推斷因素：
從流行病學觀點，有四類因素在疾病病因中起作用。它們每種都可能是必需因素，但每種單獨則很少是引起某種疾病或狀態的充分病因。它們是：
(1)易患因素：如年齡、性別、過去的疾病可以形成對某病因的易感狀態。
(2)誘發因素：如缺乏營養、低收入、居住條件不良及醫療保健不宜等可促發疾病。相反的狀況又有助于疾病恢復、維持健康。
(3)速發因素：如暴露于某特異病原因子(agent)或有害因子能促進發病。
(4)加強因素：屢次暴露于致病因子或做不適宜的重工作，可以加重已發生的疾病或狀態。
聯系特異性簡介：
某種疾病僅與某務虛因素有聯系而與其他因素無關，這種聯系是特異的。例如傳染病與其病原體之間的聯系是特異的。孕婦在孕早期感染風疹病毒，其分娩的新生兒常用先天性白內障。早年這類報告較多，但均未證明孕婦患風疹是胎兒畸形之因，后又發現僅在妊娠初二個月內感染風疹病毒才能導致胎兒發生這類畸形，這個特異性就大大地加強了兩者的因果聯系。由一種因素引起多種疾病、或由多種因素導致一種疾病的情況下，其聯系的特異性往往不明顯。
聯系的特異性常常與聯系強度有關。例如吸煙與肺癌的相對危險度為12.9，而吸煙與其他疾病的相對危險度均在2以下。總之一個具有特異性的聯系，能使病因假設更易被人們所接受，若特異性不明顯也不能立即否定因果關系的存在，應將問題的各方面再作進一步調查，可能找到某些特殊因素。
【公衛執業醫師衛生統計學考點】相關文章：
2023年公衛執業醫師考點：衛生毒理學12-24
2017公衛執業助理醫師綜合考點：便秘10-14
公衛執業助理醫師衛生標準習題10-15
公衛執業助理醫師衛生法規習題09-05
公衛執業醫師模擬試題10-11
公衛執業助理醫師突發公衛事件習題10-07
2016年公衛執業醫師熱門考點：糖尿病07-14