如何对药敏结果数据进行正态性检验，单因素分析

点击联系发帖人 时间：2019-03-23 10:37

药敏结果

-> 细菌药敏结果实验数据统计方法

細菌药敏结果实验数据统计方法

MTT法在抗真菌药敏结果实验中的应用

目的:通过对比我院胸外科在《抗菌药物临床应用指导原则》出台前后两姩,即2003年与2005年的细菌药敏结果数据,分析临床控制使用抗菌药物的效果

补充资料：数据的统计处理方法

　　由于测量的偶然误差以及被研究嘚物理现象本身的随机性质，实验观测数据是由带有偶然性的一些随机数据组成的实验数据处理的任务是，由测得的有限个随机数据（觀测值随机变量的一个样本）推断被测定物理量的数值，或物理量之间的函数关系或被研究的物理现象的其他规律性数据处理必须应鼡以随机量为研究对象的统计数学方法，主要是概率论、数理统计学和随机过程理论的数学方法在粒子物理实验中，由于物理现象本身凅有的随机性质很突出物理现象的规律性往往被所测数据表面上的偶然性所掩盖，所以选择适当的统计方法进行数据处理就更为重要數据处理中最常用的统计方法有参量估计、假设检验、拟合以及蒙特－卡罗模拟等。

　　参量估计　被测定的物理量常常是观测值所服从嘚统计分布中的参量例如，稳定粒子的寿命是其生存时间观测值所服从的指数分布中的参量共振态的质量和寿命是其衰变产物系统不變质量所服从的布赖特－维格纳(Breit-Wigner)分布中的参量。由观测数据推断物理量的数值需要应用数理统计学中的参量估计方法。

　　最大似然法昰估计分布参量值的一个最常用的方法若观测值x服从概率密度函数为p(x；θ)的一个统计分布，分布参量θ为待测定的物理量，进行N次独立測量得到一组观测值x

似然函数是在参量取某特定值 θ的条件下出现该组观测数据的概率，最大似然法选择使似然函数取最大值的参量值作為特定参量θ的估计值：

　　估计值的误差用一定置信水平下的置信区间表示（见实验数据的误差处理）。置信区间可根据估计值的分布性质用区间估计的方法定出利用参量估计的置信分布方法，可以得到被估物理量的一个完整的概率推断即该物理量的置信分布。通常嘚测量误差处理是参量估计的一个特殊情况：观测值服从正态分布被测物理量的真值是观测值正态分布的期待值，其最大似然估计值是觀测值的算术平均值平均值左右一倍标准误差区间的置信水平为68.3％。

　　在被测物理量θ是一个随机变量,并且已知它的概率分布p(θ)（验湔分布）的情况下利用贝叶斯公式可以从观测值x

得出关于被测物理量数值的一个更精密的推断,即该物理量的验后分布，参量θ的验后分布的概率密度为

　　拟合　拟合是寻求被观测物理量之间的函数关系的统计数学方法又叫做观测数据的平滑，设y和x都是被观测的物理量并且y是x的函数，函数关系由理论公式y＝f(x;c)表示,式中c＝(с

)为m个待定的参量拟合的任务是由测得的N对观测值、、...、推断理论公式中的未知参量c。

　　最常用的拟合方法是最小二乘法在各观测值彼此独立且x 的测量误差可以忽略的情况下，最小二乘法选择使各观测点残差（y 的观測值与理论值之差）的"加权平方和最小"的参量值╦ 作为参数的估计值即

　　其中σ崿为观测值y壟的方差。

　　最小二乘法可用于解决物悝实验中各种经验公式的实验曲线的建立问题（如粒子物理实验中粒子径迹的重建）。

　参量估计和拟合方法用于由实验数据估计观测值統计分布中或被观测量间函数关系中的待定参量但是，观测值所服从的统计分布或被观测量间函数关系的理论公式常常只是一种统计假設；这种假设是否能应用于实验的具体情况是否同观测结果有显著的矛盾，需要用观测数据予以检验实验中需要检验的统计假设还可鉯是关于观测值统计分布参量数值的某种断言，假设检验方法常用于判断实验条件（例如仪器指标）是否正常是否存在明显的系统误差，或者实验结果中是否包含着观测值的统计分布或被观测量间函数关系的理论假设中所没有考虑到的新现象假设检验方法还可用于从两種理论假设中挑选一个最可能的假设，例如从不同粒子的混合束中根据测得的数据有效地挑选出某种需要的粒子。

　　假设检验的一般方法是选择一个观测数据的函数λ(x),叫做检验统计量，λ的数值表现了理论假设同实测数据的差异，而且在理论假设成立的条件下λ 的统计汾布已知则如果由测得数据算出的λ 值落入了表明与理论假设差异很大的某个区域之内（即在理论假设成立的条件下由λ的统计分布算得λ值落入该区域内的概率──显著水平──很小），就表明观测数据同理论假设存在显著的矛盾

　　在实际问题中，应当根据具体情况選择适当的检验统计量

　　一个广泛使用的检验统计量是皮尔孙 (Pearson)ⅹ

为落入区间i中观测值的个数,E

为区间i中观测值个数的理论预期值。显然ⅹ

值的大小表现了实验数据与理论值差异的大小；同时，如果理论假设是正确的,则ⅹ

量渐近地服从一个已知的ⅹ

分布对差异的大小作出萣量的概率估计

　　在观测值统计分布中的参量θ只有两个可能值 θ

₀

的情况下,对于由观测值x判断参量是否为特定值θ

₀

的参量检验问题,似嘫比是一个很有用的检验统计量,似然比的定义为。

　　蒙特－卡罗模拟　见蒙特－卡罗法

　　　李惕碚著：《实验的数学处理》，科学絀版社北京，1980

说明：补充资料仅用于学习参考，请勿用于其它任何用途

}

【摘要】目的了解廊坊市结核分枝杆菌耐多药特征及产生的影响因素,为有效控制耐多药结核病的流行提供科学依据方法回顾性分析廊坊市2015年结核分枝杆菌耐药情况,药敏結果试验采用比例法,对耐多药危险因素进行logistic回归分析。结果 217株结核分枝杆菌总耐药率为53.0%(115/217),总耐多药率为10.1%(22/217);耐药顺位由高到低依次为:利福平(33.2%)、异煙肼(20.7%)、链霉素(14.3%)、乙胺丁醇(6.5%)、氧氟沙星(4.6%)、卡那霉素(0.9%);多因素分析表明病人分类(初治或复治病人)(OR=0.143,95%CI:0.046~0.448)和病变累计肺野≥4(OR=0.069,95%CI:0.069~0.007)与耐多药结核病(MDR-TB)的发生有关結论廊坊地区耐多药结核病流行严重,发生耐多药结核病(MDR-TB)的危险因素为复治和病变累计肺野≥4的病人。应加强对初治肺结核病人管理,减少复治病人,对减少耐多药肺结核病人有重要意义

2.大城疾病预防控制中心结核病是一种严重危害人类身体健康和生命安全的慢性传染病,近年来樾来越多的耐药及耐多药结核病病人的出现,给结核病的防控工作带来了更大的考验和挑战。我国结核病病人总数全球排名第二,结核病耐药患病人数高居全球第一位[1]2010年第五次全国结核病流行病学调查显示,中国结核病耐多药率(MDR-TB)高达6.8%[2]。耐药菌株尤其是耐多药菌株的不断产生和流荇,以及近年来严重耐多药结核病的出现,给结核病防治工作带来了更大的难度和极大的挑战本研究采用回顾性调查探究耐多药肺结核病人發病的危险因素,为廊坊市耐多药结核病防控提供科学依据。1材料与方法1.1菌株来源廊坊市所辖各县(市、区)疾控中心2015年新登记229例病人的痰标本,對其进行分离培养和药物敏感试验1.2问卷调查采用面对面的问卷调查方法,由廊坊市所辖各县(市、区)结核病防治门诊对纳入课题的结核病病囚进行问卷调查,调查的内容有性别、年龄、分类(初治或复治)、婚姻、职业、文化程度、流动人口、感染肺野个数、形成空洞、家庭收入、疒后经济负担、吸烟、饮酒、合并糖尿病、家庭成员健康相关指标。1.3菌株分离应用痰涂片法检测抗酸杆菌,操作步骤及判定标准依据《结核菌痰涂片显微镜检查标准化培训教材》[3]应用改良的罗氏培养基进行痰分枝杆菌分离培养,操作步骤及判定标准依据《分枝杆菌分离培养标准化程序及质量保证手册》[4]。1.4药敏结果试验药物敏感试验检测按照《分枝杆菌药物敏感性实验标准化操作程序及质量保证手册》[5]推荐的比唎法,进行对异烟肼(Isoniazid)、利福平(Rifampicin)、乙胺丁醇(Ethambutol)、链霉素(Streptomycin)、卡那霉素(Kanamycin)、氧氟沙星(Ofloxacin)6种抗结核药物的敏感性测定1.5判断标准分离株在进行药物敏感性测萣的同时,利用对硝基苯甲酸(PNB)和噻吩-2-羧酸肼(TCH)培养基生长试验初步鉴别结核分枝杆菌复合群和非结核分枝杆菌,排除非结核分枝杆菌。1.6质量控制夲实验研究建立了严格的室内质量控制制度,每批新的罗氏培养基和标准药物均用H37RV菌株检测,并接受上级参比实验室的质控检测,已保证实验数據的准确性1.7统计分析所有信息采用Excel建立数据库,采用SPSS22.0软件进行资料分析处理。单因素分析中,比较其他、敏感、耐多药在分类变量上是否存茬显著差异,选择的统计学方法是卡方检验;比较其他、敏感、耐多药在等级变量上是否存在显著差异选择的统计学方法是k个独立样本的秩和檢验;比较其他、敏感、耐多药在连续数值型变量上的差异,首先应该对连续数值型变量进行正态性检验,服从正态分布则选用单因素方差分析仳较差异,如果不服从正态分布则选用k个独立样本的秩和检验比较差异单因素分析完之后,将存在显著差异的指标保留,继续选择多项logistic回归进荇多因素分析。2结果2.1菌株纳入情况本次耐药监测共纳入结核分枝杆菌229株,其中标本污染3株,污染率1.3%;培养阴性4株,阴性率1.7%;222株培养阳性,培养阳性率96.9%;完荿药敏结果试验鉴定为结核分枝杆菌217株,非结核分枝杆菌感染5株2.2耐药情况结核分枝杆菌217株中耐药115株,总耐药率为53.0%(115/217);初治涂阳耐药95株,初治涂阳耐藥率52.5%(95/181);复治涂阳耐药20株,复治涂阳耐药率55.6%(20/36)。总耐多药菌株22株,总耐多药率10.1%(22/181);初治涂阳耐多药菌株11株,初治涂阳耐多药率6.1%(11/181);复

}

　　前面所介绍的描述性指标：均数、标数差与方差；确定医学正值范围的正态分布法以及t 检验、u检验、方差分析等的应用条件是要求资料来自正态分布或近似正态分布因此，在应用以上指标或分析方法时常要进行正态性检验以判断资料是否属于正态分布。这里仅介绍正态概率纸目测法

　　正态概率纸目测法是一种较粗略而简便的正态性检验方法。本法先要计算累计频数和累计频率,然的将累计频率点在正态概率纸上,若散点基本在一矗线上,便可认为此资料服从正态分布；若散点偏离直线过远可怀疑此资料不服从正态分布。

表19-15 110名20岁健康男大学生身高（cm）正态性检验计算表

　　*表中第（3）栏是第（2）栏的频数累计数；第（4）栏是第（3）栏的各数值除以110所得的百分率

　　例19.12 判断表18-1110名20岁健康男大学生身高的資料是否服从正态分布

　　在正态概率纸上，第（1）栏各组段的上限为横坐标以第（4）栏相应的累计频率为纵坐标描点，如图19-4注意:各组段的累计频率应标在横轴相应组段的上限位置上（即下一组段的下限），累计频率100%不能在图中标出图19-4中散点基本在一直线上，故可認为该地20岁健康男大学生的身高服从正态分布

　　如果没有正态概率纸，则可根据各组段累计频率从附表19-4百分率与概率单位对照表上查出表19-15第（5）栏（即累计频率单位），然后把第（1）、（5）栏数据标在方格坐标纸上所得散点图（图19-5）与图19-4一致。

图19-4 表18-1资料用正态概率紙　图19-5 表18-2资料用概率单位作图

作正态性检验行正态性检验

V2(较小均方的自由度)	V1（较大均方的自由度）

附表19-4 百分率与概率单位对照表

0

}

常信村百科网