北京臨床研究方法學評價

Ⅰ 臨床實驗室定量方法學評價的內容主要包括哪些

檢測系統或方法的分析性能評價是臨床檢驗質量管理的重要內容，但目前國內尚缺乏有效的、規范的評價方案和實驗方法，有鑒於此，出版此書。該書共分15章，首先介紹實驗室統計學原理與技術基礎，以及方法學性能評價所涉及的檢驗質量目標及其設定方法，然後系統地介紹了定量檢驗方法分析總誤差、精密度、正確度、分析測量范圍、分析靈敏度、分析干擾、參考區間、基質效應的評價方案和實驗方法，以及定性檢驗方法的分析性能評價和診斷試驗的診斷性能評價方法，最後對檢驗方法標准化所涉及的測量不確定度、臨床檢驗量值溯源和參考系統進行介紹。該書主要參考美國臨床和實驗室標准化協會（CLSI）的有關文件，並結合具體實際進行編寫，內容先進，科學全面，圖文並茂，實用性強；書中介紹內容大多有具體示例，力求介紹內容可操作性強，理論聯系實踐，以方便讀者學習和使用，從實踐中掌握這些技術。每章最後附有參考文獻，可供感興趣的讀者進一步查閱。
該書主要供臨床檢驗專業技術人員、臨床實驗室管理人員、醫葯院校檢驗專業師生以及實驗室研究人員學習與參考。

Ⅱ 請問誰知道臨床心理學的相關課程

臨床研究方法學課程 在線免費觀看

鏈接:https://pan..com/s/1f2Jtatri6nx53i2quX4ZgA

提取碼:3avg

1、臨床研究方法學課程|上市臨床葯品的臨床研究申報和批准.WAV|如何撰寫臨床研究方案.WAV|如何閱讀和評價臨床研究論文.WAV|臨床研究中倫理學基礎知識及相關問題（下）.WAV|臨床研究中倫理學基礎知識及相關問題（上）.WAV|臨床研究方法學作業點評 陽豐老師（一）.WAV|臨床研究方法學作業點評 陽豐老師（二）.WAV|臨床研究方法學講座 Real World Study.WAV|臨床研究的統計設計與分析（下）.WAV|臨床研究的統計設計與分析（上）.WAV|臨床研究的常用設計.WAV|非隨機分組與Propensity Score分析（下）.WAV|非隨機分組與PropensityScore分析（上）.WAV

Ⅲ 葯品的臨床評價方法與應用

葯品的臨床評價是對葯品在治療效果、不良反應、用葯方案、貯存穩定性及葯品經濟學等方面進行實事求是的評估。

葯品的臨床評價可分為兩個階段，即上市前評價、上市後葯品臨床在評價階段。

一、治療葯物評價

1、治療葯物有效性評價

（1）新葯臨床評價的分期

【1】Ⅰ期臨床試驗：初步的臨床葯理學及人體安全性評價試驗階段。

【2】Ⅱ期臨床試驗：治療作用的初步評價階段。

【3】Ⅲ期臨床試驗：新葯獲得批准生產後進行的擴大化臨床試驗階段。

【4】Ⅳ期臨床試驗：上市後臨床葯品再評價階段。試驗樣本數常見病例不少於2000例。

（2）新葯四期臨床評價的局限性

【1】病例數目少

【2】觀察時間短

【3】特殊人群未納入

【4】考察不全面

【5】管理有漏洞

（3）上市後葯品臨床再評價

上市後再評價主要遵循循證醫學的方法：

【1】實用性和對比性

【2】公正性和科學性

（4）循證醫學與葯品再評價

循證醫學的核心思想是醫療決策應盡量以客觀的研究結果為依據。循證醫學的實踐既重視個人臨床經驗又強調採用現有的、最科學的研究依據。

2、治療葯物的安全性評價

（1）葯品上市前的安全性信息

包括葯品的毒理學、致癌、致畸和生殖毒性、不良反應、禁忌症，新葯臨床試驗期間，用葯單一，用於特定目標人群和針對唯一的適應症，對於出現的不良事件較好歸因。

（2）葯品上市後的安全性信息

可來自上市後大范圍用葯的研究，包括特殊人群（妊娠期及哺乳期婦女、兒童、老年及肝腎功能損害患者等）用葯，葯物相互作用，葯物過量及人種間安全性差異等。

3、葯物經濟學評價

（1）葯物經濟學定義

是通過成本分析對比不同葯物治療方案或葯物治療方案與其他治療方案的優劣，設計合理的臨床葯學服務方案，保證有限的社會衛生保健資源發揮最大的作用。

（2）葯物經濟學評價方法

【1】最小成本分析

【2】成本-效益分析

【3】成本-效果分析

【4】成本-效用分析

4、質量評價

一個安全、有效、穩定、經濟的葯品，其基本前提必須是質量合格。

控制葯品質量的標准一般包括法定標准、企業標准和研究應用標准三類。

葯品生產是將物料加工轉換成產品的一系列過程，產品質量基於物料的質量，形成於葯品生產的全過程。

二、葯物基因組學

1、葯物基因組學基本概念

是以葯物效應及安全性為目標，研究各種基因突變與葯效及安全性的關系。

2、在個體化給葯中的應用

基因檢測可找到被測者的DNA中存在哪些疾病的易感基因。還可能明確知道我們正確的用葯，提高葯物的有效性，避免不良反應的發生。

三、循證醫學與葯物治療

1、循證醫學的基本知識

循證醫學評價是針對某一具體問題，按照規定的方法對現有的相關信息證據進行收集、歸類、分析，並形成一個系統的評價結果的過程。

循證醫學強調任何醫療決策應建立在最佳科學研究證據基礎上。

臨床證據主要來自大樣本的隨機對照臨床試驗（RCT）和系統性評價或薈萃分析。

2、循證醫學的證據分級

推薦強度分為A~D級：

A、結果一致的Ⅰ級臨床研究結論

B、結果一致的Ⅱ、Ⅲ級臨床研究結論或Ⅰ級臨床研究結論

C、Ⅳ級臨床研究結論或Ⅱ、Ⅲ級臨床研究結論的推論

D、Ⅴ級臨床研究的結論或任何級別多個研究有矛盾或不確定的結論

3、循證醫學實踐

循證醫學正在改變著許多醫師多年來形成的單憑書本和經驗進行診治到底習慣和行為。

各國政府的衛生行政機構和葯品監管機構在制定各種疾病的防止指南、國家基本葯物目錄、非處方葯目錄醫療保險目錄等以及葯品篩選與淘汰時都要參考循證醫學的研究結果。

Ⅳ 臨床研究中統計方法的選擇

目錄

例子1：假設檢驗及臨床優效性檢驗
一研究者宣布找到一種治療某病的新葯，試驗結果如下，問：該新葯是否值得推廣？

例子2：分析中混雜因素的控制
英國某年全人口統計資料如下，矛盾：移民組的發病率在各個年齡組均高於英格蘭和威爾士組，為什麼它的合計發病率反而低？

例子3：假設檢驗及判別診斷
為鑒別胃癌、胃炎、非胃病患者，各測定了50名患者的銅蘭蛋白等指標，其中銅蘭蛋白的觀察結果如下，問：三種人的銅蘭蛋白有無不同？能否根據測定的銅蘭蛋白數據對患者進行初步診斷？

例子4：影響因素篩選-回歸分析
研究心肌梗死患者預後的的影響因素，以是否發生心性死亡作為觀察結果指標，對116名心梗患者的22個可能影響預後的因素進行觀察和記錄。

結局指標：心性死亡
預後因素：年齡、性別、高血壓病、心梗位置、心梗分級、傳導阻滯、溶栓治療，……等

問：哪些預後因素與發生心性死亡有關系？關系的強度如何？

【瑞麟】研究目的（4）+設計類型（4）+數據類型（3）+數據特徵（4）→統計方法

——↑瑞麟總結——

醫學統計分析方法選擇的核心三要素（3-5-3）

"方法看變數、設計看類型、目的定乾坤"

「大怕踢、二怕鏢、老三怕剪刀」
老大指數值型變數、老二指等級變數、老三指無序分類變數

大怕踢：T（腳踢）、F（旋風腿）
數值型變數一般選用t檢驗（兩組變數）、方差分析（3組及以上資料）

二怕鏢：非參數（飛鏢）
等級變數一般選用非參數檢驗

老三怕剪刀：卡方（剪刀）
無序分類變數一般選用卡方檢驗

統計指標、統計圖或統計表
如，均數、中位數、標准差、百分比、頻數分布等

參數估計、假設檢驗
估計總體參數、95%可信區間

對幾組資料進行差異性檢驗
假設檢驗方法，如，t檢驗、卡方檢驗、方差分析、秩和檢驗等

研究某因素與另一因素的依存關系
探討變數之間的關系及影響大小
具體說，探討自變數（影響因素）對應變數（結果變數）的影響大小
多變數分析方法
如，線性相關、線性回歸、Logistic回歸、Cox回歸、生存分析等。

最常見，最易實施的實驗設計方案
將研究對象隨機分配到幾個組，然後做實驗

將具有相似特徵的研究對象配成對子，然後再將每個對子的對象隨機分配到兩個組進行實驗
常見形式：同源配對（如樣品一分為二）；異源配對（按性別、體重、年齡進行配對）；自身前後配對（試驗前後的對比）

同時研究多個實驗因素對結果的影響
例如，研究葯物劑量（3mg、6mg）及給葯方式（口服、肌注）對結果的影響，每種組合均需要做試驗（3mg+口服，3mg+肌注，6mg+口服，6mg+肌注）

同一對象在不同時間點上進行某個指標的觀測，以分析該指標在時間上的變化。
【瑞麟疑問】如只進行兩個時間點上的測量，是否與自身前後配對的設計相同？

每一個觀察對象都有一個數值，且大小差異有意義。
例如，血紅蛋白（g/L）、住院天數、產前檢查次數、住院費用等。

數值變數資料的描述

論文中最常用的組合

以比代率，即誤將構成比（proportion）當作率（rate）來描述某病發生的強度和頻率。

把各種不同的率相混淆，如把患病率與發病率、死亡率與病死率等概念混同。

指類別或屬性間無順序、程度之分。
例如，性別（男、女）為二分類、血型（A、B、AB、O）為多分類。

指類別間存在著次序，或程度上的差異。
例如，治療效果（無效、好轉、顯效、治癒）、實驗室檢驗（-、+、++、+++）

分類變數資料的描述：通常需要描述各個類別的頻數及頻率（百分比）

任何統計方法都有自己的適用條件，只有當某個或某些條件滿足時，統計計算公式才成立。

適用條件可根據 數據特徵 來判斷

數值變數資料的描述：通過繪制直方圖可以直觀了解數據的分布

研究中，右偏態分布更常見，如住院時間、住院費用、病程等；左偏態分布較少見，如考生成績有時呈左偏態分布。

R語言中如何進行頻數分布直方圖

得到的圖表如下

方差是否齊同（相等）
粗略判斷：兩組標准差之比在2.5倍以上，就得警惕方差不齊

假設檢驗是反證法原理的統計應用

假設兩個樣本均數可能來源於同一總體，然後計算出在此假設下的某個統計量的大小，當這個統計量在其分布中的概率較小時（如p≤0.05）我們就拒絕其假設，而接受其對立假設，認為兩樣本分別來自不同的總體。

1）當p≤α時，做出「拒絕其無差別的假設，可認為各總體間有差別」的結論時就有可能犯錯誤，這類錯誤稱為第一類錯誤（type I error）。其犯錯誤的概率用α表示，若α取0.05，此時犯I型錯誤的概率≤0.05，若假設檢驗的p值比0.05越小，犯第一類錯誤的概率就越小。

2）當p>α時，做出「不拒絕其無差別的假設，還不能認為各總體間有差別」的結論時就有可能犯第二類錯誤（type II error）。其犯錯誤的概念用β表示，通常β為未知數，但假設檢驗p值越大，犯第二類錯誤的概率就越小。

計量資料 的假設檢驗：t檢驗、F檢驗（方差分析）、Z檢驗、秩和檢驗（Wilcoxon秩和檢驗、H檢驗、Friedman檢驗）等。

計數資料 的假設檢驗：卡方檢驗、Z檢驗（瑞麟疑問：z檢驗即u檢驗？）

等級資料 的假設檢驗：秩和檢驗（Wilcoxon秩和檢驗、H檢驗、Friedman檢驗）

單個自變數資料

兩個或以上自變數資料

兩組比較：t檢驗、u檢驗、兩組秩和檢驗、四格表和較正四格表的卡方檢驗等

多組比較：方差分析、多組秩和檢驗、行×列卡方檢驗等。

差異分析/數據資料的比較，是同一指標在不同處理間的比較。

臨床研究中，經常需要分析某些因素與疾病之間的關系，探討疾病的危險因素。

注意，相關關系並不等於因果關系。

前瞻性研究：相對危險度（RR）、歸因危險度（AR）
回顧性研究：比值比（OR）

參數檢驗：積矩相關系數（Pearson's sγ）
非參數檢驗：Spearman等級相關系數

1）確定金標准
診斷性試驗的金標准（gold standard）是指當前臨床醫師公認的診斷疾病最可靠的方法，也稱為標准診斷。應用金標准可以正確區分「有病」和「無病」。

擬評價的診斷性試驗對疾病的診斷，必須有金標准為依據，所謂金標准包括活檢、手術發現、細菌培養、屍檢、特殊檢查和影像診斷，以及長期隨訪的結果。

2）選擇研究對象
診斷性試驗的研究對象，應當包括兩組：一組是用金標准確診「有病」的病例組，另一組是用金標准證實為「無病」的患者，稱為對照組。所謂「無病」的患者，是指沒有金標准診斷的目標疾病，而不是完全無病的正常人。

病例組應包括各型病例：如典型和不典型的，早、中與晚期病例，輕、中與重型的，有和無並發症者等，以便使診斷性試驗的結果更具有臨床實用價值。

對照組可選用金標准證實沒有目標疾病的其他病例，特別是與該病容易混淆的病例，以期明確其鑒別診斷價值。正常人一般不宜納入對照組。

3）盲法比較診斷性試驗與金標準的結果
評價診斷性試驗時，採用盲法具有十分重要的意義，即要求判斷試驗結果的人，不能預先知道該病例用金標准劃分為「有病」還是「無病」，以免發生疑診偏倚。

新的診斷性試驗，對疾病的診斷結果應當與金標准診斷的結果進行同步對比，並且列出格表，以便進一步評估，其方法如下：
①用金標准診斷為「有病」的病例數為a+c；
②上述「有病」的病例經診斷性試驗檢測，結果陽性者為a，陰性者為c；
③金標准診斷「無病」的倒數為b+d，其中經診斷性試驗檢測陽性者為b，陰性者為d；
④列出四格表，將a,b,c,d的倒數分別填入下列四格表。

敏感度（sensitivity, SN）是正確診斷的真陽性病例在中風組中所佔的百分率，計算公式為為：SN=a/(a+c)×100%

特異度（specificity, SP）是正確診斷的真陰性部分所佔百分率，計算公式為：SP=d/(b+d)×100%

准確性(accuracy,AC)反映了診斷試驗結果與金標准試驗結果的符合或一致程度，計算公式為：AC = (a+d)/N

陽性預測值(positive predictive value,PPV)是診斷試驗為陽性結果中金標准證實患中風者所佔的百分率，計算公式為： PPV = a/(a+b)×100%

陰性預測值(negative predictive value,NPV)是診斷試驗為陰性結果中金標准證實未患中風者所佔的百分率，計算公式為：NPV = d/(c+d)×100% .

陽性似然比(positive likelihood ratio, LR+)為患中風組真陽性率和未患中風組假陽性率的比值，計算公式為：LR+ =SN/(1-SP) ，表明診斷性試驗為陽性時患病於不患病的比值,比值越大則患病的概率越大.

陰性似然比(negative likelihood ratio, LR-)為患中風組假陰性率與未患中風真陰性率的比值，計算公式為：LR- =(1-SN)/SP,表明診斷試驗為陰性時,患病與不患病時機會的比值.

1）ROC曲線
ROC曲線(receiver operator characteeristic curve)又稱受試者工作特徵曲線,在診斷性試驗中,用於正常值臨界點的選擇,對臨床實驗室工作尤為重要.

診斷資料可以按資料的等級或性質歸納成2X2表（四格表）或行列表。一般地說，如果診斷資料本身為二值變數，即診斷的結果為陽性和陰性，則歸納成四格表最合理。如果診斷資料為等級或連續變數，歸納成四格表就會造成信息的浪費，所以，最好將資料歸納成行列表，這樣可以最大限度地利用信息。

如果診斷實驗的資料為連續變數，可以將資料按一定的等級分級，歸納成行列表進行分析。

像這樣的行列表，我們可以將其分割成表3形式的四格表，分別計算各指標，計算的結果見表3。

由表3可見，靈敏度和假陽性率隨界值的降低而生高，但特異度則隨界值的降低而降低。根據這樣的關系，我們可以用假陽性率為橫坐標，靈敏度為縱坐標做ROC曲線，見下圖。

曲線左上角靈敏度是1.0（100%），假陽性率是0，即所有的病人全部被確診，所有無病者都不會誤診。距左上角距離越近的曲線實驗效果越好；
在ROC曲線上，靠坐上角距離最近的界點作為界值最好。（Q：為什麼？）
在左上角處（靈敏度+特異度）/2的值最大，可以根據此及實際工作的需要來確定具體診斷實驗的界值。
用ROC曲線可以比較不同診斷實驗的優劣（Q：解釋理由）。

2）似然比的臨床應用
似然比(likelihood ratio)是診斷試驗綜合評價的理想指標,它綜合了敏感度與特異度的臨床意義,而且可依據試驗結果的陽性或陰性,計算患病的概率,便於在診斷試驗檢測後,更確切地對患者作出診斷.
真陽性率越高,則陽性似然比越大.

參考文獻：
1. 《臨床研究中統計方法的選擇》 ，（微信公眾號）臨床科研與meta分析，2015-12-18
2.武松 《SPSS中級統計實戰教程》之《醫學統計方法選擇秘籍（5秒判讀法）》 （丁香園公開課）,2018-3-6
3.雞小販. 臨床科研中如何選擇統計學方法（PPT） . 網路文庫.2014-3-13

Ⅳ 臨床研究一般有哪些方法

1、隨機對照試驗屬一級設計方案，系採用隨機分配的方法，將研究對象分別分配到試驗組或對照組，然後接受相應的干預。要說明的是隨機對照試驗為前瞻性隨機研究設計（前瞻性與回顧性相對應，比如病例回顧性研究），隨機對照試驗最主要用於臨床治療性或預防性的研究，探討某一新葯或新的治療措施與傳統的治療或安慰劑比較，是否可以提高對疾病治療和預防的效果；這也是目前很多新葯評價採用的方法。
2、隊列研究在臨床研究中屬二級設計方案，是經典的前瞻性研究。研究者對暴露因素不能控制，分組是自然形成，並有同期對照，在群體研究中是常用的研究方法。隊列研究是從因到果，目的是驗證某種暴露因素對某種疾病的發病率或死亡率的影響。最經典的研究就是研究吸煙與肺癌的關系，研究者觀察吸煙的一組人群，一組不吸煙的人群，隨訪10年後，在統計兩組的肺癌發病率，藉以論證吸煙會增加患肺癌的概率。
3、隨機對照試驗不一定非要採用盲法，有時迫於倫理或者技術的原因，沒辦法進行盲法時也會採用開放性設計。