精品课程 | 一学就会的统计课程——无序分类变量的比较
往期回顾：
在前面的文章中,我们学习了临床研究中连续变量的比较方法,本期推文起将介绍另一大常用的统计检验方法——分类变量的比较。分类变量包括无序分类和有序分类变量。本文将以发表在《Anesth. Analg》杂志上“The Effect of Anesthetic Choice (Sevoflurane Versus Des-flurane) and Neuromuscular Management on Speed of Airway Reflex Recovery”一文为例,着重介绍无序分类变量的比较方法——卡方检验和Fisher精确检验
01 研究摘要
在非插管的麻醉患者中,接受七氟烷的患者麻醉后气道保护反射恢复比地氟烷患者慢。本研究想要探究的问题是,在接受罗库溴铵的插管患者中,是否仍然有这样的差异,或者神经肌肉恢复的影响是否起着重要作用,从而减少不同麻醉药之间的差异。
患者被随机分配接受七氟烷(n=41)或地氟烷(n=40)麻醉,并通过使用定量四列法(TOF)进行神经肌肉监测。给予1mg/kg罗库溴铵促进插管,诱导神经肌肉阻滞,维持基线功能的10%至15%。手术后,给予新斯的明70µg/kg +格隆溴铵14µg/kg。当TOF比达到≥0.7时,停止麻醉,将新鲜氧气流量提高至15L/m。记录对命令的首次反应时间,然后在第2、6、14、22、30和60分钟对患者进行20毫升水吞咽测试。在两个干预组之间比较以下平均时间间隔:麻醉停止到对命令的第一反应时间(T1); 首次对命令产生反应到首次通过吞咽测试(T2)的时间; 麻醉停止到第一次吞咽试验成功的时间(T3)。 研究者还比较了两组患者对命令的第一次反应后2分钟的吞咽测试成功率。
研究结果显示,接受地氟烷治疗的患者在首次反应后比接受七氟烷治疗的患者间隔内通过吞咽试验时间更短(Wilcoxon-Mann-Whitney比值=1.60; 95%[CI],1.01-2.69; P=0.054)。在首次对命令做出反应后两分钟,在所有81例患者中,使用地氟烷术后通过吞咽试验的机会更高(相对风险=1.6; 95%CI,1.0-2.5; P=0.04)。在71名患者中(如上所述),观察到接受地氟烷治疗的患者(25/33)对命令的首次反应后2分钟通过吞咽测试的比例更高(相对风险=1.8; 95%CI,1.2-2.7; P=0.006),接受七氟烷的患者比例为16/38。在81名患者中的18名患者和71名患者中的16名患者中,未遵循神经肌肉监测和研究方案(新斯的明剂量不足,TOF <0.7时拔管或依赖触觉而不是定量TOF测量)。在总队列和71个子集中,神经肌肉依从性增加了通过吞咽测试的比例,而与多变量logistic回归中的麻醉剂选择无关(分别为P=0.02和P=0.006),这表明对气道反射恢复不受所选麻醉剂的影响。
该研究表明,与七氟烷相比,地氟烷可使插管患者麻醉后恢复气道反射更快。神经肌肉阻滞的临床管理会影响气道反射恢复,而且可能至少与选择强效吸入麻醉剂一样重要。
02 统计学要点
一、何为分类变量？
分类变量(categorical variable)即数据指向事物的类别,属于定性数据,彼此间互不相容,无法进行加法、减法、求平均值等处理,那是属于数值变量(numrical variable)的技能。
分类变量可分为无序变量和有序变量两类。
(1)无序分类变量(nominal)是指所分类变量之间无程度和顺序的差别。
它又可分为：
① 二项无序分类变量,如患者性别(男/女),治疗药物反应(阳性/阴性)等。
② 多项无序分类变量,指两个以上类别,如血型(A、B、AB、O),不同的血型之间无程度和顺序的差别。
对于无序分类变量的分析,应先按类别分组,清点各组的观察单位数,编制分类变量的频数表,所得资料为无序分类资料,亦称计数资料。
(2)有序分类变量(ordinal categorical variable)的各类别之间有高低、优劣的差别。如尿常规尿蛋白结果按从轻到重-、±、+、++、+++分类;疗效按治愈、显效、好转、无效分类。
二、卡方检验和Fisher精确检验
在临床研究中,无序分类资料也是一种常见的数据类型。 比较变量之间不同水平下的频数分布是否相同,常用卡方检验。 此外,卡方检验还可应用到拟合优度、分析行变量与列变量之间是否独立性或一定的相关性等。 四格表卡方检验是最简单的卡方检验。
敲黑板！
行列表卡方适用条件:理论频数不宜太小,一般认为不宜有1/5以上格子的理论频数小于5或有一个格子的理论频数小于1。
如果资料不太理想,可以考虑以下办法:与邻近行或列中的实际频数合并;或删去理论频数太小的格子所对应的的行或列。 最理想的办法:增加样本含量(虽然实际工作中常难以实现);或使用确切概率法。
在平时实际操作中,临床医生往往不需要了解计算公式和详细原理,因为这些都可以通过软件自动计算。更重要的是必须要了解各种方法的适用范围,挑选合适的统计检验方法。本篇论文的表3（见下表）， 即典型的分类变量的比较。可以看到,其中第一项采用了卡方检验,而第二项和第三项因频数太小采用了 Fisher 精确检验法。
三、使用统计软件实现卡方检验和Fisher精确检验
选中需要分析的数据后,点击分析→交叉表格。
在弹出窗口中选择行、列,点击statistics,里面就有“卡方”选项,点击单元格,还可对行列各项百分比进行统计。最后在输出的结果可看到卡方检验的统计量和P值。如需进行Fisher精确检验,点击statistics 上的“精确”选项,里面第三项就是Fisher精确检验。
03 统计分析常见误区
1、配对四格表卡方与成组设计卡方:由于配对设计的资料同一对观察结果间一般是非独立的,而成组设计的资料一般可以认为是独立的,所以配对四格表资料不能用成组设计的卡方或Fisher检验,而要用配对设计的卡方(McNemar检验)或配对设计的直接计算概率法。
2、有序分类资料使用卡方检验:这时候卡方检验只能说明效应指标定性反应类别的构成比是否相同,而各组效应的比较应采用秩和检验。
04 总结
比较变量之间不同水平下的频数分布是否相同,常用卡方检验。行列表卡方适用条件:理论频数不宜太小,一般认为不宜有 1/5 以上格子的理论频数小于 5 或有一个格子的理论频数小于 1 。如果资料不理想,可以与邻近行或列中的实际频数合并;或删去理论频数太小的格子所对应的的行或列；或使用确切概率法。
更多内容，戳此处关注百特医学时空进行学习~
参考文献
McKay RE et al. The Effect of Anesthetic Choice (Sevoflurane Versus Desflurane) and Neuromuscular Management on Speed of Airway Reflex Recovery Anesth. Analg. 2016 Feb;122(2)
最后编辑于 2024-04-22 · 浏览 2968
