很有趣的医学统计学故事(一)

很有趣的医学统计学故事(一)

医学统计学是一门很奇妙的科学。要说它简单吧，其实也挺简单的，常见的统计方法也就十余种，在教科书上都能找到，只要熟练掌握了，虽不敢夸下海口说可以“以秋风扫落叶的气概横扫四海之内的杂志”，但足以轻车熟路地应付 99% 的科学研究。要说它复杂吧，也挺复杂的，毫不夸张地说，绝大部分国内期刊，甚至在很多低分 SCI 杂志上，乱用统计学的现象多如牛毛。

很多同行在学习医学统计学时，都在抱怨自己很难走出“一学就会，一会就用，一用就错，一错就懵”的怪圈。究其原因，主要是部分同行学习医学统计学时都抱着一副“依葫芦画瓢”的态度，试图“套用统计学方法”来解决自己面临的问题，而不去仔细思考统计学方法的来龙去脉。本文拟谈几则与医学统计学相关的故事，希望能帮助大家从宏观上正确认识医学统计学这门科学。

1、两个指标诊断疾病的问题

路人甲做了一个研究，旨在比较两个指标（A 和 B）对肝癌的诊断价值。路人甲

以 A 和 B 的参考范围上限作为诊断界值，得出了 A 和 B 在该界值下对应的诊断敏感性和特异性。结果表明，本人系天天论文网就职11年的资深论文编辑；工作中与各大医学期刊杂志社进行学术交流过程中建立了稳定的编辑朋友圈，系多家医学杂志社的特约编辑，常年为医学期刊杂志供稿，负责天天论文网医学论文·分检·编校·推送·指导等工作！工作企鹅1:1550116010 工作企鹅2: 766085044A 的诊断敏感性为 0.80，特异性为 0.90；B 的诊断敏感性为 0.85，特异性为 0.87。路人甲很快撰写论文报道了自己的研究成果，指出 B 诊断肝癌的敏感性高于 A，而特异性低于 A。

路人乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见中写道：就敏感性而言，B 高于 A；就特异性而言，A 高于 B。诊断敏感性和特异性与所采用的界值密切相关，作者得出的敏感性和特异性仅仅代表了一个诊断界点下面的诊断效能，无法从全局上反映 A 和 B 的诊断价值。文章的结论到底是想说明 A 优秀还是 B 优秀呢？Reject!

这个故事说明：统计指标选错了，统计出来的东西往往难以“自圆其说”。

稿件被退了，路人甲有些许郁闷。经过认真学习科研设计与统计学知识后，路人甲终于明白了一个问题：两个指标诊断性能的比较是不能比较敏感性和特异性的，而应该比较 ROC 的曲线下面积，因为曲线下面积才是衡量整体诊断效率的最佳指标。路人甲很快绘制了 ROC 曲线，统计结果表明，A 的曲线下面积为 0.80，B 的曲线下面积为 0.82。路人甲欣喜若狂，赶紧动笔写论文，并且理直气壮地给文章定了一个结论：B 的诊断效率是优于 A 的，其理由就是因为 B 的曲线下面积大于 A。

路人丙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见中写道：从表面上看，B 的曲线下面积高于 A，但是导致这种差异的原因有两种，一种是抽样误差，一种是试验效应，即 B 确实是高于 A 的。你怎么能确定这不是抽样误差呢？在统计学上，要确定 0.82 是否高于 0.80，就一定要经过统计学检验的。Reject!

这个故事说明：在医学科研中，没有经过统计学检验的结论多半是不科学的。

稿件被退了，路人甲很是郁闷。他吸取了经验教训，自学了很多统计学理论，终于弄清楚了采用何种方法去比较曲线下面积。接下来的事情就是改稿，然后另选杂志继续投稿。路人甲在文稿中特别注明了，曲线下面积是经过了统计学检验的，B 的曲线下面积（0.82）与 A 的曲线下面积（0.80）之间的差异是有统计学意义的，而且还大摇大摆地在后面加了个括号，写明 P=0.01。路人甲仰天长叹了一口气，很郑重地给自己的研究下了结论：本研究表明 B 的诊断效率是优于 A 的。

路人丁是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：B 是常见的诊断指标，其检测结果并不对临床医师设盲，在很大程度上可以检测影响临床医师对疾病的诊断。A 是新进发现的诊断指标，其结果完全对临床医师设盲，不可能影响医生的诊断。所以作者的结论（B 比 A 优秀）是不可靠的。

再说得通俗点，如果把 A 和 B 分别理解成法庭上的原稿和被告，那 B 无疑既充当了辩护律师，又充当了法官的角色。在这种情况下，A 输掉了官司是十分正常的。如果换一个公平的、独立的法官来断案，B 能否胜出就不好说了。Reject!

这个故事说明：实（试）验设计有缺陷，再优秀、再正规的统计学方法也于事无补。 稿件又被退了，路人甲的心情极度郁闷。思来想去，决定把实验重做一遍，让 A 和 B 在一个公平的环境中比较（为便于描述，此处忽略医学伦理学问题）。在新开展的研究中，

A 和 B 都是对临床医生设盲的，不可能影响金标准。这下 A 和 B 的比较结果应该比较可靠了吧，路人甲又仰天长叹了一口气，感觉自己如释重负了。

科研太折腾人了，太不容易了！统计结果很快出来，A 的曲线下面积是 0.80，B 的曲线下面积则变成了 0.77，经过统计学检验后发现，A 的诊断效能确实是高于 B 的。整个研究的试验设计滴水不漏，统计学过程天衣无缝，我就不信还有人敢拒这篇稿件，路人甲心中开始暗喜。

路人戊是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：A 和 B 的检测并不矛盾，他们之间的关系不应该是竞争关系，而应该是合作关系。读者最关心的问题显然不是 A 和 B“孰强孰弱”的问题，虽然这个问题有一定的专业价值。

如果我是坐诊医生，我会说：A 和 B 谁强谁弱关我什么事？总之来一个病人我

就 A 和 B 都检测，我的患者都不差钱！作者的研究重点应该是明确 A 和 B 能否互补，联合使用是否能有助于提高诊断准确性的问题，而非 A和 B“孰强孰弱”的问题。简单地说，就是明确 1+1 是否大于 1 的问题。Reject!

文章又被拒稿了。

这个故事说明：研究方向错了，即使是无懈可击的实（试）验设计和天衣无缝的统计方法，也是无济于事。

这四个故事说明：医学科研是很痛苦的，不重视统计学和科研设计，会走很多弯路的。

2、降糖药的研究、学生自杀事件

路人甲长期从事降糖药的研究，最近他发现了一种药物，可以降低患者的血糖。为了评价该药的降糖效果，路人甲费尽心机地设计了一个看似完美的随机对照试验（RCT ），为了保证结果可靠，路人甲严格遵守 RCT 设计准则，包括随机、双盲、安慰剂对照等措施。

研究结果表明，实验组和对照组在接受药物治疗前血糖浓度的均值都是 10mmol/L，差异无统计学意义，表明两组研究对象的基线特征具有可比性。对照组未经任何药物治疗（为便于描述，此处忽略医学伦理学问题），血糖浓度还是 10mmol/L；实验组经过药物干预后，血糖浓度变成了 9mmol/L。

统计学检验结果表明，实验组和对照组治疗后的血糖浓度的差异是有统计学意义的（P

路人乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：却要确实可以降低血糖，但是一个只能降低 1mmol/L 的降糖药有何临床价值？Reject!

这个故事说明：有统计学意义不一定有专业意义。