目 錄 第1章 MedCalc入門 1 1.1 MedCalc主要功能 1 1.1.1 資料管理與計(jì)算 1 1.1.2 統(tǒng)計(jì)功能 1 1.1.3 統(tǒng)計(jì)圖形 3 1.2 MedCalc界面 3 1.2.1 主窗口 3 1.2.2 對話框 5 1.2.3 彈出對話框 6 1.2.4 中英文界面的設(shè)置 7 1.3 MedCalc支持的數(shù)據(jù)類型 7 1.4 MedCalc文件類型 8 1.5 MedCalc工作表的基本操作和數(shù)據(jù)錄入 9 1.5.1 工作表介紹 9 1.5.2 數(shù)據(jù)輸入實(shí)例 10 1.5.3 設(shè)置數(shù)據(jù)類型 11 第2章 數(shù)據(jù)管理 12 2.1 按行排序 12 2.2 排除數(shù)據(jù) 12 2.3 填充列 13 2.4 堆疊列 14 2.5 創(chuàng)建隨機(jī)樣本 16 2.6 創(chuàng)建組 17 2.6.1 創(chuàng)建分位數(shù)組 17 2.6.2 創(chuàng)建隨機(jī)組 18 2.6.3 創(chuàng)建用戶定義組 18 2.7 個(gè)案排秩 19 2.8 百分位數(shù)排秩 20 2.9 計(jì)算z得分 20 2.10 冪變換 21 2.11 病例-對照匹配 22 2.12 編輯變量列表 24 2.13 編輯篩選條件列表 25 2.14 個(gè)案標(biāo)識(shí)變量 26 2.15 設(shè)定數(shù)據(jù)輸入方向 27 第3章 計(jì)量資料的統(tǒng)計(jì)描述與正態(tài)性檢驗(yàn) 28 3.1 計(jì)量資料的匯總統(tǒng)計(jì)量 28 3.1.1 原始資料的匯總統(tǒng)計(jì)量與正態(tài)性檢驗(yàn) 28 3.1.2 對數(shù)變換資料的匯總統(tǒng)計(jì)量 35 3.2 計(jì)量資料的異常值檢測 36 3.3 分布圖 39 3.3.1 直方圖 39 3.3.2 累積頻率分布圖 40 3.3.3 正態(tài)圖與Q-Q圖 43 3.3.4 點(diǎn)圖 44 3.3.5 箱形圖 46 第4章 分類資料的統(tǒng)計(jì)分析 48 4.1 χ2檢驗(yàn) 48 4.1.1 單變量χ2擬合優(yōu)度檢驗(yàn) 48 4.1.2 兩獨(dú)立樣本的Pearson χ2檢驗(yàn) 50 4.1.3 有序R×2表資料的χ2趨勢檢驗(yàn) 53 4.2 四格表資料的Fisher精確檢驗(yàn) 53 4.2.1 原始資料的Fisher精確檢驗(yàn) 54 4.2.2 匯總資料的Fisher精確檢驗(yàn) 54 4.3 配對四格表資料的McNemar檢驗(yàn) 55 4.3.1 原始資料的McNemar檢驗(yàn) 55 4.3.2 匯總資料的McNemar檢驗(yàn) 56 4.4 完全隨機(jī)區(qū)組設(shè)計(jì)二分類資料的Cochran Q檢驗(yàn) 57 4.5 四格表資料的相對危險(xiǎn)度與優(yōu)勢比 58 4.5.1 隊(duì)列研究的相對危險(xiǎn)度 58 4.5.2 臨床試驗(yàn)的需治療人數(shù) 60 4.5.3 病例-對照研究的優(yōu)勢比 62 4.6 分類資料的條圖 64 4.6.1 簡單條圖 64 4.6.2 復(fù)式條圖 65 4.6.3 分段條圖 66 4.6.4 構(gòu)成比條圖 67 第5章 相對數(shù)的估計(jì)與比較 68 5.1 比例的估計(jì)與比較 68 5.1.1 單個(gè)比例的區(qū)間估計(jì)與檢驗(yàn) 68 5.1.2 兩個(gè)獨(dú)立樣本比例的比較 69 5.2 比率的區(qū)間估計(jì)與檢驗(yàn) 69 5.2.1 比率的置信區(qū)間 69 5.2.2 兩個(gè)獨(dú)立樣本比率的比較 71 第6章 方差齊性檢驗(yàn)和t檢驗(yàn) 72 6.1 獨(dú)立樣本方差齊性的F檢驗(yàn) 72 6.1.1 原始資料方差齊性的F檢驗(yàn) 72 6.1.2 匯總資料方差齊性的F檢驗(yàn) 73 6.2 單樣本t檢驗(yàn) 74 6.2.1 原始資料的單樣本t檢驗(yàn) 74 6.2.2 匯總資料的單樣本t檢驗(yàn) 75 6.3 獨(dú)立樣本t檢驗(yàn) 76 6.3.1 方差齊性資料的獨(dú)立樣本t檢驗(yàn) 76 6.3.2 方差不齊資料的獨(dú)立樣本t＇ 檢驗(yàn) 79 6.3.3 幾何平均值的獨(dú)立樣本t檢驗(yàn) 80 6.3.4 匯總資料的獨(dú)立樣本t檢驗(yàn) 82 6.4 配對樣本t檢驗(yàn) 83 第7章 方差分析 86 7.1 完全隨機(jī)設(shè)計(jì)資料的單因素方差分析 86 7.2 A×B析因設(shè)計(jì)資料的方差分析 89 7.2.1 無交互效應(yīng)的A×B析因設(shè)計(jì)資料的方差分析 90 7.2.2 有交互效應(yīng)的A×B析因設(shè)計(jì)資料的方差分析 94 7.3 協(xié)方差分析 96 7.3.1 完全隨機(jī)設(shè)計(jì)資料的協(xié)方差分析 96 7.3.2 A×B析因設(shè)計(jì)資料的協(xié)方差分析 99 7.3.2 多元協(xié)方差分析 100 7.4 重復(fù)測量設(shè)計(jì)資料的方差分析 102 7.4.1 單組重復(fù)測量資料的方差分析 102 7.4.2 無交互效應(yīng)兩因素重復(fù)測量設(shè)計(jì)資料的方差分析 105 7.4.2 有交互效應(yīng)兩因素重復(fù)測量設(shè)計(jì)資料的方差分析 107 第8章 非參數(shù)檢驗(yàn) 111 8.1 單樣本符號秩和檢驗(yàn) 111 8.2 獨(dú)立樣本的Mann-Whitney 檢驗(yàn) 112 8.3 配對樣本的Wilcoxon符號秩和檢驗(yàn) 114 8.4 兩個(gè)或多個(gè)獨(dú)立樣本的Kruskal-Wallis檢驗(yàn) 116 8.5 多個(gè)有序分類樣本的Jonckheere-Terpstra趨勢檢驗(yàn) 119 8.6 隨機(jī)化區(qū)組設(shè)計(jì)資料的Friedman檢驗(yàn) 120 第9章 相關(guān)分析 123 9.1 散點(diǎn)圖 123 9.1.1 包含回歸線的簡單散點(diǎn)圖 123 9.1.2 包含LOESS平滑趨勢線的散點(diǎn)圖 125 9.1.3 包含回歸線的復(fù)式散點(diǎn)圖 127 9.2 Pearson相關(guān)分析 128 9.3 兩個(gè)獨(dú)立樣本相關(guān)系數(shù)差異的假設(shè)檢驗(yàn) 130 9.4 偏相關(guān)分析 131 9.5 等級相關(guān)分析 133 9.5.1 Spearman等級相關(guān)分析 133 9.5.2 Kendall系數(shù)一致性評價(jià) 134 第10章 回歸 136 10.1 帶回歸線的散點(diǎn)圖 136 10.1.1 帶簡單回歸線的散點(diǎn)圖 136 10.1.2 帶曲線回歸線的散點(diǎn)圖 138 10.2 兩變量間的回歸分析 144 10.2.1 兩變量的線性回歸分析 144 10.2.2 兩條回歸直線的比較 146 10.2.3 曲線擬合 148 10.3 多重線性回歸 148 10.3.1 強(qiáng)迫引入法 149 10.3.2 逐步回歸法 151 10.4 二值Logistic回歸 153 10.5 劑量反應(yīng)的概率單位回歸 157 10.5.1 原始資料的概率單位回歸 158 10.5.2 匯總資料的概率單位回歸 160 10.6 非線性回歸 162 第11章 生存分析 166 11.1 Kaplan-Meier生存分析 167 11.1.1 單樣本生存資料的Kaplan-Meier法 167 11.1.2 生存曲線比較的log rank檢驗(yàn) 169 11.1.3 生存曲線的log rank趨勢檢驗(yàn) 171 11.2 Cox比例風(fēng)險(xiǎn)回歸模型 173 11.2.1 Cox回歸PH假定的判定方法 173 11.2.2 建立Cox比例風(fēng)險(xiǎn)回歸模型 175 第12章 Meta分析 180 12.1 Meta分析概述 180 12.2 連續(xù)型資料的Meta分析 181 12.3 相關(guān)系數(shù)的Meta分析 185 12.4 比例的Meta分析 187 12.5 相對危險(xiǎn)度的Meta分析 188 12.6 風(fēng)險(xiǎn)差的Meta分析 191 12.7 優(yōu)勢比的Meta分析 192 12.8 ROC曲線下面積的Meta分析 194 12.9 通用逆方差法的Meta分析 195 第13章 連續(xù)監(jiān)測資料的序列測量分析 198 第14章 醫(yī)學(xué)參考值范圍的制定 202 14.1 一般資料的醫(yī)學(xué)參考值范圍制定 202 14.2 年齡別參考值范圍的制定 205 第15章 方法比較和評價(jià) 209 15.1 連續(xù)變量一致性評價(jià)的Bland-Altman圖 209 15.1.1 兩個(gè)連續(xù)變量一致性評價(jià)的Bland-Altman圖 210 15.1.2 兩種測量方法多次測量結(jié)果的Bland-Altman圖 212 15.1.3 多個(gè)連續(xù)變量一致性評價(jià)的Bland-Altman圖 215 15.2 連續(xù)變量一致性評價(jià)的山形圖 217 15.2.1 多個(gè)連續(xù)變量一致性評價(jià)的山形圖 217 15.2.2 三個(gè)連續(xù)變量一致性評價(jià)的山形圖 218 15.3 兩個(gè)連續(xù)變量一致性評價(jià)的Deming回歸 219 15.3.1 兩種方法單次測量結(jié)果的Deming回歸 219 15.3.2 兩種方法重復(fù)兩次測量結(jié)果的Deming回歸 221 15.4 兩個(gè)連續(xù)變量一致性評價(jià)的Passing-Bablok回歸 222 15.5 兩次測量中的變異系數(shù) 226 15.6 多個(gè)連續(xù)變量或有序變量一致性評價(jià)的類內(nèi)相關(guān)系數(shù) 227 15.6.1 單因素隨機(jī)模型設(shè)計(jì)資料的ICC 227 15.6.2 兩因素混合模型設(shè)計(jì)資料的ICC 229 15.6.3 兩因素隨機(jī)模型設(shè)計(jì)資料的ICC 229 15.7 兩個(gè)連續(xù)變量的一致性相關(guān)系數(shù) 230 15.8 兩個(gè)分類變量一致性的Kappa系數(shù) 231 15.8.1 原始資料的Kappa系數(shù) 231 15.8.2 匯總資料的Kappa系數(shù) 232 15.9 Cronbach α系數(shù) 234 15.10 響應(yīng)能力分析 236 15.10.1 配對樣本資料的響應(yīng)能力分析 236 15.10.2 獨(dú)立樣本資料的響應(yīng)能力分析 237 第16章 診斷試驗(yàn)的ROC曲線 239 16.1 ROC曲線分析概述 239 16.2 ROC曲線分析 241 16.2.1 連續(xù)型資料的ROC曲線 242 16.2.2 有序分類型資料的ROC曲線 245 16.3 交互點(diǎn)圖 246 16.3 參考值圖 248 16.4 預(yù)測值計(jì)算 250 16.5 區(qū)間似然比 251 16.5.1 原始資料的區(qū)間似然比 251 16.5.2 匯總資料的區(qū)間似然比 253 16.6 ROC曲線比較 253 16.6.1 相依ROC曲線比較 254 16.6.2 獨(dú)立ROC曲線比較 255 16.7 2×2列聯(lián)表的診斷試驗(yàn) 256 第17章 樣本含量估計(jì) 258 17.1 樣本含量估計(jì)概述 258 17.2 平均值比較的樣本含量估計(jì) 260 17.2.1 樣本平均值與總體平均值比較的樣本含量估計(jì) 260 17.2.2 兩獨(dú)立樣本平均值比較的樣本含量估計(jì) 261 17.2.3 配對樣本t檢驗(yàn)的樣本含量估計(jì) 262 17.3 比例比較的樣本含量估計(jì) 263 17.3.1 樣本比例與總體比例比較的樣本含量估計(jì) 263 17.3.2 兩獨(dú)立樣本比例比較的樣本含量估計(jì) 264 17.3.2 兩相關(guān)樣本比例比較的樣本含量估計(jì) 265 17.4 相關(guān)系數(shù)的樣本含量估計(jì) 266 17.5 生存分析對數(shù)秩檢驗(yàn)的樣本含量估計(jì) 267 17.6 Bland-Altman圖的樣本含量估計(jì) 268 17.7 ROC曲線的樣本含量估計(jì) 269 17.7.1 兩獨(dú)立樣本ROC曲線下面積比較的樣本含量估計(jì) 269 17.7.2 兩相關(guān)樣本ROC曲線下面積比較的樣本含量估計(jì) 271 17.8 置信區(qū)間估計(jì)與精確度的樣本含量估計(jì) 272 17.8.1 單樣本平均值置信區(qū)間的樣本含量估計(jì) 272 17.8.2 兩獨(dú)立樣本平均值差的置信區(qū)間的樣本含量估計(jì) 273 17.8.3 配對樣本平均差的置信區(qū)間的樣本含量估計(jì) 274 17.8.4 單樣本比例的置信區(qū)間的樣本含量估計(jì) 275 17.8.5 獨(dú)立樣本比例的置信區(qū)間的樣本含量估計(jì) 275 17.8.6 配對樣本比例的置信區(qū)間的樣本含量估計(jì) 276