统计方法套路深,细说I类错误和II类错误!

龚志忠

龚志忠

首都医科大学附属北京中医医院

擅长:临床研究数据统计分析、流行病学方法设计、临床预测模型建模与评价
已关注
关注
2018-11-30 来源:医咖会

一、研究实例

某研究团队拟研究多种生活方式的干预对于学龄前儿童有氧运动能力和肥胖的影响,设计了一个整群随机对照试验(cluster randomised controlled trial),一共纳入了40名学龄前儿童作为研究对象,将他们随机分为干预组和对照组。

对照组儿童仅接受常规的课程学习,包括每周一节45分钟的体育课。而干预组儿童在对照组的基础上,接受包括参加体育活动项目,增加营养知识课程等多方位的生活方式干预,干预共持续一年。研究的主要评价结局为有氧运动能力(20分钟往返跑)和BMI指数。

结果显示,干预组儿童有氧运动能力高于对照组儿童(平均差异:0.32,95%CI:0.07~0.57,P=0.01<0.05),而两组儿童BMI的差异却无统计学显著性(-0.07kg/m2,-0.19~0.16,P=0.31>0.05)。

作者由此得出结论:多种生活方式干预可以提高学龄前儿童的有氧运动能力,但对BMI影响不大。

二、问题

上述研究于2011年发表在BMJ杂志上,研究结果很容易理解,那么问题来了,请大家来判断一下,以下三种说法,哪一项是正确的呢?

1. 如果实际上在该人群中,多种生活方式干预对于儿童的有氧运动能力没有影响,两组儿童的有氧运动能力并无差异,那么作者针对有氧运动能力进行假设检验,得出的结论就会产生I类错误。

2. 如果实际上在该人群中,多种生活方式干预可以改善儿童的BMI指数,干预组儿童BMI指数低于对照组儿童,那么作者针对BMI进行假设检验,得出的结论就会产生II类错误。

3、如果增加样本量,则可以降低I类错误和II类错误的发生概率。

三、假设检验

首先,我们来聊一下假设检验。假设检验就是根据研究目的提出某种假设,然后利用收集的样本信息,去推断这一假设是否成立。

评论
请先登录后再发表评论
发表评论
使用课程券需先认证
为保证平台的学术氛围,请先完成认证,认证可免费享受基础会员权益
基础课程券2张
专属科研工作台
200积分
确认
取消
下载附件需认证
为保证平台的学术氛围,请先完成认证,认证可免费享受基础会员权益
基础课程券2张
专属科研工作台
200积分
确认
取消
公众号
统计咨询
扫一扫添加小咖个人微信,立即咨询统计分析服务!
会员服务
SCI-AI工具
积分商城
意见反馈