医学与社会科学领域中基于研究设计的常用统计

学术专长：主要运用当代统计学方法，如多水平模型、广义估计方程、生存分析、分位数回归、项目反应理论、潜类别分析、结构方程模型等分析和研究公共卫生、医疗服务、临床医学、社会学及心理学领域的复杂问题。

曾主持和参与美国国立卫生研究院和多家基金会的资助项目，其研究成果发表在JAMAPsychiatry、BiologicalPsychiatry、JournalofClinicalOncology、JournaloftheAmericanSocietyofNephrology、Epidemiology、AmericanJournalofPreventiveMedicine、PreventiveMedicine、JournalofPsychiatricResearch、MaternalandChildHealthJournal等多个国际知名学术期刊上。

曾先后担任原北京医科大学公共卫生学院、华中科技大学同济医学院医药卫生管理学院的客座教授。曾多次应邀到北京大学、复旦大学、武汉大学、华中科技大学、南京医科大学、南方医科大学等多所国内高校进行学术交流和讲座。

人类获得知识和解决问题的方法有很多种，有的凭自己以往的经验和直觉，有的向年长有经验的智者请教，有的回顾历史的案例，有的通过一种理性的系统的方法来寻求答案。科学就是一种方法论和系统论。科学研究产生的知识即科学知识并非基于个人观点、感受和直觉，而是建立在客观基础之上，通过谨慎的观察，使用系统的、有控制的、有条理的方法获得的故相较于其它方法，它的结论是更可靠和可信的。研究的目的是寻求问题的答案并获得新知识，科学研究依其功能可分为基础研究和应用研究。前者主要目的是发现新知识，是否实用不是其关注的焦点；后者主要目的是解决现实问题，其研究的场所不在实验室而在社会。医学与社会科学的很多研究都属于应用科学。科学研究依其观念的不同又可分为理论研究和实证研究。前者是推理性和抽象的研究；后者是归纳性的研究，即对许多现象的观察和各种经验的总结得出结论或支持理论。两种类型的研究在科学实践中相辅相成，共同帮助人类获得知识和解决问题。医学与社会科学研究多采用实证性研究，不管什么类型的科学研究，其决定性特征就是科学方法。13世纪的哲学家和科学家罗杰·培根指出科学方法是一切科学的基础。科学方法提供了一整套清晰和一致的收集、评估、报告信息的准则。学者们一般认为科学方法包含实证方法、观察、问题、假设、实验、分析、结论和复制等关键要素[1]。科学研究的方法大致可分为两类。一类是是定性研究法，它的主要目的是细致描述特定环境(如医院、学校、社区、商店、工矿企业等)中的现象，深入了解在特定环境中被研究的人(例如病人、医护工作者、学生、居民、消费者、职工等)的关切和感受，提供创建理论的基础和思路。其结论反映了被研究者对现实问题的看法和答案，故具有较大的主观性，多为探索性，不一定具有普遍性，不适用于大规模调查。另一类是定量研究法，它适用于大规模的调查。它要求对数据收集的方式有严格的设计，尽量客观地降低或排除人为的影响，数据收集要靠准确而可靠的测量工具，数据管理要科学，使用统计学方法分析数据，得出的结果具有广泛性、肯定性、前瞻性，或具有因果关系。一个学科的成熟与否可以从其量化的程度看出。研究设计发生在每一科学研究项目过程的早期，数据分析发生在科学研究过程的后期阶段，但两者紧密相关。什么样的研究设计决定了什么样的分析方法，根据不同类型的问题(如描述、预测、解释)研究设计可分为实验性研究设计和观察性研究设计。后者包括队列研究、病例对照研究、横截面研究(如图1所示)。随着近30年来统计学方法的迅猛发展，面对复杂繁多的统计方法，如何根据研究设计选择正确的统计方法，很多研究者感到缺乏足够的知识，需要清晰实用的方法指南；同时国内外的统计学专著往往将研究设计与统计分析方法分开论述[1]，这样的安排有其原因和优势，但同时也使读者难以看清两者互相交织的关系。因此本文将结合每一种研究设计类型讨论统计分析方法的应用原则。

1实验性研究设计中统计方法的使用

实验性研究设计用于研究一个因素对另一个或几个事件之间的因果影响。此研究要求对研究的环境可以操控，目的是将被研究的因素与其他任何外界干扰结论的因素剥离出来从而通过人为改变被研究的因素，观察预期的结果或现象是否会产生。最常见的是随机双盲对照设计，这种设计代表了最严格的研究设计，被誉为研究设计的金标准，多用于实验室研究。在数据分析领域，各种因素或现象被转化后称作自变量或者因变量。因变量可以表达为一系列自变量的函数。实验性研究设计的特征是有一个可以控制操纵的自变量(即因素)，排除了其它外界干扰因素，实验结果即因变量的观察具有重复性，通过改变自变量可以观察到因变量在其影响下的相应变化。例如在评估新药疗效时将患某疾病的病人随机分配到治疗组和安慰剂组，治疗组别即自变量。在足够的样本量下，两组病人在各方面都非常相似甚至相同而唯有用药不同。如果病人对治疗有不同的反应，则可以确定是新药的效果。如果病人的反应是可以量化的连续型因变量，例如血脂、血压等，且该因变量在两组病人中分布符合正态分布，则可用t检验进行假设检验即两组的均值是否相等。如果病人随机分配到两个以上的组别里，则方差分析(analysis of variance，ANOVA)可用于假设检验即多组的均值是否相等[2]。这两种统计方法均适用于分析一个分类型自变量与一个连续型因变量之间的关系。如果因变量在两组或三组以上的病人中分布是不对称的，则分别使用非参数检验中的Wilcoxon秩和检验和Kruskal-Wallis检验。如果因变量也是分类变量，则可使用皮尔逊(Pearson)或似然比(likelihood ratio)卡方检验。由于随机双盲对照的实验设计较好地去除了干扰因素，因此使用统计分析方法比较简单。

文章来源：《黑龙江社会科学》 网址: http://www.hljshkx.cn/qikandaodu/2021/0318/456.html