检验科与药学部的年度宫斗——什么是卡方检验？

某医院一年一度的患者满意度调查结果正式发布。

出身于影像科的副院长用AK都压不住的嘴角宣布：检验科和药学部荣获2024年“患者最不待见科室”，并列第一！

药学部主任拍案而起：“不可能！绝对不可能，检验科差评率明显高出很多，我们发药可比他们扎针温柔多了，今天必须要分出个倒数第一！”

医务科牛科长冷笑一声，默默打开SPSS（不问你为何流眼泪，不在乎你心里还有谁，请让我给你安慰，不论结局是喜是悲.....”）。

1.展示收集到数据

2.他先提出原假设H0：“假设患者对检验科和药学部的差评率是一样的（半斤八两，谁也别说谁！）。

3.然后在SPSS软件中一顿捯饬（操作过程后续再说，先看理论），得出了下面的分析结果： 

4.牛科长指着画红圈的“1.143”说：“这是卡方值，用来评价实际差评数和理论值的偏离程度”（就像是评价院长画的饼究竟有多大：是否对你承诺了太多，还是我原本给的就不够）。

又指了指画红圈的“0.285”说：“这是P值，即如果你们俩科室真的半斤八两，出现当前这种数据分布（或者更极端情况）的可能性有多大”。

5.得出结论：P>0.05，也就是说如果以0.05为显著性水平，以目前的数据并没有足够的证据拒绝原假设，可以认为你们两个科室的差评率是没有统计学差异的。

虽然药学部的差评率比检验科低（10%vs15%）,但这种差异可能只是随机波动。所以还是半斤八两，谁也别嫌弃谁。

6.药学部主任回到科室立即排查原因，决定找出责任人，跟绩效挂钩。结果发现，差评都集中在：“为什么药房总是缺货？！”

一拍大腿，原来都是采购科的锅！

请关注微信公众号“医统江湖哥”

tips：

1.卡方检验就像抓内鬼，能够发现谁有问题，但说不清为什么有问题或问题出在哪里。

2.P>0.05,并不意味着“接受原假设”，更不能证明原假设绝对成立，只能说以现有的数据并不能拒绝原假设。需要从专业理论、样本量、效应量等方面进行综合判断。

3.卡方检验的重点不是问你“谁多了，谁少了”，而是在拷问：“当前这个数据分布是如何形成的，是自然形成的？还是有人在暗中搞事情？”

就像：“理论上医生、护士都应该能够平等地喝到咖啡，但实际上咖啡机总在某个人的办公室...” （你猜有没有人在搞事情？）

更多了解，请关注“医统江湖哥”微信公众号