论文中常见统计学问题的分析——定量资料的一般性统计分析

定量资料的一般性统计分析中比较常用的方法就是t检验、方差分析与秩和检验,看起来简单,却容易出错。在分析时须考虑资料的设计类型,不要把t检验当成“万能工具”。只有结合实际,正确选择统计分析方法,才能得出令人信服的结论。

论文中常见统计学问题的分析——统计资料的表达和描述

统计指标、统计表与统计图是表达和描述统计资料的重要方法 ,但是在选用统计指标、编制统计表与绘制统计图的过程中 ,往往会出现一些错误。作者仅就近几年一些杂志中普遍存在的这类问题进行剖析 。

代谢组学数据分析的统计学方法

代谢组学是近年发展快速的一门学科，目前在医学、植物学、微生物学、毒理学、药物研发等诸多领域中得到了广泛的应用。代谢组学研究产生大量的数据，这些数据具有高维、小样本、高噪声等复杂特征。如何从复杂的代谢组学数据中提取出有价值的信息，筛选出潜在的生物标志物成为近年来代谢组学研究的热点和难点。据此，本文针对目前代谢组学数据分析中的常用统计学方法及其研究进展进行介绍。

哈尔滨市道外区1994～2003年恶性肿瘤死亡情况分析

目的 对哈尔滨市道外区居民1994～2003年恶性肿瘤死亡情况进行流行病学描述和分析，揭示哈尔滨市道外区恶性肿瘤死亡的流行病学特征及变化趋势。以便为哈尔滨市道外区制定卫生事业发展规划、肿瘤控制策略与措施提供科学依据。方法 疾病分类采用ICD-9或ICD-10的方法，对原始资料用EXCEL建立数据库进行基本的数据处理。结果 1994～2003年道外区恶性肿瘤总死亡人数在全死因中占19．99％，位居第二位。男、女前三位恶性肿瘤均依次为肺癌、肝癌、胃癌，三者合计分别占男、女恶性肿瘤总死亡的65．27％和51．47％。恶性肿瘤死亡率男、女性别比为1．54，男性死亡率高于女性。结论 十年间道外区恶性肿瘤的粗死亡率随着时间变化呈上升趋势，而男女标化死亡率变化趋势不明显，呈小幅度的上下波动。肺癌和消化道肿瘤已成为危害道外居民健康与生命的重要原因。

三臂非劣效性设计生存时间数据的半参数统计推断方法

目的推荐并改进一种用于新药临床试验中生存分析三臂非劣效性设计的半参数统计推断方法。方法采用Cox比例风险模型建立用于生存时间数据的三臂非劣效检验方法,通过模拟试验验证该方法的有效性,并给出样本含量估计的R语言程序。结果模拟试验结果证实,在样本删失风险率维持在一定水平时,三臂Cox模型能有效地控制I类错误发生概率,并保证较高的检验效能,实际应用简单有效。结论本文推荐的方法,可以有效地应用于三臂生存时间数据的非劣效性研究。

临床试验统计分析报告SAS与R语言图形表达宏程序的实现

目前我国的临床试验统计分析工作，通常由具有临床试验经验的统计人员通过SAS软件实现并给出统计分析报告。对于重要的研究结果，若能在统计分析报告中恰当配合统计图形则更便于对结果的理解和解释。在SAS系统中，SAS／GRAPH作为专门的图形可视化模块具有十分强大的图形表现功能，利用图形功能可以在数据分析的同时更好地展现数据特点和相互之间的关系。SAS／GRPAH中提供了大量的图形选择和相应的选项，通过修改控制图形的选项之后，可以生成各种图形。

PLS-DA模型四种诊断统计量在代谢组学应用中的比较

目的比较PLS-DA模型四种诊断统计量在代谢组学数据分析中的检验效能和稳定性。方法采用双重交叉验证和置换检验的PLS-DA模型验证策略,并分别使用四种诊断统计量对模拟数据和实际数据进行分析。结果AUC统计量较误判数(率)、Q2和DQ2统计量具有更高的检验效能;同时,AUC统计量与其他三种诊断统计量相比较,具有更高的稳定性。结论 AUC统计量是PLS-DA模型验证过程中一种稳定有效的诊断统计量,推荐作为代谢组学研究中进行PLS-DA分析时的首选诊断统计量。

临床应用统计讲座（二）

这方面的研究约占临床医学科研的60～70％，一般还可以分为：单纯疗效观察和疗效及机理或致病因素研究两种，后一种研究需要配合各项检查，包括生理、生化、免疫等，致病因素则常采用病例对照研究方法。下面先介绍有关单纯疗效观察的应用统计方法。

候选基因关联研究的统计分析方法

随着新一代测序技术的发展及全基因组关联研究（genome-wide association study,GWAS）策略的推广,复杂性疾病基因关联研究涉及的SNP位点逐渐增加,且资料收集的逐渐完善促使描述疾病结局相关的指标增多,使样本信息多元化。

疾病治疗质量纵向综合评价模型的构建及在CIS中的应用

目的构建疾病治疗质量纵向综合评价模型,应用模型评价急性缺血性脑卒中(cerebral ischemic stroke,CIS)的治疗质量。方法潜变量测量模型联合多项式和多水平回归,建立疾病治疗质量纵向综合评价模型,利用马尔科夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法进行参数估计。模拟研究确定模型的适用条件,通过均方根误差(root mean square error,RMSE)和秩相关系数评价模型参数估计的准确性,并与潜变量增长曲线模型(latent growth curve model,LGCM)进行效果比较。结果构建可用于评价疾病治疗质量纵向变化、趋势变化及协变量影响的综合模型。模拟研究结果:评价对象数对模型效果影响较小,观测时间数6个、评价指标数20个时,模型可获得评价对象不同时间点治疗质量及变化趋势。治疗质量估计值与真值的秩相关系数均值为0.8128,高于LGCM的0.7610,协变量回归系数估计值与真值的RMSE均值为0.3756,低于LGCM的0.448;观测时间数及评价指标数越多,纵向综合评价模型效果越准确,且始终高于LGCM。应用结果:2011年到2016年,医院CIS平均治疗质量综合得分增加了0.9256,二级和三级医院分别增加了0.9432和1.321,教学和非教学医院分别增加了1.4904和1.1155。结论纵向综合评价模型可以全面合理评价疾病治疗质量及其纵向变化,分析评价对象的差异对变化趋势的影响。我国CIS治疗质量总体向好,变化趋势受医院等级及教学状态影响,研究结果可为后续有针对性的治疗质量干预措施制定及治疗质量的持续改善提供参考。

SDAEC算法在单细胞测序数据批次校正中的应用

目的 提出深度堆叠降噪自编码嵌套聚类(stacked denoising auto encoder embedded cluster, SDAEC)算法并用于单细胞mRNA测序(single cell mRNA sequence, scRNA-seq)数据的批次效应移除,对其移除批次效应性能进行评估。方法 基于单细胞数据具有高维度、高稀疏性及高度非线性误差特点,通过将单细胞Louvain聚类算法嵌入堆叠降噪自动编码器(stacked denoising auto encoder, SDAE)算法中,形成SDAEC算法,用于单细胞测序数据的批次效应移除。结合实际卵巢癌组织scRNA-seq数据,利用分布邻域嵌入(t-distributed stochastic neighbor embedding, tSNE)、 k最近邻批次效应检测(k-nearest-neighbor batch-effect test, kBET)、调整兰德系数(adjusted rand index, ARI)、标准化互信息(normalized mutual information, NMI)、平均轮廓宽度(average silhouette width, ASW)评价其移除批次效应性能。结果 利用SDAEC方法对scRNA-seq数据批次效应移除性能高于Combat、相互最近邻(mutual nearest neighbors, MNN)、分布匹配残差网络(maximum mean discrepancy distribution-matching residual networks, MMD-ResNet)和基于零膨胀负二项的方差提取法(zero-inflated negative binomial-based wanted variation extraction, ZINB-WaVE)。结论 SDAEC算法能够移除scRNA-seq数据的批次效应,提高scRNA-seq数据下游分析的有效性,具有实际应用价值。

基于增强子调控化疗相关基因的结直肠癌分型研究

目的 利用增强子RNA调控的化疗相关基因对结直肠癌患者进行分型,为精准医疗提供依据。方法 通过TCGA、 GEO数据库获取结直肠癌患者基因表达数据,筛选增强子调控的化疗相关基因,利用非负矩阵分解方法进行直肠癌患者分型,并在独立数据集中验证分型结果的稳定性。通过生存分析、 GSVA、 SubMap方法,比较各亚型患者在生存结局、代谢通路活性、免疫浸润细胞浸润等方面的差异。收集结直肠癌新辅助化疗患者血浆,检测血浆蛋白表达量,分析增强子RNA(eRNA)调控基因与结果化疗敏感性的相关性。结果 本研究收集了581人的TCGA基因表达数据,筛选50个eRNA调控的化疗相关基因,通过非负矩阵分解获得三个结直肠癌亚型:eRNA1、 eRNA2、 eRNA3, GEO验证集的分型结果与TCGA基因表达数据一致,均分为3个亚型。生存分析、代谢通路分析、免疫浸润分析提示:eRNA2,生存结局最差、 32个代谢相关通路异常激活、免疫浸润程度明显偏低。在蛋白水平上,eRNA调控基因与化疗敏感性存在关联性。结论 在缺乏有效结直肠癌临床分型的前提下,本研究通过eRNA调控的化疗相关靶基因可以进行结直肠癌稳定有效的分型;各亚型在生存结局、免疫细胞浸润、代谢相关通路研究中的差异,可为临床个体化治疗提供指导,并为相关机制研究指供线索。

随机森林回归分析及在代谢调控关系研究中的应用

目的探讨随机森林回归处理非线性、具有交互作用数据的性能,并将其应用于高维代谢组学数据的代谢网络变量筛选。方法通过模拟试验验证随机森林回归在具有交互作用和非线性情况下回归分析的效果,同时应用于卵巢良恶性肿瘤鉴别的代谢组学数据分析。结果模拟实验结果显示:对于具有交互作用及其他非线性关系的模拟数据,随机森林回归模型的效果明显优于多元线性回归模型;卵巢癌代谢组学数据分析显示,使用随机森林回归分析能够获得更为理想的结果。结论随机森林回归作为一种非参数回归技术,在一定的样本含量下(如n>100),能够在高维数据中有效地分析具有交互作用和非线性关系的数据。

急性心肌梗死后血浆中升高的microRNA-1与QT离散度的相关性研究

目的研究急性心肌梗死后血浆中升高的microRNA-1(miR-1)与QT离散度(QTd)的相关性及临床意义。方法选取急性心肌梗死(AMI)患者53例[无室性心律失常(VA)者40例、有VA者13例],健康对照人群49例,对血浆中miR-1的表达含量进行绝对定量,并测定心电图QT间期计算出QTd及校正的QTcd,再进行相关性分析。结果AMI患者血浆中miR-1的实际表达量和QTd及QTcd值均高于正常对照人群,而且有VA者的QTd及QTcd值均大于无VA者,QTd的延长与VA的发生密切相关,血浆中的miR-1表达水平与QTd呈正相关性。结论 AMI患者血浆中miR-1与QTd具有良好的正相关性,二者联合对AMI患者预警恶性心律失常的发生、近期预后评估具有重要的临床参考价值。

OPLS方法的原理及其在代谢组学数据判别分析中的应用

目的探讨orthogonal projection to latent structures(OPLS)方法的原理、特点及其在代谢组学高维数据分析中的应用。方法通过R语言编程实现OPLS方法,利用模拟试验探索OPLS的特性及适用条件,并通过实际数据进行验证。结果利用一个OPLS预测主成分的模型拟合效果与利用偏最小二乘(PLS)多个主成分的模型拟合效果相同,同时具有较好的判别能力,其得分图的可视化效果优于PLS。结论 OPLS能够有效去除自变量矩阵X中与因变量Y无关的信息,使模型变得简单、易于解释,同时具有较好的可视化效果,可有效地用于代谢组学数据分析中。

中介分析方法及在其医学研究中的应用

目前,中介分析已经被广泛应用于心理、预防、流行病等的医学研究,与传统的多元分析方法不同,中介分析不仅需要分析自变量与因变量之间的关系,还需要对自变量的不同作用加以分析,在一定程度上揭示自变量对因变量影响的内在机制,是一种因果效应推断的方法,已经越来越受到医学科研工作者的关注。

多重假设检验中FDR的控制与估计方法

近年来,基因组学、蛋白组学和代谢组学等高通量检测技术得到迅速发展〔1-4〕,由此产生变量数目巨大的数据（如m〉2000）,而样品数目较小（如10≤n≤100）,用传统的统计检验方法对生物标志物进行鉴别会产生大量的假阳性结果 （如检验水准取α=0.