一、描述性研究(DESCRIPTIVE STUDIES) |
||
情况 |
流行病学结果 |
统计方法 |
时间描述(Time description) |
1、散点图(Scatter plots); 2、带趋势线的散点图(Scatter plots with trend lines); 3、带平滑样条的散点图)Scatter plots with spline smoothing) |
1、季节指数(Seasonality index) |
空间描述(Place description) |
1、加点地图(Spot maps) |
1、聚类方法,如K均值聚类 |
人间描述(Person description) |
1、条图(Bar charts); 2、饼图(Pie charts);3、直方图(Histograms); 4、箱图(Box plots);5、箱须图(Box and whisker plots); 6、茎叶图(Stem and leaf diagrams); 7、层次树(Hierarchical trees);8、散点图 |
1、均值(Mean); 2、率(Proportion); 3、标准差(Standard deviation); 4、标准误(Standard errors); 5、中位数(Median); 6、百分位数(Percentiles); 7、众数(Mode) |
二、横断面研究(CROSS-SECTIONAL STUDIES) |
||
情况 |
流行病学结果 |
统计方法 |
分组比较(Group comparison) |
1、危险度减少率(Risk reduction)及其95%CI; 2、优势比(Odds ratios)及其 95%CI |
1、关联性的卡方检验(chi square test of association); 2、Fisher 精确检验(Fisher’s exact test); 3、Φ系数(Φ coefficient); 4、Cramer V系数; 5、线性趋势性卡方检验(chi square test for linear trend); 6、独立样本t检验(Student’s T test (unpaired)); 7、Mann-Whitney U 检验(Mann-Whitney U test); 8、Mantel-Haenszel 卡方检验(Mantel-Haenszel chi square test); 9、非条件多重logistic 回归(Unconditional multiple logistic regression) 10、广义线性模型(Generalized linear models); 11、Bonferroni 校正(Bonferroni’s corrections) |
三、病例-对照研究(CASE-CONTROL STUDIES) |
||
情况 |
流行病学结果 |
统计方法 |
非配对病例-对照研究(Unmatched case-control study) |
优势比及其95%CI:1、Cornfield 法(Cornfield’s method);2、Woolf 法(Woolf’s method);3、精确法(Exact method) |
1、关联性卡方检验; 2、Fisher 精确检验;3、Φ系数 |
一个二分类暴露变量,如:是/否 |
||
一个对照组 |
||
非配对病例-对照研究 |
每个分类与参考分类比较的优势比及其95%CI:1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性卡方检验; 2、Fisher 精确检验;3、Φ系数; 4、Cramer V系数; 5、线性趋势性卡方检验 |
一个有序分类暴露变量 |
||
一个对照组 |
||
非配对病例-对照研究 |
- |
1、独立样本t检验(Student’s T test (unpaired)); 2、Mann-Whitney U 检验(Mann-Whitney U test) |
一个连续变量(Single continuous variable) |
||
一个对照组 |
||
非配对病例-对照研究) |
每个变量单独的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性卡方检验; 2、Fisher 精确检验;3、Φ系数; 4、非条件多重logistic回归; 5、Mantel-Haenszel卡方检验 |
多个二分类暴露变量,如:是/否 |
变量组合的调整优势比(Adjusted ORs): 1、分层和汇总优势比及其95%CI |
|
一个对照组 |
|
|
非配对病例-对照研究 |
各单独变量中,各分类与参考分类比较的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性的卡方检验; 2、Fisher 精确检验;3、Cramer V系数; 4、线性趋势性卡方检验; 5、非条件多重logistic回归 |
多个暴露变量,表达为2或以上的有序分类 |
变量分类组合的调整优势比 |
|
一个对照组 |
|
|
非配对病例-对照研究 |
- |
1、独立样本t检验; 2、Mann-Whitney U 检验; 3、非条件多重logistic回归 |
多个连续变量 |
||
一个对照组 |
||
非配对病例-对照研究 |
各单独变量中,各分类与参考分类比较的优势比及其95%CI; 1、Cornfield 法; 2、Woolf 法; 3、精确法; |
1、关联性的卡方检验; 2、Fisher 精确检验;3、Φ系数; 4、Cramer V系数; 5、线性趋势性卡方检验; 6、独立样本t检验; 7、Mann-Whitney U 检验; 8、Mantel-Haenszel 卡方检验; 9、非条件多重logistic 回归; 10、广义线性模型 |
变量类型的组合(Combinations of variable types) |
变量分类组合的调整优势比 |
|
一个对照组 |
分层和汇总优势比及其95%CI |
|
|
|
|
非配对病例-对照研究 |
优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性的卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、Mantel-Haenszel 卡方检验 |
一个二分类暴露变量,如:是/否 |
分层和汇总优势比及其95%CI |
|
多个对照组 |
|
|
非配对病例-对照研究 |
各分类与参考分类比较的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法; |
1、关联性的卡方检验; 2、Fisher 精确检验; 3、Cramer V系数; 4、线性趋势性卡方检验; 5、多重比较的Bonferroni校正 |
一个有序分类暴露变量 |
每个对照组分别比较 |
|
多个对照组 |
|
|
非配对病例-对照研究 |
- |
1、方差分析及Tukey两两比较检验; 2、Kruskal-Wallis检验,并在Bonferroni 校正后,用Mann-Whitney U检验进行两两比较 |
一个连续变量 |
||
多个对照组 |
||
非配对病例-对照研究 |
各变量单独的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性的卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、Mantel-Haenszel 卡方检验; 5、非条件多重logistic 回归 |
多个二分类暴露变量,如:是/否 |
变量组合的调整优势比 |
|
多个对照组 |
分层和汇总优势比及其95%CI |
|
非配对病例-对照研究 |
各单独变量中,各分类与参考分类比较的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性的卡方检验; 2、Fisher 精确检验; 3、Cramer V系数; 5、线性趋势性卡方检验; 6、非条件多重logistic 回归 |
多个暴露变量,表达为2或以上的有序分类 |
变量组合的调整优势比 |
|
多个对照组 |
|
|
非配对病例-对照研究 |
- |
1、方差分析及Tukey两两比较检验; 2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较; 3、多分类多重logistic 回归(Polytomous multiple logistic regression) |
多个连续变量 |
||
多个对照组 |
||
非配对病例-对照研究 |
各单独变量中,各分类与参考分类比较的优势比及其95%CI: 1、Cornfield 法; 2、Woolf 法; 3、精确法 |
1、关联性的卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、Cramer V系数; 5、线性趋势性卡方检验; 6、独立样本t检验; 7、Mann-Whitney U 检验; 8、非条件多重logistic 回归; 9、方差分析及Tukey两两比较检验; 10、Kruskal-Wallis检验; 11、广义线性模型 |
变量类型的组合 |
变量分类组合的调整优势比 |
|
多个对照组 |
分层和汇总优势比及其95%CI |
|
|
|
|
配对病例-对照研究(Matched case-control study) |
优势比及其95%CI: 1、McNemar 法(McNemar’s method) |
1、关联性McNemar卡方检验(McNemar’s chi square test of association) |
一个二分类暴露变量,如:是/否 |
||
一个对照组 |
||
配对病例-对照研究 |
拆分成4格表后与参考分类比较的优势比及其95%CI:1、McNemar 法(McNemar’s method) |
1、关联性McNemar卡方检验; 2、Breslow-Day 检验(Breslow-Day test) |
一个暴露变量,表达为2或以上的有序分类 |
||
一个对照组 |
||
配对病例-对照研究 |
- |
1、配对t检验(Student’s T test (paired)); 2、Wilcoxon 符号秩检验(Wilcoxon signed-rank test) |
一个连续变量 |
||
一个对照组 |
||
非配对病例-对照研究 |
各单独变量变量的优势比及其95%CI:1、McNemar法 |
1、关联性的McNemar卡方检验; 2、条件多重logistic 回归(Conditional multiple logistic regression) |
多个二分类暴露变量,如:是/否 |
变量组合的调整优势比 |
|
一个对照组 |
|
|
配对病例-对照研究 |
各单独变量中,各位分类与参考分类比较的优势比及其95%CI:1、McNemar法 |
1、关联性McNemar卡方检验; 2、Breslow-Day 检验; 3、条件多重logistic 回归 |
多个暴露变量,表达为2或以上的有序分类 |
变量分类组合的调整优势比 |
|
一个对照组 |
|
|
配对病例-对照研究 |
- |
1、配对t检验; 2、Wilcoxon 符号秩检验; 3、条件多重logistic 回归 |
多个连续变量 |
||
一个对照组 |
||
配对病例-对照研究 |
各单独变量中,每个分类与参考分类比较的优势比及其95%CI:1、McNemar法 |
1、关联性McNemar卡方检验; 2、Breslow-Day 检验; 3、配对t检验; 4、Wilcoxon符号秩检验; 5、条件多重logistic 回归; 6、广义线性模型 |
变量类型的组合 |
变量分类组合的调整优势比 |
|
一个对照组 |
|
|
配对病例-对照研究 |
优势比及其95%CI:1、McNemar法 |
1、关联性McNemar卡方检验; 2、Mantel-Haenszel卡方检验 |
一个二分类暴露变量,如:是/否 |
分层或汇总优势比及其95%CI |
|
多个对照组 |
|
|
配对病例-对照研究 |
拆分成4格表后每个分类与参考分类比较的优势比及其95%CI:1、McNemar 法 |
1、关联性McNemar卡方检验; 2、Breslow-Day 检验; 3、多重比较的Bonferroni校正 |
一个暴露变量,表达为2或以上的有序分类 |
与每个对照组单独比较 |
|
多个对照组 |
|
|
配对病例-对照研究 |
- |
1、Friedman 方差分析(Friedman’s Analysis of variance); 2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较 |
一个连续变量 |
||
多个对照组 |
||
配对病例-对照研究 |
各变量单独的优势比及其95%CI:1、McNemar法 |
1、关联性McNemar卡方检验; 2、Mantel-Haenszel检验; 3、条件多重logistic回归 |
多个二分类暴露变量,如:是/否 |
变量组合的调整优势比 |
|
多个对照组 |
分层或汇总优势比及其95%CI |
|
配对病例-对照研究 |
各单独变量中,每个分类与参考分类比较的优势比及其95%CI:1、McNemar法 |
1、异质性卡方检验(chi square test of heterogeneity); 2、Breslow-Day 检验; 3、条件多重logistic 回归 |
多个暴露变量,表达为2或以上的有序分类 |
变量分类组合的调整优势比 |
|
多个对照组 |
|
|
配对病例-对照研究 |
- |
1、Friedman方差分析; 2、Kruskal-Wallis检验,并在Bonferroni 校正后采用Mann-Whitney U检验进行两两比较; 3、多分类多重logistic 回归 |
多个连续变量 |
||
多个对照组 |
||
配对病例-对照研究 |
各单独变量中,每个分类与参考分类比较的优势比及其95%CI:1、McNemar法 |
1、关联性McNemar卡方检验; 2、Breslow-Day 检验; 3、配对t检验; 4、Wilcoxon符号秩检验; 5、条件多重logistic回归; 6、Friedman方差分析; 7、Kruskal-Wallis检验; 8、Mantel-Haenszel检验; 9、广义线性模型 |
变量类型的组合 |
变量分类组合的调整优势比 |
|
多个对照组 |
分层或汇总优势比 |
四、队列研究(COHORT STUDIES) |
||
情况 |
流行病学结果 |
统计方法 |
结局为暴露组和非暴露组的事件数,且每个体结局的事件数最多仅为1 |
1、相对危险度(Relative risk)及其95%CI;2、超额危险度(Excess fraction),又称危险度减少率;3、病因分值(Etiologic fraction),又称归因危险度(attributable risk);4、人群归因危险度(Population attributable risk);5、人群归因危险度百分比(Population attributable risk proportion) |
1、关联性卡方检验; 2、Fisher 精确检验; 2、Φ系数; 3、多个有序分类变量的线性趋势性卡方检验; 4、非条件多重logistic 回归; 5、广义线性模型 |
结局是暴露组和非暴露组的事件数,且每个个体的事件数可以为多次 |
相对风险比(Relative hazards)及其95%CI |
1、Kaplan-Meier 生存曲线(Kaplan-Meier survival curves); 2、对数秩检验(Log-rank test)或基于违反比例风险假设(proportional hazards assumption)的Wilcoxon检验; 3、Cox 比例风险模型(Cox proportional hazards model) 4、Poisson 多重回归(Poisson’s multiple regression) |
结局是暴露组和非暴露组的事件发生的时间 |
相对风险比(Relative hazards)及其95%CI |
1、Kaplan-Meier 生存曲线; 2、对数秩检验或基于违反比例风险假设的Wilcoxon检验; 3、Cox 比例风险模型 4、Poisson 多重回归 |
结局是暴露组和非暴露组的连续变量 |
具有临床意义的割点的相对危险度及其95%CI |
1、关联性卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、多个有序分类变量的线性趋势性卡方检验; 5、非条件多重logistic 回归; 6、广义线性模型; 7、时间序列分析(Time series analyses) |
五、临床与预防试验(CLINICAL AND PREVENTIVETRIALS) |
||
情况 |
流行病学指标 |
统计方法 |
结局为暴露组和非暴露组的事件数,且每个体结局的事件数最多仅为1 |
1、相对危险度及其95%CI; 2、超额危险度,又称危险度减少率; 3、病因分值,又称归因危险度; 4、人群归因危险度; 5、人群归因危险度百分比; 6、需治疗人数(Number needed to treat,NNT); 7、疫苗效力(Vaccine efficacy)及其95%CI |
1、关联性卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、多个有序分类变量的线性趋势性卡方检验; 5、非条件多重logistic 回归; 6、广义线性模型; |
结局是暴露组和非暴露组的事件数,且每个个体的事件数可以为多次 |
1、相对风险比及其95%CI; 2、疫苗效力及其95%CI |
1、Kaplan-Meier 生存曲线; 2、对数秩检验或基于违反比例风险假设的Wilcoxon检验; 3、Cox 比例风险模型 4、Poisson 多重回归; 5、使用α消耗函数(alpha-spending function)期中分析(interim analyses)的序贯试验(Sequential trial); 6、广义线性模型 |
结局是暴露组和非暴露组的事件发生的时间 |
1、相对风险比及其95%CI; 2、疫苗效力及其95%CI |
1、Kaplan-Meier 生存曲线; 2、对数秩检验或基于违反比例风险假设的Wilcoxon检验; 3、Cox 比例风险模型 |
结局是暴露组和非暴露组的连续变量 |
具有临床意义的割点的相对危险度及其95%CI |
1、关联性卡方检验; 2、Fisher 精确检验; 3、Φ系数; 4、多个有序分类变量的线性趋势性卡方检验; 5、非条件多重logistic 回归; 6、广义线性模型; 7、时间序列分析 |
六、筛检试验的评价(SCREENING TEST PERFORMANCE EVALUATION) |
||
情形 |
流行病学指标 |
统计方法 |
二分(Dichotomous)(阳性 /阴性)结果与参考标准(reference standard)比较 |
1、灵敏度(Sensitivity);2、特异度(Specificity);3、阳性预测率(Positive predictivity);4、阴性预测率(Negative predictivity);5、准确性(Accuracy);6、阳性检验的似然比(Likelihood ratio of a positive test);7、阴性检验的似然比(Likelihood ratio of a negative test)8、Cohen κ系数(Cohen’s kappa);9、熵(Entropy);10、偏倚指数(Bias index) |
1、关联性卡方检验;2、Fisher 精确检验;3、Φ系数 |
多个分类检验结局与参考标准比较 |
1、每个分类检验结局的似然比;2、ROC曲线(Receiver-operating characteristic curve) |
1、关联性卡方检验;2、Fisher 精确检验;3、Φ系数;4、线性趋势性卡方检验;5、用Wilcoxon法(Wilcoxon’s method)计算ROC曲线下面积及其95%CI |
连续检验结果与参考标准比较 |
1、结局预定义分类的似然比;ROC曲线 |
1、ROC曲线下面积及其95%CI;2、最佳操作点(Optimum operating point ,OOP)的选择;3、错误损失的比较(Cost-of-error comparisons) |
来源:OpenEpi网站,手机上阅读效果欠佳,建议用PC或平板打开,或将网页打印成PDF阅读和查询。在刘老师医学统计公众号后台回复:流行病学指标,直接获得电子版。
原创经典专辑(点击直达)
