序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇統計學驗證方法范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

[關鍵詞] 臨床試驗；統計學；GCP

[中圖分類號] R195[文獻標識碼] B[文章編號] 1673-9701（2011）25-75-02

Statistical Applications in Clinical Trials

LI Lin

Beijing Rongchang Drug Research Institute，Beijing 100078，China

[Abstract] An overview of statistics in clinical trials. Describes the main statistical analysis of clinical trials and clinical trials group significance test：test of superiority，non-inferiority testing， equivalency testing and switching between superiority and non-inferiority. Statistical applications in the safety analysis. Statistically significant and clinically differences in the similarities and differences.

[Keywords] Clinical trials；Statistics；GCP

在藥物臨床試驗研究中，受試者是人。人是具有變異性的生物體，而研究具有變異性的事物或現象的變化規律，需要應用統計學的思維方法和技術手段。統計學是在收集、歸類、分析和解釋大量數據的過程中完成使命的。

1統計在藥物臨床試驗中的重要作用

在臨床試驗設計階段就要考慮統計原則，否則所獲得的試驗數據結果將非常糟糕。新藥的有效性和安全性需要按照藥品臨床試驗管理規范（GCP）的原則實施臨床試驗來加以確證[1]。GCP對臨床試驗統計學的要求包括四個方面：統計學設計、統計分析計劃、數據管理和處理以及臨床和統計學報告。統計人員要與臨床試驗其他專業人員密切合作，以確保在藥物臨床試驗中能恰當地應用統計原則。

2統計學與試驗設計

臨床試驗按其目的大體可分“驗證性（Confirmatory）”試驗和“探索性（Exploratory）”試驗。驗證性試驗是控制良好的試驗，總是預先定義與試驗目的直接有關的關鍵假設，并且在試驗完成后對此進行檢驗；驗證性試驗必須提供療效和安全性的可靠證據。新藥臨床試驗中大部分是驗證性試驗，驗證性試驗包括所有的Ⅲ期試驗、大多數Ⅳ期試驗以及一些晚期的Ⅱ期試驗。但一個臨床試驗常具有驗證性和探索性兩方面。

對于每一個支持上市申請的臨床試驗，所有關于設計、實施和統計分析的要點應當于試驗開始前在試驗方案中寫明。試驗方案中的統計學設計包括試驗設計、樣本量的確定和為避免偏差而采用的技術。試驗樣本量的確定有很多種計算方法，其中驗證性試驗大多都是建立在假設檢驗基礎上的研究設計，因此對其樣本量的計算主要基于檢驗假設、顯著性水平及把握度等。試驗中為避免偏差而采用的隨機化、對照原則技術。

3臨床試驗中統計學分析人群[2]

3.1PP人群（per-protocol）

一般定義為所有按方案要求完成相關觀察并符合下列條件者構成PP人群：①依從性在80%～200%者；②試驗期間未服禁止藥物；③符合入選標準不具有任何一項排除指標；④完成全部計劃訪視且完成CRF規定填寫內容。

3.2FAS人群（全分析集）

主要療效指標的最終評價同時進行FAS人群分析。FAS人群為根據ITT（intention-to-treat analysis，意向性分析）分析原則確定的理想受試者人群。所有經隨機化入組，至少服用過一次研究藥物的人群，并至少有一次療效評估的人，都將計入ITT人群。主要療效指標的缺失，將采用最后一次觀察結果轉結的方法，即LOCF（Last Observation Carry Forward，簡稱LOCF）法，使各組在終點時評價療效的受試者數與試驗開始時保持一致。

3.3安全性分析（Safety人群）

指所有經隨機化入組，至少服用過一次研究藥物的人群，用于安全性評估。所有來自受試者的安全信息記錄都會予以評估，包括不良事件和實驗室檢查結果。

4臨床試驗中顯著性檢驗

臨床試驗目的是判斷試驗組的有效性時，首先要對試驗組與對照組的療效差異進行顯著性檢驗。

4.1優效性假設檢驗

當對照采用的是安慰劑對照或空白對照時，臨床試驗的目的主要是確定試驗組的療效是否比對照組好，或者當采用標準對照，研究者想了解試驗藥物療效是否優于對照藥物，這時兩組療效差異的顯著性檢驗需用優效性檢驗（傳統的假設檢驗）。通常優效性試驗取的都是雙側0.05顯著水平?？赏ㄟ^雙側0.05顯著水平或雙側95％可信區間兩種方法來實現，當然優效性試驗要求P＜0.05或兩組療效（治療-對照）之差的95％可信區間的下限大于0。

a.建立檢驗假設

以T代表試驗組的療效，以S代表標準對照組的療效。

H0：μT＝μS，即實驗組與對照組療效相同。

H1：μT≠μS，即實驗組與對照組療效不同。

b.計算統計量。

c.確定P值，做出結論。

4.2非劣效性假設檢驗

如果臨床試驗時對照組采用的是肯定有效的傳統藥物進行治療（稱標準對照或陽性對照），試驗的目的是考察新的治療方法的療效是否不比“標準”治療方法差，以便確定是否能用新的治療方法替代傳統的治療方法，則兩組的療效比較要用非劣效性假設檢驗（non-inferiority test）。

a.確定非劣效性界值：非劣效性界值，用δ表示。當新藥與標準藥物療效的差值在此范圍內時，我們認為新藥療效不比標準藥物差，否則，認為新藥療效不如標準藥物。δ值根據專業知識由臨床專家來確定[3]，一般把專業上或公認有臨床實際意義的差值作為δ值。

b.建立檢驗假設：以T代表試驗組的療效，以S代表標準對照組的療效。

H0：μT-μS≤-δ，即試驗組療效不如標準對照組。

H1：μT-μS＞-δ，即試驗組的療效不比標準對照組差。

c.計算檢驗統計量。

4.3等效性假設檢驗

如果對照組采用的是標準對照，試驗的目的是考察新的治療方法的療效是否與“標準”治療方法相等，則兩組療效的比較要用等效性假設檢驗。

a.確定等效性界值：新的治療方法與標準治療方法的療效相比，最低不能低于多少以及最高不能超過多少才可認為是“等效”，稱為等效性界值。

b.建立檢驗假設：T代表試驗組的療效，S代表標準對照組的療效。

c.計算檢驗統計量。

4.4非劣效性假設檢驗與優效假設檢驗的轉化[4]（圖1）

從非劣效性試驗向優效性試驗轉換是可行的，前提是：

a.試驗要按照非劣效性試驗的嚴格要求正確地設計和執行。

b.提出優效性的實際P值以獨立評價證據的力度。

c.最大限度地強調按照ITT原理分析。

圖1非劣效性轉換為優效性

4.5優效性試驗轉化為非劣效性試驗[4]

如果優效性試驗未能檢測出治療組間顯著性差異，可以再證實非劣效。國外指導原則建議在所有優效性試驗設計中，設計期間就在方案中事先指定非劣效性邊界。當研究方案含有一個可接受的、前瞻性確定的非劣效性邊界-Δ時，下調目的在方法上不會有很大的問題。見圖2。一定要注意有些醫學領域內，與陽性對照相比的非劣效性不能作為唯一的或主要的療效證據，還需要安慰劑對照的試驗。

圖2優效性轉換為非劣效性

我國目前新藥研況是自主創新藥品較少，而仿制國外已上市藥品占多數，對于國內尚未上市的藥品，無論是創新藥還是仿制藥，如選安慰劑為對照則應證實其優效性，如選國內已上市的同一治療領域的藥物作為陽性對照藥，則應至少驗證其具有非劣效性。

5安全性分析

臨床試驗中需要常規地進行實驗室檢查，一是作為基線測量，再是考察有無實驗室指標上的療效和毒性。從安全性評價考慮，常規的實驗室數據綜合包括①根據一組參考值范圍制定實驗室指標的等級；②構建從基線等級到最嚴重等級或治療結束時等級的變化表；③對均數或均數百分數變化進行統計學檢驗；④繪制反映實驗室指標變化的統計圖。對實驗室指標在不同中心測量的結果，必須考慮各實驗室測量單位或參考值范圍不同的情形。

許多臨床試驗中更多是關心從正常變化為異常的情況。所以經常將實驗室指標分為正常、異常無臨床意義和異常有臨床意義。統計學人員缺少不良事件判斷的醫學知識，而醫生受過醫學專業訓練 ，對安全性考慮更切合實際。因此統計學人員需要與醫療同事密切協作以便進行臨床意義上安全性分析。

6統計學差異與臨床差異[5]

統計學差異是指該差別不大可能單純由偶然因素導致，臨床專業差異則指從專業角度判斷兩者差別有意義。二者概念上的區別在于前者與隨機性（概率）有關，后者則主要與藥物的具體特性相關。若專業上與統計學上均顯著或均不顯著，作出的結論就很明確，沒有理解上的歧義。然而，臨床專業上與統計學上結論不一致的情形也不少見，試驗因素的變異度較大及樣本含量不足，可能是試驗結果不一致的原因。

[參考文獻]

[1] 國家食品藥品監督管理局. 藥品臨床試驗管理規范[S]. 2003-8-6.

[2] 國家食品藥品監督管理局. 化學藥物和生物制品臨床試驗生物統計學技術指導原則[S]. 2005-3.

[3] EMEA Guideline on the choice of the non-inferiority margin London[S]. 27 July 2005CPMP/EWP/2158/99.

[4] EMEA Points to consider on switching between superiority and non-inferiority London[S]. 27 July 2000 CPMP/EWP/482/99.

篇(2)

【關鍵詞】地質統計學 地震反演

1 地質統計學地震反演方法研究1.1 測井曲線標準化

測井曲線標準化與否直接影響著反演結果的精度以及門檻值的確定。選擇沉積穩定分布范圍較廣的青一段大段泥巖為標準層，采用直方圖頻率標準化方法對全區測井曲線進行標準化。利用標準化之后的測井曲線進行反演參數可行性分析，并確定區分砂泥巖測井曲線類型以及門檻值。1.2 精細合成地震記錄制作

地質統計學反演精細層位標定十分重要，它的制作精度直接影響反演結果的精度，采用雷克零相位子波，應用整體拉伸與局部微調的方法保證井震匹配。精細制作合成地震記錄有兩個主要原因。第一，建立鉆井地質分層與地震反射同相軸的對應關系；第二，將測井揭示的儲層信息正確地標定在地震剖面相應的位置上，實現井震匹配。

1.3 建立構造、低頻模型，實現波阻抗反演

地震層位是建立構造模型的基礎，在地震層位和地質模式的約束下，由于地震缺失低頻成分，建立低頻模型，選取適當的插值方法，對井的初始波阻抗進行內插和外推，建立初始波阻抗模型。精確初始模型的建立是測井約束反演的基礎，約束反演處理的控制因素，建立接近地質條件的波阻抗模型，是減少其最終結果多解性、提高精度的根本途徑。測井資料在縱向上詳細揭示了巖層的波阻抗細節，地震記錄則連續記錄了波阻抗的橫向變化特征，二者的相結合，為精確的建立空間波阻抗模型提供了必要的條件。建立波阻抗模型的過程，實際上就是把橫向上連續變化的地震界面信息與高分辨率測井信息相結合的過程。

1.4 以波阻抗反演為模型，實現地質統計學反演

地質統計隨機反演在計算的時候，選用Jason反演StatMod模塊時，要把高斯配置協模擬和反演選項全部選中。這樣在運算中，就會將反演選項中的地震數據納入到的計算過程中來，并且通過先前做直方和相關分析時，可將反演的主變量與波阻抗的相關性也考慮進來，載入測井曲線進一步約束反演進行，最終能使得反演成果縱向上有理想的分辨率，與井點先驗數據吻合，又能使隨機反演的結果平面上較好地忠實于地震資料，得到地質統計學地震反演剖面。

1.5 影響砂體預測精度的重要參數分析

不同井網密度對反演結果影響較大，據反演結果分析可以看出，300m井網，3m以上砂體預測精度可達80%以上； 1m以下砂巖預測精度較低；夾層厚度對反演結果也有較大影響，圍巖厚度在2m以下砂巖較難區分開；不同反演曲線對反演結果也有影響，通過精度分析與優選，采用最佳反演曲線預測砂體；不同井網對砂體預測精度影響較大，由圖7可以看出B井控制300m范圍內砂體預測精度較高，超出600m井距如果無井控制，則只能預測出厚砂體。

2 精度分析

地質統計學反演能否用于修正測井相帶圖預測井間砂體，關鍵取決于反演后用于測井解釋進行驗證，A區塊經過隨機選取參與反演井與未參與反演井進行精度分析， 3m以上砂巖綜合符合率達到80%以上，1～3m砂巖符合率達到70%以上，1m以下砂巖符合率為50%以上，可以用于預測井間砂體。

3 成果應用

經過精度分析驗證，反演成果可用，可以修正A區塊各沉積單元相帶圖，不僅可以深化曲流帶單一河道邊界認識，為細分單砂體連通關系奠定了基礎，還可以修正河道砂體走向預測井間砂體，我們以修正河道砂體走向為例：結合地震反演剖面（如圖2）與砂巖厚度等值圖修正了A區塊C層沉積相帶圖。

圖4？A區塊C層井震結合后相帶圖

4 結論

（1）地質統計學反演側重于測井與地震的聯合。在地震解釋和沉積分析基礎上根據地質框架表，生成符合地質規律的初始阻抗模型。在道合并模塊中，由于井模型可靠，低頻成分得到了準確的補償，高頻成分得到了恢復，達到了探測薄層的目的。

篇(3)

關鍵詞:耳鼻喉科;詢證護理;臨床效果

循證醫學發展至今已經取得臨床的實踐驗證，并已經逐漸滲透入臨床護理工作中，成為護理學中重要的護理觀念。循證護理的核心思想是強調證據在臨床護理中的指導作用，并通過臨床證據與批判性思維進行護理程序，進而尋求最佳護理方法［1］。循證護理在耳鼻喉科臨床護理中具有突出的作用，本實驗運用循證護理對96例患者進行護理，取得較好效果，現報告如下。

1資料與方法

1．1一般資料

隨機選取我院2014年3月～2015年1月間收治的耳鼻喉患者96例，其中男59例，女37例，年齡21～62歲，平均年齡47±7.9歲;所有患者中大專及以上學歷者16例，高中學歷者29例，初中學歷者26例，初中以下學歷者25例;患者原發病包括:鼻竇炎、鼻息肉、慢性鼻炎、頑固性鼻出血、分泌性中耳炎、化膿性中耳炎、急性喉炎、急慢性呼吸道梗阻;按照就診的時間順序，將患者分為對照組與實驗組，其中實驗組患者48例，對照組患者48例，兩組患者在年齡、性別、文化程度、原發病等方面無顯著差異(P＞0.05)，具有有統計學意義。

1．2護理方法

對照組采用常規護理方法，實驗組采用循證護理方法，具體方法如下:循證支持:結合臨床治療與臨床護理實踐經驗，在查閱大量相關文獻及研究成果的基礎上，總結歸納具體的心理護理規范和健康教育計劃，建立起可靠的理論與實踐依據，進而在此基礎上提高耳鼻喉科臨床護理的質量及服務水平。循證護理干預方法:①患者入院接受治療時，護理組除進行常規護理之外，還應在循證護理計劃的指引下，增加與患者之間的溝通交流，將耳鼻喉科詢證護理計劃結合患者自身情況進行針對性的完善，并在入院后、手術前后、出院前進行健康教育，在遇到難以解決的問題時及時求助相關醫師②針對耳鼻喉科患者的實際情況，采取合理有效的護理方法來減輕患者的疼痛感及由疼痛而引發的情緒波動，比如音樂護理等;③在患者手術前進行針對性的宣傳教育，提高患者對自身疾病及手術前、中、后可能出現情況的認知水平，使他們提前具備手術短期內生活不便的思想準備，最大限度的降低他們的緊張、焦慮、恐懼等情緒;④對于各種原發病采取針對性的護理，呼吸道阻塞或氣管插管、脫管的患者，應加強護理巡視密度，做好巡視記錄，對于經常出現此類癥狀的患者，應加強看護程度。

1．3治療效果評價指標

治療結束后至出院前，對所有患者進行調查統計，調查內容包括患者滿意度、耳鼻喉健康知識普及率、心理情緒控制情況與并發癥的發生率等四個方面，并以此作為評價臨床護理的效果指標。

1．4統計學方法

本實驗所有數據的處理采用SPSS17．0統計軟件進行統計分析，計量資料采用t檢驗，計數資料采用卡方檢驗，以P＜0.05為組間對比具有統計學意義。

2結果

通過問卷調查、現場溝通咨詢等方式對所有參與實驗的患者進行了解統計，實驗組與對照組在滿意度、耳鼻喉健康知識普及率、心理情緒控制情況與并發癥的發生率四個方面的統計結果見表1。

3討論

隨著人們生活質量及健康醫療意識的不斷提升，人們對就醫過程中的臨床護理質量提出了更高的要求，(因此科學有效的護理在臨床治療中的作用日趨顯著［2］。隨著對護理工作的不斷深入研究，越來越多的理論被運用于臨床護理工作中，并取得良好的效果。循證護理作為一種新型護理模式，在不斷經歷臨床驗證的基礎上，逐漸獲得醫患雙方的接受與認可。本研究結果顯示，在采用循證護理模式的實驗組，患者無論是在滿意度、健康知識普及率還是在心理情緒調控等方面均表現出突出的優勢，與對照組進行的橫向對比結果也表明，二者之間的差異性較為顯著(P＜0.05)，說明循證護理模式在這幾個方面表現出臨床護理優勢。在并發癥發生率方面，實驗組僅2例患者出現并發癥現象，而對照組則出現7例，在對這9例并發癥患者的并發癥發生原因進行檢查分析后得知，由護理因素直接導致的并發癥5例，其中對照組5例，實驗組0例，這說明在控制并發癥發生率方面，循證護理模式同樣具有突出的優勢。實驗證明，循證護理模式在耳鼻喉科臨床護理工作中具有積極的意義，具備臨床推廣價值。

參考文獻:

［1］李兆坤．人性化護理模式在耳鼻喉科臨床護理工作中的應用探析［J］．中國醫藥科學，2014，5:69－71．

篇(4)

聚類分析是人們認識和探索事物內在聯系的一種手段，成語“物以類聚，人以群分”是這一理念的最樸素和直觀的反映，其目的是將一個數據集劃分為若干聚類，并使得同一個聚類內的數據對象具有較高的相似度，而不同聚類中的數據對象的相似度盡可能低。聚類分析(Clustering analysis)是分類分析的逆向方法，但聚類分析中要劃分的類的數目是未知的，就是說聚類把沒有分類的記錄，在不知道應分成幾類的情況下，按照數據內在的差異性大小，合理地劃分成幾類，并確定每個記錄所屬別。聚類分析在經濟、生物、醫學等許多領域有著廣泛的應用，比如在市場研究中，面對個體經營戶的“營業收入額”、“營業支出額”、“產品銷售水平”等多個評價指標，無法按照一個指標去分類，就可以通過聚類按照數據間的自然聯系把分散的記錄“聚”成幾“堆”，然后再對每堆進行深入分析［1］。還可以通過聚類分析把一組數據按照其相似性和差異性分為幾個類別，使屬于同一類別的數據間的相似性盡可能大，不同類別中的數據間的相似性盡可能小，應用到消費群體的分類、消費者需求背景分析、產品銷售趨勢預測、個體經營戶場所的細分等工作環節。

1 基于統計學的傳統聚類分析

在統計學中，聚類分析是多元統計分析的重要組成部分，屬于探索性統計分析方法。按照分類目的可分為兩大類：指標聚類（又稱R型聚類）和樣品聚類（又稱Q型聚類），其中指標聚類是指將若干個指標歸類的方法，其目的是將指標降維，從而選擇有代表性的指標，樣品聚類是指將若干個樣品歸類的方法，其目的是找出樣品間的共性。聚類分析的關鍵是選擇指標或樣品間的相似性度量相似系數，指標聚類常用相關系數rij表示變量間的相似程度，rij的絕對值越大表明變量間相似程度越高，而樣品聚類常用距離dij表示，dij越小，表明樣品間相似程度越高。

由于指標聚類實質上是對變量進行分類，也可進行主成分分析或因子分析，因此目前的聚類分析方法主要針對樣品聚類。系統聚類是統計學中進行聚類分析的最常用方法，既可用于樣品聚類，也可對指標聚類，其聚類過程主要分3步：開始將各個樣品或指標各自視為一類，計算類間相似系數矩陣，然后將相似系數最大，即相似程度最高的兩類合并成新一類，并計算新類與其余類間相似系數，最后重復第2步，直至全部樣品或指標被并為一類。系統聚類的每一步都要計算類間相似系數，其算法主要包括最大相似系數法、最小相似系數法、重心法、類平均法、最小離差平方和法，其中后3種僅用于樣品聚類。但相似系數的定義不同將導致系統聚類結果有所差異，尤其在樣品聚類中，分類樣品越多時差異愈加明顯，這就要求在聚類分析前，應盡可能選擇有效變量。同時可嘗試使用多種相似系數計算方法，并結合相關專業知識獲得理想結論。

2 基于數據挖掘的聚類分析方法

數據挖掘（DM）是一個從存儲于數據庫中的大量數據中，利用各種方法提取隱含和潛在的對決策極為有利的信息和知識的過程，其目的是從大量的數據中發現知識，并服務于決策。數據挖掘涉及數據庫、統計學、人工智能、可視化等多個學科，它的過程一般包括數據準備、數據開采、結果表達和解釋，其中數據開采是數據挖掘過程中的關鍵一步，通過選定某個特定的數據挖掘算法（如關聯、分類、回歸等），用于搜索數據中的模式，其中聚類分析已成為對海量數據集進行合理分類的首選方法。

聚類分析是面向實際應用的技術，因此，聚類的定義與待處理的數據類型有關。傳統的聚類分析已有多種算法，但由于數據挖掘的處理對象是海量的高維數據集，又有許多新的算法被提出，如基于網格的聚類算法，基于密度的聚類算法以及模糊聚類算法等。實際上，在數據挖掘中，大多數對象并沒有嚴格的類屬性和隸屬關系，它們在屬性等方面存在著重疊性、交叉性，比較適合進行模糊劃分，因此數據挖掘中的聚類分析主要為模糊聚類分析。

在模糊聚類分析中，主要的聚類算法是模糊C均值算法（FCM）。FCM算法是基于對目標函數的優化基礎上的一種數據聚類方法，是通過目標函數的迭代優化算法來實現對給定樣品集合的劃分。聚類結果是每一個數據點對聚類中心的隸屬程度，該隸屬程度用一個數值來表示。確定合適的聚類準則是FCM算法的關鍵步驟之一，一般可選用最小平方誤差和準則。FCM算法的主要步驟可分為：①初始化聚類中心點值P（0），確定迭代停止閾值ε ；②計算由隸屬度的值組成的劃分矩陣U；③利用劃分矩陣更新聚類中心值；④重復第2步，直至聚類中心值滿足停止閾值ε 的條件，則迭代停止。由以上步驟可以看出，算法的過程就是不斷地修正聚類中心值P和由隸屬度值所組成的劃分矩陣U，屬于動態聚類過程。

3 數據挖掘中的聚類分析和傳統聚類分析的對比研究

數據挖掘是近幾年里發展起來的一門嶄新的學科，由于它與統計學都關心從數據中發現某種結構，因而從數據挖掘誕生之日起，就與統計學有了千絲萬縷的聯系［1］。但數據挖掘并不是統計學的應用分支，數據挖掘還應用到其它學科的思想、工具和方法，尤其是計算機領域方面的知識，如數據庫技術等。統計學和數據挖掘關注的范圍不同，統計學關注的中心是：如果我們僅僅從樣品中得出結論，那么如何通過樣品得出的結論做出對總體的描述？而數據挖掘被用來研究分析的數據集很大，這就意味著如果僅僅靠一個樣品來進行處理并做出對總體數據集詳細而準確的描述是行不通的，因為數據挖掘的相關問題常常包含了數據的全部樣品即總體，譬如公司的全部工人、數據庫中所有消費者一年的所有交易記錄等。

傳統的聚類分析是一種硬劃分，它把每個待辨識的對象嚴格地劃分到某個類中，具有非此即彼的性質，因此這種分類的類別界限是分明的［2］。而實際上大多數對象并沒有嚴格的屬性，它們在性態和類屬方面存在著中介性，適合進行軟劃分。由于模糊聚類得到了樣品屬于各個類別的不確定性程度，表達了樣品類屬的中介性，即建立起了樣品對于類別的不確定性的描述，能更客觀地反映現實世界，從而成為數據挖掘中聚類分析研究的主流［3］。模糊聚類分析是用模糊數學的方法研究聚類問題，也是一種無監督的模糊模式識別方法，其實質是指根據研究對象本身的屬性來構造模糊矩陣，并在此基礎上根據一定的隸屬度來確定聚類關系。目前受到普遍歡迎的是基于目標函數的方法，該方法設計簡單、解決問題的范圍廣，最終還可以轉化為優化問題而借助經典數學的非線性規劃理論求解，并易于計算機實現。因此，隨著計算機的應用和發展，該類方法成為聚類研究的熱點。傳統的聚類分析算法在數據挖掘中也可使用，但由于傳統聚類算法導出確定的聚類，是一種"硬劃分"，這種類別劃分的界限分明，無伸縮性，算法的效率較低。

聚類分析的應用非常廣泛，但傳統的聚類分析方法不能處理連續變量和分類變量混合出現的數據，對復雜的類別結構區分效果不佳，更關鍵的是這些方法不能自動判斷結果中適宜的類別數，不能夠提供結果驗證手段，結果是否合理只能依靠隨后的統計方法加以驗證，但利用數據挖掘中的聚類分析方法，就能對上述問題加以解決。另外，在數據挖掘的聚類分析中，對模型效果的驗證一般采用樣品拆分的方式進行，即在分析前首先將整個數據集隨機拆分為訓練集和驗證集兩部分，然后使用訓練集樣品建立預測模型，再使用該預測模型對驗證集進行預測，以判斷當前模型的預測效果如何［2］，而傳統的聚類分析由于不存在目標變量，因而不存在判斷模型效果的指標，也就難以進行模型效果的驗證。

【參考文獻】

篇(5)

關鍵詞：統計學；創新實驗；實驗教學改革；創新能力

中圖分類號：G642.423 文獻標識碼：A 文章編號：1007-0079（2014）11-0179-02

“統計學”是經濟與管理學院學生必修的專業基礎課。“統計學”的教學目的不僅在于培養學生的統計思維，掌握基本統計知識，更重要的是培養學生應用統計理論和方法分析與解決實際問題的能力。[1，3]上海電力學院經濟與管理學院（以下簡稱“我院”）的工商管理、物流管理、國際貿易、經濟學、公共事業等專業對實踐要求很高，各專業畢業生到各大企事業單位工作后將經常需要設計統計調查方案、策劃和實施統計調查、整理和分析統計數據及撰寫統計調查報告等。同時，為了給將來進行科學研究和就業打好良好基礎，我院許多學生承擔了上海市或校內大學生科研創新項目、參與了多項教師的科研項目及多樣化的社會實踐項目。上述很多具體實踐工作和科研項目均需要展開統計調研、數據分析及統計建模工作，這就要求學生必須具備很強的綜合分析能力、實踐能力和創新能力。

在當今這個科學技術日新月異的時代，對創新型人才的需求日趨強烈。實踐教學改革是現代社會創新型人才培養的客觀要求，但經濟與管理學院實踐教學環節普遍薄弱，“重理論知識，輕實踐操作”的慣性依舊存在，導致學生在一定程度上理論與實踐脫節，創新素質不高，動手能力不強。[2]

重視培養學生的創新型思維、個性及能力素質，增強實踐環節的訓練，更好地促進統計學與學生所學專業的結合，讓不同專業的學生均能學以致用，靈活準確地解決實際問題，才是統計學學習的真正意義所在。

一、統計學實驗教學問題分析

我院以往的統計學實驗教學模式單一，不能滿足目前創新型人才培養的需求，存在一系列問題。

第一，統計學實驗設計中以演示型、驗證型實驗為主，設計型、綜合型實驗較少，不利于學生實踐能力與創新能力的培養。

第二，經濟與管理學院工商、國貿、信管、物流、經濟學、公共事業等專業均開設“統計學”課程，但是各專業實驗教學使用的案例基本相同，與專業結合度低，缺乏針對性和專業特色。

第三，2011年之前統計學教師隊伍中大部分教師是碩士或博士畢業之后直接進入高校工作，缺乏在相關金融、證券、咨詢公司及企事業單位的從業經歷，實踐經驗不豐富。

在此種實驗教學模式下，發現學生對統計資料的搜集、整理及統計數據分析方法的理解不夠深刻，對統計預測和決策方法的掌握不夠靈活，學生的實踐能力和創新能力不強。因此，對經濟與管理學院統計學實驗教學模式進行了綜合改革和實踐，致力于培養基礎扎實、創新能力強、綜合素質高的創新型人才。

二、統計學實驗綜合改革與實踐的重要保證

1.實驗環境

經濟與管理學院在重點學科建設及085工程項目建設中改建和新建了幾個大型實驗室，各種軟硬件設施配備十分完善，不僅可以支持教師在實驗教學平臺上進行統計學軟件操作演示，還可供百余名學生同時學習操作多種統計學軟件，為統計學實驗教學的開展提供了良好的實驗環境和操作平臺。

2.教師隊伍實踐能力的培養和提高

教師能夠熟練掌握現代化統計軟件并能有效地運用于實驗教學中，同時具有豐富的實踐經驗，是進行統計學實驗綜合改革的重要保證。我院統計學主講教師自2011年開始先后參加了上海市產學研踐習計劃項目，到金融證券公司、電力公司、新能源企業等各大公司和企事業單位踐習一年，在此過程中參與完成了多項不同領域的實踐項目，豐富了實踐經驗，提高了實踐能力，同時也為“統計學”課程積累了大量的新的實驗教學案例和素材。

3.實驗教學方法的改進和完善

在統計學實驗教學中根據學生所學專業選取典型案例，案例要具有針對性，考慮案例要解決什么問題，如何引導學生積極思考。典型案例需要能夠充分運用已學的統計學理論和方法解決實際問題，啟發學生明確案例統計研究對象，熟悉統計研究步驟，了解不同統計方法的應用。如利用肯德基選址條件和方法案例講解統計資料搜集與整理方法，結合紙尿布與啤酒營銷案例講解統計數據相關和回歸分析方法。同時穿插多種生動的小型教學視頻，使學生在輕松的環境中學習統計學并喜歡上統計學。在校企實踐環節，邀請安排企業高層次統計分析人員來校示范教學，同時安排學生去企業開展統計調研和實踐活動，幫助學生更加深入地理解統計理論和方法的實際應用，提高學生的學習興趣。

三、統計學實驗教學體系設計

為滿足社會需求，培養學生的創新能力，教研組制定了新的培養方案，修訂和編寫了有專業特色的實驗教學大綱和實驗指導書，對實驗教學進行了統一的規范化指導。為增強統計學實驗教學專業特色，使統計學和學生所學專業能夠更好地融合，為每個專業編制了具有專業特色的教學案例及統計調查報告模版，同時把統計學實驗教學體系分為了兩個模塊：公共模塊和專業模塊。

1.公共實驗模塊以基本演示型、驗證型實驗為主

教師結合各專業典型案例演示EXCEL和SPSS的基本操作及計算功能，描述統計和推斷統計功能，包括：實驗一――應用統計軟件EXCEL或SPSS對數據進行預處理，統計分組，繪制統計圖及制作統計表。實驗二――利用算數平均數、調和平均數、幾何平均數、中位數和眾數、方差和標準差、離散系數、峰度和偏度等方法對統計數據的集中趨勢、離散趨勢和分布形狀進行分析。實驗三――對總體均值和總體比率等參數進行置信區間估計以及假設檢驗。實驗四――結合經管領域具體案例，對不同因素之間的關系進行相關分析和回歸分析。通過公共實驗模塊的學習，加強學生對不同統計方法的理解和掌握，使學生了解統計軟件、熟練統計軟件的基本操作。

2.專業實驗模塊以設計型和綜合型實驗為主

（1）設計型實驗教學環節設計。要求學生能夠運用統計方法和統計軟件完成四個設計型實驗項目。首先給出四組與學生專業相關的典型案例和數據資料，讓學生獨立完成對案例的統計分析，設計解決問題的統計方案，選擇統計方法，并用統計軟件實現統計方法，完成實驗項目。培養學生熟練使用統計軟件解決問題的實踐能力。

（2）綜合型實驗教學環節設計。綜合型實驗是對設計型實驗的綜合和拓展。讓學生以小組為單位綜合運用統計理論、方法及統計軟件解決一些與本專業相關的實際問題，培養學生的綜合分析能力和創新能力。具體措施如下：

1）讓學生組建小組，每小組根據自身專業方向，結合參與的上海市大學生創新項目、教師科研項目、社會實踐項目以及感興趣的熱點問題選擇適合的統計調查題目。如工商管理專業學生選擇的大學生消費情況調查、信息管理專業學生做的大學生網絡購物情況調查及公共事業專業學生做的大學生逃課情況調查等。

2）每小組獨立設計統計調查方案，包括確定統計調查目的，確定調查對象、調查單位及填報單位，制定調查項目，確定調查時間及時限，制定調查的組織實施計劃等等。教師對每一個小組設計的統計調查方案進行修改和完善。

3）每小組獨立完成統計調查問卷的設計并進行問卷調查。教師對每小組設計的調查問卷進行指導，提出修改建議。搜集調查問卷的工作在課外完成。

4）每小組借助于EXCEL或SPSS統計軟件，對搜集的調查問卷信息進行整理、繪制統計圖和統計表、構建統計模型、完成數據的統計分析并給出結論。

5）每小組完成一份詳細深入的統計調查報告，要求圖表清晰，層次清楚，邏輯嚴謹，結論準確。

6）最后每小組以PPT的形式，對統計資料搜集、分析方法和得出的結論進行闡述，分享實驗成果。組織不同實驗小組的學生進行交流，教師和學生共同對每組統計調查報告進行總結、評價及提出修改建議，促進每小組進一步完善統計調查報告。

7）開通我院統計學學習微博賬號，建立開放的統計學網絡學習平臺，分享統計學習資料、最新的統計資訊、趣聞和軼事、有意義的統計資源成果等。師生也可以通過微博平臺交流疑難問題，加強師生間的互相學習，同時促進學生網上網下共同學習，齊頭并進，更廣泛地學習統計學。

四、統計學實驗教學改革效果

通過統計學實驗教學模式的綜合改革和實踐，學生的統計學學習積極性和學習效果有了顯著提高。學生們能夠利用統計學各方法和統計軟件對身邊的熱點問題進行量化分析和深入探討，并形成統計分析報告，解決一些實際問題。很大程度上也促進了后續課程的開展，如管理學、市場營銷等學科均需要學生作統計調研分析工作，很多同學能夠嫻熟地完成上述課程所要求的統計分析。部分學生也開始采用統計學各理論和方法，運用統計軟件對承擔及參與的科研項目和畢業論一些很專業的量化分析，科研項目和畢業論文的完成質量有了很大提高。新的實驗教學模式可以幫助學生靈活掌握并運用統計理論和軟件解決實際問題，極大地優化了學生的學習效果，提高了學生的實踐能力以及創新能力，從而完善了統計學教學、科研及社會實踐一體化的實驗教學體系。

參考文獻：

[1]王吉春.關于經管類專業開展統計學課程實驗教學的思考[J].教學研究，2008，（3）：23-24.

篇(6)

方法 85例阿德福韋酯初始治療應答欠佳的患者，隨機分為二組。實驗組45例，停用阿德福韋酯，換用恩替卡韋0.5mg/日治療，療程48周。對照組40例，繼續阿德福韋酯10mg/日治療，療程48周。觀察后續治療前后肝功能，HBV標志物、HBV DNA變化情況及腎功能情況。

結果 療程完成后實驗組肝功能復常率、HBV DNA轉陰率、HBeAg陰轉率均高于對照組，差異有顯著統計學意義，且付作用少。

結論 對阿德福韋酯應答欠佳的慢性乙型肝炎患者的治療，采用恩替卡韋后續治療可能是很好的選擇。

【關鍵詞】 慢性乙型肝炎 恩替卡韋 后續治療

慢性乙型肝炎（CHB）患者的抗HBV治療，具有長期性的特點，患者要承受較高的經濟負擔，故在基層醫院對CHB患者抗病毒治療因經濟原因選擇阿德福韋酯（ADV）初治的患者較多，但ADV抗病毒作用較弱，治療后可出現HBV DNA水平降低不顯著或治療48周HBV DNA水平仍然較高。本文對85例應用ADV初始治療應答欠佳的CHB患者采用2種不同的方法治療，其中45例換用恩替卡韋（ETV）再治療，取得了較好療效，且付作用少。現報道如下。

1 資料與方法

1.1 入選病例 85例均為2009年3月—2012年3月奉化市人民醫院感染科門診或住院的CHB患者，臨床診斷為CHB輕、中度，符合2005年中華醫學會肝病學分會、感染病學分會聯合制訂的《慢性乙型肝炎防治指南》[1]，并排除重疊或者合并其他肝炎病毒感染及合并代謝性或自身免疫性肝病。85例患者初始治療均采用ADV（10mg，1次/d）治療48周，服用ADV前患者HBVDNA陽性，定作者簡工作單位：奉化市人民醫院感染科量>1.0×104拷貝/毫升，HBsAg、HBeAg、HBcAb陽性，且血清谷丙轉氨酶（ALT）為正常值的2-5倍。判斷應答欠佳的標準：1、ADV治療48周，HBVDNA定量下降1.0×104拷貝/毫升。

1.2 治療分組及方法

1.2.1 治療分組 85例患者采用隨機數字表法分為實驗組和對照組二組：實驗組45例，停用ADV，換用ETV治療；對照組40例，繼續阿德福韋酯10mg/日治療。2組在性別、年齡、病程、肝功能、血清HBVDNA基線水平方面的差異無統計學意義。

1.2..2 服用方法 ⑴實驗組： 恩替卡韋0.5mg口服，每日1次。⑴對照組：繼續阿德福韋酯10mg口服，每日1次。2組在療程24周、48周時分別進行療效評價并繼續隨訪。

1.2.3 觀察指標 2組均于后續治療前及后續治療期間每8—12周檢測1次血及尿常規、肝腎功能、心肌酶、乙型肝炎病毒標志物（HBVM）及血清HBVDNA載量。ALT以自動生化分析儀（Beckmm）進行檢測，HBsAg、抗HBs、HBeAg、抗HBeAg、抗HBc用ELISA法測定，HBVDNA用斑點雜交法及PCR定量檢測，HBVDNA最低檢出限為

1.3 療效評價

1.3.1 生物化學應答：完全應答為ALT復常；無應答為未達上述標準（以上評價標準已排除降酶藥的作用和其它引起ALT升高的原因）

1.3.2 病毒學應答：完全應答為HBV NDA

1.3.3 血清免疫學應答：完全應答為HBeAg/抗HBe發生血清學轉換（排除前-C區變異患者）；部分應答為HBeAg陰轉但未出現抗-HBe；無應答為未達上述標準。

1.4 統計學處理

數據采用SPSS 15.0軟件進行統計分析，計量資料采用x±s表示，采用t 檢驗，計數資料采用x2 檢驗，P

2 結果

2.1 實驗組與對照組24周和48周時生物化學和免疫學及病毒檢測結果。

2.1.1 24周時2治療組ALT復常率、HBVDNA陰轉率、HBeAg陰轉率見表1。治療24周時2組ALT復常率分析差異無統計學意義（P>0.05）。2組HBVDNA陰轉率、HBeAg轉陰率相比差異有統計學意義（P

2.1.2 48周時2治療組 ALT復常率、HBVDNA陰轉率、HBeAg陰轉率見表2，治療48周時ALT復常率、HBVDNA陰轉率、HBeAg轉陰率，2組相比差異有統計學意義（P

2.2 安全性評價：

2組的不良事件發生率分別為15%和18%，最常見不良事件為腹部不適、疲勞、頭痛，但均能耐受。2組在后續治療前，后續治療24周時血清肌酐水平相比差異無統計學意義統計（P>0.05），后續治療48周時相比差異有統計學意義（P

3 討 論

目前CHB抗病毒治療臨床應用的核苷類藥物主要包括拉米夫定、ADV、替比夫定及ETV等。其中ADV由于價格經濟，臨床上得到了廣泛應用，其作用機制是ADV有活性的代謝產物阿德福韋二磷酸鹽通過兩種方式來抑制HBVDNA多聚酶（逆轉錄酶），一是與自然底物脫氧腺苷三磷酸競爭，二是整合到病毒DNA后引起DNA鏈延長終止，從而發揮抑制HBVDNA的作用[2]。其抗病毒療效已得到全球大規模臨床試驗證實，患者使用ADV后可以獲得病毒學、肝臟生化功能和組織學的改善。但由于ADV抗病毒作用較弱，臨床應用ADV治療CHB過程中發現有相當比例的患者療效欠佳，有報道顯示ADV療效欠佳率約為50%[3]。本文對ADV初治48周時，HBV DNA定量下降≤2個log10的患者通過換用ETV治療以觀測療效。

本文資料中，45例換用ETV（實驗組）治療，后續治療24周時HBV DNA陰轉率、HBeAg陰轉率等與對照組差異有統計學意義（P

總之，ADV抗病毒治療療效欠佳的慢性乙型肝炎患者，采用ETV后續治療可能是個很好的選擇，既能迅速抑制HBV DNA的復制，同時，副作用少，安全性好。但由于本研究病例數不多，今后有待于擴大樣本量以進一步驗證。

參考文獻

中華醫學會傳染病與寄生蟲病分會、肝病學分會 . 慢性乙型肝炎防治指南，中華傳染病雜志，2005，23（6）：421-431.

Wolters LM，Niesters Hg，deMan RA，et al.Nucleoside analogues for chronic hepatitis B.Eur J Gastroenterol Hepatol，2001， 13（12）： 1499-

1506.

Fung SK，Chae HB，Fontana RJ，etal.Virologic response and resistance to adefovir in patients with chronic hepatitis B.JH epatol，2006， 44（2）：283-290.

篇(7)

[關鍵詞]兒科學；病例；模擬醫學；教學

[中圖分類號]G632[文獻標志碼]A[文章編號]2096-0603（2016）12-0089-01

當前，因法律建設不斷完善，患者及其家屬維權意識增強，醫學生在患者（尤其是小兒）身上得到的“實習”機會極少，導致學生實踐能力、臨床分析能力難以提高。為了進一步提高兒科學教學效果，擬采用以病例為中心的模擬醫學教育處理，即以PBL教學模式（以問題為中心或基于問題進行學習），用Simbaby模擬病例，以計算機控制，仿真生理驅動模擬人完成相關操作，報道如下。

一、對象與方法

（一）一般對象

選擇我院臨床兒科學本科學生90名進行研究，入選學生均自愿接受研究，按照隨機數字法將他們分為2組。對照組：40名，男14名、女26名；年齡17-19歲，均值18.2±0.4歲；入學測驗成績67-97分，均值82.1±3.7分。研究組：50名，男19名、女31名；年齡17-19歲，均值18.4±0.5歲；入學測驗成績66-98分，均值82.5±3.4分。在前述一般資料上組間比較無明顯差異（P>0.05），可比。

（二）方法

對照組學生按照傳統授課方式處理，而研究組學生則以病例為中心的模擬醫學教育處理，具體方案如下：（1）授課內容：兩組學生選取相同的授課內容，以代表性較強的章節為主，本研究中以新生兒肺炎、先心病等為例，且均交給同一名教師授課，確保研究結果的可比性。（2）授課方式：對照組按照傳統授課方式，即教師授課，學生全程被動接受。研究組采取病例為中心的模擬醫學教學，教師提前布置病例，指導學生課前查詢相關資料，之后教師根據病例特點在計算機上編寫Simbaby病例，將學生分成幾個小組進行討論，討論后的治療手段一一呈現在Simbaby進行驗證，根據驗證結果獲取最佳的治療方案，引導學生掌握。

（三）觀察指標

通過一段時間的教學后，對兩組學生進行相關知識與技能測評，比較兩組學生臨床知識考試成績與臨床技能操作考核成績。

（四）統計學處理

本研究相關數據全部錄入Excel表格中，便于回顧性分析，計量資料采取均數表示，利用統計學軟件SPSS18.0處理，計量資料行t檢驗，將P<0.05作為統計學有意義的標準。

二、結果

研究組臨床知識考試成績與臨床技能操作考核成績得分均值明顯高于對照組，比較差異有統計學意義（P<0.05）。詳見下表。

三、討論

兒科學屬于臨床醫學比較重要的專業課，也是實踐性較強的課程，傳統教學方案為LBL教學模式，也就是以授課為基礎，其中教師作為主體、講課為中心、學生整體為對象，對學生予以全程灌輸，教學的內容、進度及方法等均交給老師決定。傳統教育方式屬于“填鴨式”教學，未考慮學生能力、興趣、愛好、個性等，導致學生處于被動學習地位，學習積極性不高，消極對待教學。我院臨床本科兒科學教學中引進以病例為中心的模擬醫學教育，取得了不錯的效果。從研究結果來看，學生臨床知識考試成績與技能操作考核成績均明顯優于傳統教學方式。

Simbaby屬于Laerdal公司仿真生理驅動模擬人，可在計算機引導下模擬出小兒呼吸、血壓、心跳、心電監護及血氧飽和度等，學生可提出自己的要求，教師則在這些要求下為學生呈現X線、彩超、實驗室檢查等結果。這種模擬醫學模式下，教師主動編寫病例，經計算機控制后，模擬出疾病發生與發展，一步步引導學生去“實踐”診斷及治療等。模擬醫學教育可反復、多次訓練，不會對實驗對象造成創傷，經仿真模型創設出模擬病人與模擬臨床，學生可主動查找資料，增強了他們基礎和專業知識及相關學科知識聯系，且實施小組討論的方式，使學生都能提出自己的方案，各抒己見、取長補短，經過Simbaby驗證后可加深印象，提高教學效果，可借鑒。

作者：劉水