本课程是高校医学统计学教授的公益、免费公开课！如假包换！我将每天推送视频和文字教程，讲授基于医学数据的各种统计分析策略。如果你能跟得上节奏，我相信在一个月后，您将会掌握医学数据分析方法。如果您真的能够坚持，发送关键词“打卡”，加入微信学习群吧。骗人？不存在的。你们能够学会医学统计学，我将视为这是一种成就。此外面向医务工作者，我们也开设“统计跟学课程”【学不会全额退款】：
Day 9： 小统计大文章（下）
隶属第二章：实验性研究定量数据的统计分析策略
本日学习任务
欢迎加入高校公益免费群全面学习医学统计学与SPSS应用（发送关键词“打卡”到公众号）“小统计大文章”上篇介绍基础但经典的实验性研究研究设计和统计分析策略。在该例子中，比较试验组和对照组的效果来证明干预措施的价值。本篇继续“小统计大文章”，作为下篇，本文将情况稍微复杂化，探讨多组数据的比较。论证某复方中药提取物对大鼠肾损伤的修复作用，研究者将随机大鼠分为三组：正常空白对照组、肾损伤模型组空白组、肾损伤模型复方中药修复组。以AGF（mg/L）指标作为疗效评价指标（正常组较低，肾损伤后AGF指标上升）,分别在治疗前、治疗后测量AGF 值，获得相应的数据，请评价复方中药提取物对肾损伤的修复效果如何。数据库为AGF.sav
案情分析
如同上篇小统计大文章（上），本案例先基于PICOS框架分析案情本案例是一个基本但是经典的临床试验研究案例，具备了所有的PICOS要素。
统计分析策略
本例是随机化多组比较分析，一般可以采用的方差分析探讨组间差异性。但由于类似于“小统计大文章”上篇，本例存在着治疗前的基线数据。因此，可根据基线数据做点文章。现在本例治疗后的AGF作为结局指标，如何来结合基线数据开展统计分析来评价效果呢？想象一下，如果复方中药相对对照组是有效的，理想上数据的结果，应该如何？如果你看过“小统计大文章”上篇，你大概就能够基本理出个思路了。在纳入基线数据后，统计分析可从类似的四个层面来开展，从而得到可信的医学证据。第一，基线可比问题 既然是实验性研究随机化分组，我们一般能够验证分组均衡性，因此第一步可以分组均衡性的比较。不同于上篇，这里基线数据是不平衡的。为什么？因为基线有两组是肾损伤的动物模型，一组是正常空白对照的大鼠，肾损伤大鼠AGF一般要高于空白对照组。但是，模型空白组和中药组应该相似。第二，实验后横向差异性问题。横向比较指的是同一个时间点不同组的比较。实验后的AGF应该不同，特别是模型空白组和模型中药组，两组AGF应该存在着统计学差异。第三，实验前后差异性问题。有了基线数据，研究可以开展前后比较分析，研究药物对自身的影响。本例理想的情况如何呢？一般情况下，对照组不一定有差异，但是复方中药组治疗后相比治疗前AGF水平应该下降，并存在着统计学差异。最后，差值差异性问题。干预组前后差值和对照组前后差值有没有统计学差异。 这一比较不仅可以提供一部分信息，还可以在第二步没有差异的情况下，也许可以提供对效果有利的信息。根据上述的统计分析思路，每一步应该用什么统计学方法呢？第一，基线可比问题 大鼠实验前多组AGF总体上没有统计学差异，是三组独立数据的比较，统计方法可考虑F检验或者多样本秩和艰难眼。如果有兴趣，还可以进行多重比较，看基线到底怎么个可比法。第二，实验后横向差异性问题。实验后后空白正常组、模型空白组、中药组的AGF比较，同样也是F检验或者多样本秩和，再辅助以多重比较的方法。第三，实验前后差异性问题。治疗前后AGF有没有统计学差异？配对设计，应该用配对t检验或者配对秩和。第四，差值差异性问题。空白正常组、模型空白组、中药组前后差值有没有统计学差异？三组差值的比较，也可用F检验或者多样本秩和检验！因此，总结来说，由于增加了基线数据， 该数据在方差分析的基础上，可浪点水花，比如配对t检验，比如差值的分析。根据统计分析策略，要利用SPSS进行以下内容的操作：1计算差值，2正态性检验，3治疗前进行差异性分析及多重比较，4治疗后进行差异性分析及多重比较，5治疗前后进行分析，6两组差值进行分析及多重比较。
计算差值
计算差值可以通过SPSS“数据-计算变量”来实现：d=治疗后AGF-治疗前AGF。最终数据库会增加新的一列，变量为d。
正态性检验
多组数据比较、配对设计数据的比较均需要满足正态性的要求，因此需要要考虑治疗前、治疗后的正态性，也要考虑差值的正态性，所以需要开展三者的正态性检验。结果显示，治疗前AGF、治疗后AGF、治疗前后AGF差值各组数据符合正态分布的前提（P>0.05）。
治疗前、治疗后差异性比较
由于正态性符合，两组治疗前和治疗后的比较，同时采用多样本方差分析进行，同时可以开展多重比较（①事后比较）采用方差分析发现，无论治疗前还是治疗后，三组AGF指标总体均数均存在着统计学差异（P<0.05）。采用邦弗伦尼（Bonferroni）进行多重比较发现，实验前基线AGF方面，空白对照组与中药组有统计学差异（P<0.05），而模型空白组和模型中药组无统计学差异（P>0.05）。实验后的AGF方面，中药组与模型空白组存在着统计学差异（P<0.05），而与正常的空白对照组无统计学差异（P>0.05）。
治疗前后配对资料的统计分析
由于正态性符合，可采用配对t检验，分别比较三处理组实验前后AGF的差异。（1）为了实现上述目的，在配对t检验，首选需要“拆分文件”。拆分文件操作路径为“数据--拆分文件”。（2）选择“比较组”或者“按组织输出”（两个结果一样，形式不同），分组依据纳入“实验分组（group）”。（3）拆分文件之后，进行配对t检验。详细的方法可见配对t检验这一讲配对t检验得到以下结果：空白组P=0.423，差异无统计学意义，肾损伤模型组P=0.068，差异无统计学意义，肾损伤修复组实验前后的AGF差异统计学意义（P<0.001）。
两组AGF改变量比较分析
针对实验前后AGF差值d，由于正态性条件符合，可采用多样本F检验比较分析结果显示，三组数据差值的F检验P<0.001，差值差异具有统计学意义。
采用邦弗伦尼（Bonferroni）进行多重比较发现，中药修复组与空白对照组存在着统计学差异（P<0.05），中药修复组与模型空白组存在着统计学差异（P<0.05）。
SPSS分析总结
第一步，基线可比？ 达成！模型中药组和模型空白组无统计学差异。第二步，实验后横向有异？达成！模型中药组和模型空白组存在着统计学差异。第三步，实验前后差异性？达成！模型中药组实验前后AGF有差别。第四步，差值差异性分析。达成！模型中药组的前后改变量最为明显，与其它两组存在着差异。因此，不同于“小统计大文章”上篇结果的矛盾性，本例综合4步骤的结果，可以认为中药复方的疗效存在。三组小鼠的AGF指标分析发现，治疗前AGF指标总体上存在着统计学差异（F=15.17， P<0.001），其中，空白组和模型组、中药组有统计学差异（P<0.001，P<0.001），中药组和模型组无统计学差异（ P=0.659）。治疗后AGF指标总体上有统计学差异（F=17.90， P<0.001），其中，模型组与空白组、中药组有统计学差异（P<0.001，P<0.001），中药组和空白组无统计学差异（P=0.977）。空白组和模型组实验前后AGF指标无统计学差异（P=0.423，P=0.068），中药组实验前后具有统计学差异（t=5.66，P<0.001）。30天学习医学统计学与SPSS课程系列连续更新了2期“小统计大文章”，总字数接近10000字。两期只采用了t检验或F检验，探讨了随机对照试验干预措施的效果。这两篇充分结合科研设计思路和统计分析策略，是以医学实验性研究最基础、但最经典的研究范式，其统计策略亦是如此。两篇文章很值得学习。学完了统计学，还不能灵活将各种策略整合一起开展数据分析的朋友，有必要研究下两篇文章的统计分析策略，我相信肯定有收获。统计分析策略不仅仅是是SPSS或者假设检验方法，而是关于实验性研究的世界观。什么是真？如何证明真？统计分析策略是一整套解决方案，它面对数据库，聚焦于研究目的，为朝着提供可靠的医学证据提供一系列过程与方法。统计分析策略思考，也是一场艰苦的修行。统计方法万万千，如何选择统计方法形成我们的解决方案呢？你得从研究设计、数据的类型、分布、随机化方式、样本量等等诸多考虑中苦苦寻觅最合适通向彼岸的路径。统计分析策略不等于复杂统计方法。很多时候大文章只需要小统计即可，医学顶级期刊《新英格兰医学杂志》用t检验、卡方检验评价临床效果的文章比比皆是。因为，花里胡哨的统计学并不能带来特别的效果。成功的医学研究，关键在于研究设计的科学性、规范性，关键在于根据数据特征选择合适的方法。一个良好设计的随机对照试验成果，哪怕小样本，单中心，哪怕只采用t检验，只要严格遵从医学科研设计和统计分析方法原则与方法，《新英格兰医学杂志》刊登也不是梦！
