临床试验设计中的统计学常见的错误有哪些

　　作为医学工作者，尤其是科研工作者，了解医学科研中常见的统计学错误是很有必要的。小编就给大家来介绍一下科研统计学误情况，帮助读者避免类似的错误。

　　一、科研设计中的常见错误

　　1.抽样设计

　　抽样研究是常用的医学科研方法之一，但科研设计中常存在着抽样假随机， 随意规定样本量的问题;从而破坏了抽样研究应满足的必要前提。常用抽样方法 有：单纯随机抽样、系统抽样、整群抽样、分层抽样和多级抽样。

　　2.实验设计中的随机原则

　　随机指的是在选取样本时，应确保总体中任何一个个体都有同等的机会被抽 到而进入样本;在分配样本时，应确保样本中任何一个个体都有同等的机会被分 入任何一个组中去。常见的错误是以随意代替随机。

　　3.实验设计中的对照原则

　　设立对照组的目的是寻找一个参照物，或对比的基础;因为好与坏、高与矮、 快与慢、长与短等都是相对而言的。常见的错误是：缺乏对照、对照设置不当。

　　4.实验设计中的重复原则

　　重复原则的作用在于它有利于使随机变量的统计规律性充分地显露出来。常见的错误是把重复测量当作重复 实验、样本量不足。

　　5.实验设计中的均衡原则

　　所谓均衡，是指某因素各水平组中的受试对象所受到的非实验因素的影响是完全 平衡的，即这些组间的差别完全是由于该因素采取了不同水平所致，而并非其他 因素取值不同所造成的影响。常见错误是设计不当，难以满足均衡的要求。

　　二、科研数据描述中的常见错误

　　正确选择统计指标、合理运用统计图表，是进行恰当统计描述的前提;但实际运用中，统计指标选取不当，统计图表使用不规范的现象却较为普遍。

　　1)统计指标的选取

　　选择统计指标的一般方法：对于定量资料，在确定统计指标前，须先考察资料的分布特征，看其是否满足正态分布的要求;从而为选用恰当的统计指标提供参考。

　　如果资料满足正态性，则考虑采用算术均数和标准差，即以x 表示样本数据的集中水平和离散程度;如果数据经对数变换后能满足正态性的要求(如 等比资料)，则采用几何均数(G)描述其集中水平;如资料分布不能满足正态性 (如传染病的潜伏期)，通常采取中位数(M)和四分位数间距(Q)作为描述其 集中趋势和变异程度的指标。

　　2)统计图表

　　统计表是用表格的形式来描述统计资料，使统计事物之间的关系条理化、系统化与明晰化，便于对指标进行计算、分析与比较。

　　不规范问题：标题过于简略、甚至不写标题，或过于繁琐以及标题不确切; 标目过多、层次不清;线条过多;表内同一指标的小数位数不一致;表 中数字代表的含义不清楚。

　　三、医学科研统计推断中的错误

　　1、t检验

　　t检验可分为：单样本t检验、两独立样本t检验和配对样本t检验。

　　常见的错误：应用条件不足、设计类型不符、强用t检验分析一切定量资料。

　　2、方差分析

　　方差分析常见的类型有：完全随机设计、随机区组设计、重复测量设计、析因设计、正交设计、拉丁方设计。

　　常见错误：反复运用两独立样本t检验处理各种设计类型的方差分析资料、不顾应用条件是否满足就强行进行方差分析、采用的方差分析方法与设计类型不符等。

　　3、卡方(X^2)检验

　　常见的错误有：采用卡方检验分析一切定性资料、用Pearson卡方代替校正和确切概率法、将卡方检验用于等级资料或有序联表的分析等。

　　4、相关与回归分析

　　常见的错误有：缺乏专业上有关联的依据，强行做相关分析;以卡方检验代替相关分析;以Pearson相关分析法代替等级资料的相关分析等。

　　5、结论表达不当

　　(1)P值的含义理解不透

　　(2)结论缺乏专业性，太绝对化

　　关于临床试验设计中的统计学错误的讲述就到这里了，上述的内容只是截取了资料中的一部分，如需获取完整的资料，可通过关注微信公众号后联系客服获取。

　　想要了解更多的资料、信息，可持续关注我们，我们将为大家提供有价值、有需求的材料。为大家在整理数据时省去烦恼。