军科院某位教授2000年调查，国内生物医药类论文统计误用率高达80%，随着时间推移，以及近年整体科技实力的提升。误用率应该会有所下降，但是目前至少50%错误还是有的！今天就一起来评析一篇文章，以期他山之石，可以攻玉！
说是8个错，有的地方也仅是质疑。大家先看文章找找，看能否发现。
您可以先自己阅读原文，自行评析，后面有松哥的个人观点，大家一起讨论。若有新意观点，可以底部留言！ 文中表1 ，同样的108例患者，在从干预前至12h，共进行了8次检测，注意这里的8次是不同时间检测的，属于重复测量设计，作者采用等同于成组R×C表的卡方检验，方法不对。应该采用广义估计方程或多水平模型。
同样见表1，表中口渴评分也是8个时间点的重复测量，作者采用单因素方差分析明显不对，因为单因素设计方差分析要求数据相互独立，而重复测量数据数据之间不再相互独立。
如果你说，作者未必不是重复测量数据方差分析呀，只不过没说那么细致罢了，关键重复测量数据方差分析结果不是这么表达的。 我们知道，Logistic回归至少包括二项、多项、有序和条件。本文方法学部分说采用的是二项Logistic回归。 但是本文研究的是口渴，采用的是量表，得到的是评分值。而且作者给出 意即按照评分分级，无、轻度、中度和重度，这明显是一个等级资料，应该首先考虑采用有序Logitic回归。 也许作者将轻度、中度和重度进行合并，与无口渴构成二分类记性回归。但未解释为何不用等级。 或者分析不充分到位，应该再补充有序Logistic回归的结果进行进一步讨论。 如果作者按照二项Logistic回归来做的，因为检测了8次，到底用的是那一次结果进行二项化的呢？文中并无交代，结合多因素分析中，有通气时间分为3个等级来看，这个二项Logistic回归应该是基于一个综合判定。然而如何区分是否发生口渴的二项，不得而知。
如果只要发生就算有，没发生算无，那时间变量如何添加对应！
本次研究总共108例患者，当作者把通气时间作者自变量X时，发现3个级别时间每次108人，样本量被扩大了2倍。同时作者没交代为什么8次测量为何转变为3个时间段。
另从统计学角度，也实在想不出，他这个数据到底如何整理成统计分析的数据库格式呢？如果3个时间段当做一个变量3个水平，样本量就是324，那么其他变量也同样扩增的吗？如果分成3个变量，那是如何选择进入模型作为一个变量进行分析的呢？
表2单因素分析呼吸类型，可见张口口渴评分高于闭口，所以张口是风险因素。 而多因素分析发现，底部呼吸类型赋值，1=张口，2=闭口，竟然闭口发生口渴的风险是张口的8.891倍。前后矛盾！ 文中漏气量的赋值为1=9~，2=50~，3=100~348这典型是一个数值变量如何分组进入模型的问题，很可能本次研究最小漏气量是9ml，最大是348ml。也就是9~348ml，作者为什么这样分组，不知依据何在，也许是基于专业。但是从论文延伸来说，如果有人同样开展这样的研究，其漏气量为0~8，那他就不知道从这篇文章得到什么样的数据暗示。 对于数值变量降级进入模型，常可以采用四分位数分组，三分位数分组，对数据标准化等方法。也可以10等分分级，做最优尺度回归，再决定如何分组。同样其他指标，也有类似问题。 本文单因素分析发现8个有意义单因素，在后续的多因素分析中，8个因素全部存在，一个没丢，有这种可能，但概率不高！ 因为全文研究是12h内，可以改成12h内口渴水平与影响因素分析似乎更为合适？ 这个口渴感的均分6.14±1.26是用什么数据算出来的呢？每个人都测了8次，是108×8作为总样本量算出来的吗？但这样有意义吗？ 而且基于给出各时间点的均数，算出来的也不是6.14分。 采用二项Logistic回归，也许无法分析文章中的数据。这种纵向数据应该采用多水平模型进行分析比较合适些！ 本研究无创机械通气时间最少12h，中位数3d。全文仅分析12h内，而且12h时已经6+102全部中重度口渴，如果二项logistic回归，Y全部发生，已经不构成二项了。 水平有限，也许本人出现误判，仅供学术交流，欢迎大家提供留言，一起讨论提高！
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
