统计学习

在医学研究中，常需要评价不同观察者或不同测量方法之间的一致性，也就是结果是否可重复、可信。对于分类或等级资料，常用Kappa系数；对于连续变量，常用组内相关系数（ICC）。两者都衡量一致性，但适用资料类型与解释方式不同，不能混用。

一致性研究常见于诊断试验、量表评定和仪器测量等场景，是评估测量质量的重要环节。

二元Logistic回归是一种用于分析二分类结局变量（如患病与未患病、有效与无效、存活与死亡）与一个或多个自变量之间关系的回归方法。当结局只有两种可能结果时，普通线性回归不再适用：它可能预测出概率范围以外的数值，残差也不再满足方差齐性与正态性。Logistic回归对结局发生的概率作logit变换，把取值在0到1之间的概率映射到整个实数轴，从而建立自变量与结局概率之间的线性关系。

它的核心用途有两个：一是筛选与结局相关的危险因素或保护因素，二是估计各自变量对结局发生优势的效应大小。队列研究、病例对照研究和横断面研究都可以使用，特别适合结局为二分类的资料。

聚类分析与判别分析都属于分类问题的统计方法，但两者的出发点不同。聚类分析在没有先验类别信息的情况下，把相似的研究对象或变量归到同一类，属于无监督学习；判别分析则是在已知类别的前提下，建立判别规则，用于判断新对象属于哪一类，属于有监督学习。在医学研究中，聚类分析常用于探索疾病亚型或简化指标，判别分析常用于辅助诊断与预后分类。

生存分析是研究从某一时间起点到关注事件发生所经历时间的一类统计方法，广泛用于肿瘤随访、器官移植、慢性病预后等研究。与普通方法相比，它有两个特点：一是结局不仅包含事件是否发生，还包含事件发生的时间；二是随访过程中常出现删失数据。

把事件时间纳入分析，可以提高信息利用效率，也能正确处理随访时间长短不一的情况。

重复测量方差分析（Repeated Measures ANOVA）用于分析同一批受试对象在不同时间点或不同条件下重复测量所得到的资料。它是医学研究中很常见的一类设计：例如对同一位患者，在治疗前、治疗中、治疗后多次测量血压或某项血液指标，每个对象会被测量多次。这类数据的各个观测值之间并不独立，同一个体的多次测量往往相互关联，因此不能简单地按完全随机设计处理。

主成分分析与因子分析都是处理多个相关变量的多元统计方法，常用于降维和探索变量之间的内在结构。当一项研究同时测量了许多彼此相关的指标时，这些指标往往存在信息重叠，直接拿它们建模或比较会带来麻烦。主成分分析和因子分析可以把大量相关的原始变量浓缩为少数几个综合指标，从而简化数据结构，便于后续分析。

配对设计R*R的列联表资料（R>2）使用Bowker检验，当R=2时，等同于McNemar检验。 对于配对设计两分类资料，经典的方法是使用四格表的配对检验，也称McNemar检验。而对于配对设计多分类资料，可以使用Bowkor检验。该检验由A.H.Bowkor在1948年提出。Bowker检验也称平方表检验或对称检验，是McNemar检验的一般化及扩展。

一、Bowkor检验计算公式

自由度df=k(k-1)/2，如果有对称的两个单元格之和为0，则在公式中排除，自由度也相应的要减少。

配对资料也可以分为定量资料和定性资料，在定量资料中，如果数据符合正态分布的话，一般使用配对t检验，如果不符合正态分布，一般使用Wilcoxon符号秩和检验。在定性资料中，又可以分为配对2x2四格表资料和RxR列联表资料，配对2x2四格表资料一般应用McNemar卡方检验，RxR列联表资料一般应用Bowker卡方检验。

配对四格表资料卡方检验（McNemar检验）用于评估两种治疗方法在治疗某种疾病上的效果差异。

一、计算公式

1．b+c≥40

2．b+c<40，连续矫正公式

卡方检验（Chi-square test）是一种广泛用于分析分类数据之间关联性的统计检验方法。在医学领域，卡方检验经常用于分析不同治疗方法、疾病的发病情况与各种风险因素之间的关系。卡方检验分为多种类型，其中行乘列卡方检验是处理更复杂数据结构的有效方法。

一、行乘列卡方检验的特点

行乘列卡方检验是卡方检验的扩展形式，它主要用于分析两组以上变量之间的关系，适用于表格数据中行与列之间可能的相互作用。它的显著特点是能够处理更复杂的表格数据结构，而不仅仅局限于简单的2x2分类表。通过行乘列卡方检验，可以探讨不同类别之间的相互关系，并确定变量之间的依赖性。

二、行乘列格式卡方检验公式
1、卡方检验基本公式

2、行乘列卡方检验专用公式

行乘列卡方检验时，要求不能有20%以上的单元格理论频数小于5，或者不能有任意一个单元格理论频数小于1，否则容易出现偏差。

卡方检验（Chi-Square Test）是一种用于检验观察数据与理论预期之间差异是否显著的统计方法。在医学研究中，卡方检验特别适用于分析分类数据，例如疾病的发病率、治疗效果以及不同因素之间的关系。

一、卡方检验的原理

卡方检验用于判断观察到的频数与预期频数之间的差异是否显著。其基本假设是：观察到的分布与预期分布无显著差异，即变量之间没有关联。卡方统计量的基本公式为：

自由度df=(行数-1)(列数-1)

二、四格表（2x2表）的结构