統計學變量類型匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇統計學變量類型范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

1.1根據資料類型初步確定方法

臨床研究中產生的各種不同原始資料，而不同數據資料類型采用的統計分析方法也不同。定量資料常用的方法有t檢驗、方差分析、非參數檢驗、線性相關與回歸分析等。定性資料可用的方法有χ2檢驗、對數線性模型、logistic回歸等，影像醫師可根據不同需要選用不同統計方法。值得一提的是有些資料類型確定后，統計方法的選用對其有序性有相應要求；而多種方法聯合應用或者使用部分少見的分析方法時還需要在選定統計方法后，利用統計軟件(如SAS、SPSS)對應的不同命令進行初步分析試驗。

1.2根據研究目的選擇方法

1.2.1差異性研究

差異性分析是指評價比較組間均數、頻數、比率等的差異。根據研究需要可選用的方法有χ2檢驗、t檢驗、方差分析、非參數檢驗等。臨床上研究兩組、多組樣本比率或構成比之間的差別關系時最常用χ2檢驗，也是針對計數資料進行假設檢驗的一種常用的統計學方法，而對兩組定量資料分析常用t檢驗和秩和檢驗，多組資料分析則常用方差分析；Fisher精確概率法主要適用于總體樣本頻數小于40或四格表中最小格子T值<1。雖然Fisher精確檢驗不屬于χ2檢驗，但仍可以作為有效的補充，而也有人認為在統計軟件普遍易得的當下，Fisher精確概率法也同樣適用于大樣本四格表的資料。如彭澤華等[6]在探討冠狀竇-左心房肌連接的雙源CT冠狀動脈成像(DSCTCA)形態特征時針對冠狀竇-左心房肌連接的類型在兩組類別變量采用聯表的χ2檢驗，結果差異無統計學意義(χ2=0.115，P=0.944)。Teefey等[7]在研究超聲表現及白細胞計數預測急性膽囊炎壞疽變化關系時使用Fisher精確分析。t檢驗適用于兩組定量資料分析且資料滿足方差齊性和正態性兩個基本條件；同樣t檢驗適用于完全隨機設計的單因素兩水平的資料，在選用t檢驗時應注意對資料進行相應的變量變換，若資料不能滿足基本條件則選用適合分析偏態分布的非參數檢驗(如：秩和檢驗)進行分析。如Wang等[8]在研究不同侵襲性的前列腺癌組織和正常前列腺組織以及外周帶前列腺癌Gleason評分與腫瘤信號對比時采用t檢驗。Kung等[9]在研究化膿性髖關節炎的臨床和放射學預測指標時也使用t檢驗分析。秩和檢驗包括基本秩和檢驗(Wilcoxon等級檢驗、Mann-WhitneyU-檢驗)和高級秩和檢驗(Kruskal-Wallis、Friedmantests、Kolmogorov-Smirnov擬合檢驗)。當研究資料為兩方差齊且呈正態分布的總體，而總體分布類型未知或者不滿足參數檢驗的條件時，采用t檢驗對樣本進行比較；但若無需比較總體參數只比較總置的分布是否相同且總體資料分布類型未知時需要采用非參數的Wilcoxon秩和檢驗進行比較。針對兩組或多組樣本的定性資料使用秩和檢驗比較時，需要混合兩樣本數據、編秩(從小到大)、計量T值、查表或計算求得P值。如Saindane等[10]在對“空蝶鞍”的臨床意義判定因素研究中針對顱內壓增高和偶然發現空蝶鞍患者兩組資料對比時采用Wilcoxon秩和檢驗。Filippi等[11]在研究DTI測量兒童Ι型神經纖維瘤病胼胝體派生指標時運用Wilcoxon秩和檢驗。事實上在影像資料分析中經常見到多重組間比較的情況，方差分析(analysisofvariance,ANOVA)就是用來推斷兩個或者多個總體之間是否有差別的檢驗，又稱F檢驗。多重組間比較不能單純選用兩樣本均數比較的t檢驗，但是可以根據資料類型選用ANOVA檢驗。若來自兩個隨機樣本資料呈正態分布且方差齊性同的定量資料，應采用兩因素(處理、配伍)方差分析(two-wayANOVA)或配對t檢驗。通過F檢驗可以比較可能由某因素所至的變異或隨機誤差，同時可了解該因素對測定結果有無影響。當不滿足方差分析和t檢驗條件時，可對數據進行變換或采用隨機區組設計資料的FriedmanM檢驗。Obdeijn等[12]在研究乳腺術前MRI能減少術中切緣和乳腺保守術后再次手術，使用ANOVA分析兩組資料，結果對照組(29.3%)相比術前MRI病例組(15.8%)有效減少切緣和再次手術(P<0.01)。

1.2.2相關性分析

相關性分析不等同因果性，也不是簡單的個性化相比，其涵蓋的范圍和領域較為廣泛。統計學意義中的相關性分析包含相關性系數的計算，其過程為：每個變量轉化為標準單位后，乘積的平均數即為相關系數。相關性分析可以用直觀地用散點圖表示兩個或者多個變量的離散，當其緊密地靠近于一條直線時，即變量間存在很強的相關性。相關分析常用的方法有Pearson相關性分析、Spearman等級相關分析和卡方檢驗。臨床中對兩個或者多個均為定量變量的資料，且變量均呈正態分布時可選用Pearson相關分析，但多數情況下Pearson相關分析適用于兩組資料的相關性分析。判斷兩變量之間線性關系的密切程度主要用Pearson積差相關系數，其范圍為－1～+1。若相關系數的絕對值越接近1，即兩變量間相關性越密切；反之，相關系數的絕對值越接近0，其相關性越差。實際上在高質量期刊論文中使用Spearman等級相關分析的研究也很常見，其通過相關系數進行變量間線性關系分析來判定兩個變量間相關性的密切程度。而密切程度的量化指標則通過計算樣本相關系數r，根據實際計算r絕對值所屬范圍來推斷兩個來自總體變量的線性相關程度，從而推斷總體的相關性。根據實際分析需要，將相關關系密切程度分為6等：當IrI=0時，說明兩變量完全不相關：當0<IrI<0.3時，說明兩變量不相關；當0.3<IrI<0.5時，說明兩變量低度相關；當0.5<IrI<0.8時，說明兩變量顯著相關；當0.8<IrI<1說明兩變量高度相關：當IrI=l時，說明兩個變量完全相關。王效春等[13]在研究磁敏感加權成像與動態磁敏感加權對比增強MR灌注加權成像聯合應用在腦星形細胞瘤分級中的價值一文應用Spearman等級相關分析，結果顯示腫瘤內磁敏感信號與相對血容量最大值和病理分級呈正相關(IrI分別為0.72、0.89，P值均＜0.01),相對血容量與病理分級呈顯著正相關(r=0.78，P＜0.01)。又如Lederlin等[14]在比較幾何參數、相關功能與組織學特性在哮喘患者的支氣管壁CT衰減性關系中同時使用Pearson相關分析和Spearman等級相關分析，其r=0.39～0.43，表明與對照組相比常規CT衰減參數在哮喘患者平常支氣管的CT參數、氣道壁衰減方面更好的區分哮喘患者，同時也更好地區分氣道梗阻。值得提及的是對資料有序或無序無法作出初步判定，且明確資料類型為定性資料時還可以選擇使用卡方檢驗和Spearman等級相關分析。

1.2.3影響性分析

由于事物之間的聯系是多種多樣的，而某一結局可能受到來自其他多個方面的影響，此時為分析某一結局發生的影響因素可采用的資料分析方法有線性回歸(一元或多元)、logistic回歸、Cox比例風險回歸模型(生存分析)等。在影像資料分析中一元線性回歸是將影像資料中一個最主要影響因素作為自變量來解釋因變量的變化。多元回歸定義為某一因變量的變化受多個重要因素的影響，而此時需要用兩個或多個影響因素作為自變量來解釋因變量的變化，且多個自變量與因變量之間是線性關系(多個因變量之間相互獨立)。實際研究中多元線性回歸模型在影像資料分析應用較為廣泛。Langkammer等[15]在磁敏感系數繪圖在多發性硬化中應用研究中使用多元線性分析，結果顯示各種影響因素中年齡是預測磁化率影響最強的因素。Logistic回歸是研究二分類和多分類觀察結果與某些影響因素自己建關系的一種多變化分析方法，其經常需要分析疾病與各影像指標之間的定量關系，同時又需要排除一些混雜因素影響。Logistic回歸在統計學上屬于概率型非線性回歸，其分析思路與線性回歸大致相同，能有效解決過高或過低水平因素以及分析因素少而樣本量大等問題。相比多元線性回歸，Logistic回歸在處理分類反應數據方面更為常用，且適用于結局為定性影像資料。如Lee等[16]研究高分辨率CT在發現小蜂窩樣特發性間質肺炎纖維化的連續變化和預后應用中使用logistic回歸分析，結果表明高分辨率CT在網狀和磨玻璃狀范圍內評價普通肺炎與非特異性纖維化肺炎之間差別明顯(P<0.01)。在臨床實際工作中常常需要分析生存時間與影像資料之間的關系，Kaplan-Meier法就是常用的一種分析方法，其又稱乘積極限法，對大小樣本資料分析均適用。實踐中習慣上以時間為橫軸、生存率為縱軸回執的階梯狀圖稱為Kaplan-Meier生存曲線(survivalcurve)，也稱K-M曲線。Cox比例風險回歸模型是另一種生存分析方法，包括參數與半參數模型兩類，其主要是進行多因素生存分析的一種方法，同時可分析眾多變量對生存時間和生存結局的影響。Saad等[17]在經頸靜脈肝內門體靜脈分流術在肝移植受者的技術分析和臨床評估研究中比較成功施行肝移植與非移植病人開展門體分流術(transjugularintrahepaticportosystemicshunt，TIPS)后的臨床療效評估，使用了Kaplan-Meier法，結果顯示6～12個月、12～24個月、24個月以上，移植成活率分別為43%、32%和22%。生存期大于1年的晚期肝臟疾病模型存活評分低于17分、等于17分或大于17分的存活率分別為54%和8%(P<0.05)。

2其他適用方法

2.1ROC曲線

ROC(receiveroperatingcharacteristic)曲線是歐美影像學期刊中應用較為常見的統計學方法，國內期刊應用相對較少。ROC曲線根據一系列不同的分界值以真陽性率(靈敏性)為縱坐標，假陽性率(特異性)為橫坐標繪制的曲線。ROC曲線分析結合靈敏度(sensitivity)和特異度(specificity)廣泛應用于醫學診斷，也應用于影像診斷及人群篩查。ROC曲線根據曲線下面積(areaundertheROCcurve，AUC)的大小對診斷試驗作定量分析。理論上，AUC值在0～1間。根據實際情況將診斷分為不符合診斷(AUC<0.5)、無診斷價值(AUC=0.5)、低準確性(0.5<AUC<0.7)、一定準確性(0.7<AUC<0.9)、較高準確性(0.9<AUC<1)，AUC越接近于1，表明診斷準確性越高。Hyodo等[18]在研究乏血管少結節的慢性肝臟疾病患者發展成富血管性肝細胞癌風險因素一文中使用ROC曲線分析，結果顯示后續發展成血管性結節平均增長率明顯高于非血管過渡性結節。

2.2Kappa檢驗

Kappa檢驗主要用于評價不同資料間一致性程度，常用Kappa值評價一致程度。Kappa系數適用于兩項和多項無序分類變量資料。在影像學試驗中常需要判斷多名醫師測量同一研究對象或者同一醫師多次測量同一對象的一致性，Kappa一致性檢驗便是最佳選擇。Kappa檢驗還可通過計算Kappa值對兩種非金標準的診斷方法進行診斷結果一致性分析。一般而言，評價Kappa一致性需要計算Kappa系數，但在研究考察新的診斷試驗方法是否優于金標準，或者檢驗是否與金標準一致時，還需要計算特異度、靈敏度、陽性預測值和陰性預測值等指標。目前公認的Kappa系數分為六個區段即一致性極差(Kappa值<0)，一致性微弱(Kappa值0～0.2)，一致性弱(Kappa值0.21～0.40)，中度一致Kappa值(0.41～0.60)，高度一致(Kappa值0.61～0.80)，一致性極強(Kappa值0.81～1.00)。

篇（2）

【中圖分類號】 R 179 R 395.6 R 163 【文獻標識碼】 A 【文章編號】 1000-9817(2007)08-0699-02

Relationship Between the Internet Addiction and School Management/CHANG Guo-sheng*, LI Yong-zhan, ZHAO Shan-ming. * No.9 People's Hospital of Zhengzhou, Zhengzhou(450001), China

【Abstract】 Objective To study the situation of the internet addiction disorder (IAD) among the senior middle school, and to explore the influence of school management type on the incidence of the internet addiction disorder.MethodsEight hundred and fifty students were sampled from six senior middle schools by cluster sampling. They were tested by IAD Scale and a self-designed inventory. Results The incidence of IAD was 6.1%, and it had no significant differences in gender, grade and original location, but it had significant differences between IAD and school nature or school management type. The results of logistic regression and linear regression indicated that school management type had the greatest predictability to the variation of the IAD. ConclusionIAD of senior middle school students is related with school management type, and close management can be a valid way to IAD prevention.

【Key words】 Internet;Behavior,addictive;Organization and administration;Students

如今，大學生網絡成癮(IAD)現象日趨突現, 越來越多的中學生也開始加入到上網大軍之中［1］，成為另一個網絡成癮的高危群體［2］。因沉迷網絡所致的學習成績下降和心理、行為異常現象已經引起了社會的廣泛關注［3-5］。中學生身心發展不平衡，容易出現較多的心理問題［6］，加之好奇心強、自制力弱、人生觀和價值觀尚未形成，面對包羅萬象的網絡虛擬世界，網絡成癮的危險性更大［7］。筆者以鄭州市高中生為被試，調查其網絡成癮狀況，并分析學校管理類型與網絡成癮的關系，以期為干預網絡成癮提供理論依據。

1 對象與方法

1.1 對象 隨機選取鄭州市重點、普通、職業中學各2所，按年級隨機抽取高一至高三年級共18個教學班的學生850人為調查對象,獲有效答卷806份,有效應答率為94.82%。被試中一年級262人，二年級261人，三年級283人；男生457人，女生349人；重點中學學生310人，普通中學學生277人，職業中學學生219人。年齡14～19歲，平均年齡(16.12±1.25)歲。

1.2 方法 采用網絡成癮診斷問卷和自編的網絡使用調查問卷對所有調查對象進行測試。網絡成癮診斷問卷又稱網絡成癮診斷標準，是1996年由美國心理學家K.S.Young參照《美國精神障礙診斷與統計手冊》第4版（DSM-IV)中關于賭博成癮的標準編制而成［8］。問卷由8個問題組成，得5分及5分以上即可判定為網絡成癮（IAD）。自編網絡使用調查問卷系參考已有的網絡成癮研究所用的調查問卷，并結合本研究的目的編制的，項目包括年齡、性別、年級、學校性質、學校管理類型、生源等內容。上述2套問卷由課題組成員統一發給被試,進行不記名集體測試。采用SPSS 10.0軟件對數據進行統計與分析。

2 結果與分析

2.1 網絡成癮診斷問卷得分情況及網絡成癮率 在806名被試中，得分大于或等于5分的IAD者有49名，非IAD者有757名，網絡成癮率為6.1%。

2.2 不同人口社會統計學特征高中生網絡成癮率比較 由表1可知，只有職業高中學生網絡成癮人數顯著大于期望值（P=0.014）。開放式管理的學校學生與封閉式管理的學校網絡成癮率差異有統計學意義。

2.3 網絡成癮與各統計變量之間的相關分析 結果顯示，網絡成癮與性別、年級、生源均無顯著性相關，而與學校性質和學校管理類型的相關均具有統計學意義(r值分別為0.106和0.089)。

2.4 網絡成癮傾向與各統計變量的多元線性回歸分析 以網絡成癮總分為因變量，以性別、年級、生源、學校性質、學校管理類型為自變量進行多元線性回歸分析，結果顯示：網絡成癮總分和學校管理類型、生源有線性回歸關系；學校管理類型首先進入回歸模型，其次進入的是生源。模型的回歸方程為y=-0.685＋0.906x1＋0.377x2，其中x1為學校管理類型，x2為生源。見表2。

3 討論

調查結果顯示，鄭州市高中生網絡成癮率為6.1%，低于已有研究的結果［9-10］。可能是由于各研究所采用的網絡成癮診斷量表不同所致，也可能與各研究所調查的樣本范圍及研究的時間不同有關。

男、女生網絡成癮率差異無統計學意義，與已有的研究結果不一致［9-10］。可能是隨著網絡的日漸普及，女生上網人數也與日俱增，使更多的女生網絡成癮。

結果還顯示，職業高中的網絡成癮率顯著高于重點與普通高中，開放式管理的學校網絡成癮率顯著高于封閉式管理的學校。說明學校性質與學校管理類型應該與網絡成癮有關。相關性分析也提示，學校性質和學校管理類型與網絡成癮呈顯著正相關。

多元線性回歸分析顯示，學校管理類型對網絡成癮傾向的影響在各變量中最大。提示在干預高中生網絡成癮方面，學校實行封閉式教學管理可能是一項有效的措施。當然，人格、生理、家庭教養方式、社會支持等因素都可能是網絡成癮的預測變量，但單從可操作性來考慮網絡成癮的干預措施，實施封閉式學校管理應該說是具有一定可行性的。

4 參考文獻

［1］ 中國互聯網絡發展狀況統計報告.中國互聯網信息中心（CNNIC)，2006.

［2］ 李煜光.中學生網絡成癮和學校教育：上海市中學生網絡成癮現象分析.四川教育學院學報，2005，21（4）：3-12.

［3］ 張曉陽,席震芳,嚴紅妹.城市初中生網絡成癮與其網絡行為的相關研究.中國學校衛生,2004,10,25（5）:607-608.

［4］ 席震芳,張曉陽.初中生網絡成癮傾向與家庭教養方式的關系.中國學校衛生,2005 ,26（2）:153-155.

［5］ 李曉駟,李澤愛,謝雯,等.合肥市中學生網絡成癮流行病學調查報告.中國心理衛生雜志,2006,20（1）:51-54.

［6］ 王宇中.醫學心理學.蘭州：蘭州大學出版社，2003：237.

［7］ 龔銀清，楊容，張斌.中學生網絡成癮的心理治療方法與技術.中國學校衛生，2005 ，26 （5）：408-409.

［8］ YOUNG KS.Internet Addiction: the emergence of a new disorder.Cyber-psychol behavi,1998,1（3）:237-244.

［9］ 黃少南，胡武昌，周先華，等.九江市城區中學生網絡成癮狀況調查.山東精神醫學，2005，18 （1）:35-37.

篇（3）

二、應用SPSS軟件的基本統分析

教學材料第二、三章內容為資料的整理與特征數的計算、概率和概率分布，結合教學內容SPSS上機實驗課應設置基本統計分析課程，該部分包括數據匯總報告和描述性統計分析兩方面的內容。基本統計分析可通過菜單欄的分析（Analyze）窗口進入，點擊分析欄之后，鼠標放置數據匯總報告（Reports）欄，即可顯示分層報告（OLAP—OnlineAna-lyticalProcessing）、數據匯總（CasesSummarize）、行匯總報告（ReportSummariesinRows）、列匯總報告選項（ReportSummariesinColumns）。其中分層報告主要用于中位數、最大值、最小值、方差、偏度系數等統計描述；數據匯總可用于對編輯窗口中的數據在結果窗口中羅列出來，以便瀏覽和打印，同時也可對數據的基本特征進行描述；行匯總報告可羅列原始數據，其格式是以觀察單位和統計量為行標目，以報告變量為列標目；列匯總報告主要用來生成按列顯示統計量計算結果的報告，同時也可以完成許多統計計算。當鼠標放置描述性統計分析（DescriptiveStatistics）位置后，選中響應的功能即可進入頻數分析（Frequen-cies）、描述性分析（Descriptives）、探索性分析（Ex-plore）、多維交叉表分析（Crosstabs）、比值分析（Ratio）窗口從而根據自己的目的進行響應的數據分析。

三、應用SPSS軟件的均值比較和方差分析

生物統計學基本知識熟悉之后，在隨后在課堂教學中會開始進行統計推斷和方差分析部分的內容。SPSS實驗課在此部分結合課堂教學相應的設置均值比較和方差分析上機內容。均值比較可通過菜單欄的分析（Analyze）窗口進入，點擊分析欄之后，鼠標放置數據均值比較（Com-pareMeans）上即可顯示相應分析欄：平均數基本分（Means）可用于定量資料的統計分析，按分組變量計算因變量的描述統計量值，如均值、方差、標準差、偏度、峰度等統計量，并顯示結果；單樣本T-test（One-SampleTTest）單樣本t檢驗主要用于樣本平均數和已知總體平均數的比較；獨立樣本T-tes（tInde-pendent-SamplesTTest）可用于檢驗兩個獨立樣本的總體平均數之間是否有顯著差異；配對樣本T-test（Paired-SamplesTTest）用于配對計量資料的比較，檢驗配對樣本差值的總體均數與0的差異有無顯著意義，以及配對樣本是否相關方差分析包括單因素方差分析和多因素方差分析。其中單向方差分析（One-WayANOVA）可通過均值比較（CompareMeans）進入，其用于完全隨機設計資料的多個樣本均數比較和樣本均數間的多重比較，也可進行多個處理組與一個對照組的比較。多因素方差分析可通過分析欄里的多因素方差分析（GeneralLinearModel）選項進入，進入之后會設置四個不同要求的選擇：單變量多因素方差分析（Univariate）可用于一個因變量受一個或多個自變量影響的方差分析；多因變量方差分析（Multivariate）主要用于多個因變量受一個或多個因素變量或協變量影響的方差分析；多因變量方差分析（Multivariate）對同一因變量進行重復測量的方差分析；混合效應分析（VarianceCompo-nents）用來估計每個隨機因素對因變量方差的貢獻。在分析過程中可根據不同的需要和要求，選擇相應的方差分析。

篇（4）

科研設計包括專業設計和統計研究設計。專業設計主要包括基本常識和專業知識的正確、全面、巧妙地運用；而統計研究設計包括實驗設計、臨床試驗設計和調查設計。值得注意的是：在很多科研人員所做的科研課題中，不僅嚴重忽視統計研究設計，就連專業設計也有嚴重錯誤，主要表現在犯了基本常識錯誤和違背專業知識錯誤。這類錯誤所發生的頻率還相當高，是一種不能容忍的不正常現象！

在統計研究設計所包含的3種研究設計中，實驗設計是最重要的，因為很多關鍵性的內容都包含在其中，其核心內容是“三要素”、“四原則”和“設計類型”。所謂“三要素”就是受試對象(或調查對象)、影響因素(包括試驗因素和重要的非試驗因素)和實驗效應(通過具體的觀測指標來體現)；所謂“四原則”就是隨機、對照、重復和均衡原則，它們在選取和分配受試對象、控制重要非試驗因素對觀測結果的干擾和影響、提高組間均衡性、提高結論的可靠性和說服力等方面將起到“保駕護航”的作用；所謂“設計類型”就是實驗中因素及其水平如何合理搭配而形成的一種結構，它決定了能否多快好省且又經濟可靠地實現研究目標。科研人員若對重要非試驗因素考慮不周到、對照組選擇不合理、設計類型選擇不當或辨別不清，導致科研課題的科研設計千瘡百孔、數據分析濫竽充數、結果解釋稀里糊涂、結論陳述啼笑皆非。下面筆者就“實驗設計”環節存在的問題辨析如下。

1 在分析定量資料前未明確交代所對應的實驗設計類型

人們在處理定量資料前未明確交代定量資料所對應的實驗設計，對數千篇稿件進行審閱后發現，大多數人都是盲目套用統計分析方法，其結論的正確性如何是可想而知的。這是一條出現非常頻繁的錯誤，應當引起廣大科研工作者的高度重視。

2 臨床試驗設計中一個極易被忽視的問題——按重要非試驗因素進行分層隨機化

例1：原文題目為《氣管舒合劑治療支氣管哮喘的臨床觀察》。原作者寫到：“全部病例均來源于本院呼吸專科門診和普通門診，隨機分為治療組40例和對照組30例。其中治療組男21例，女19例；年齡21～55歲，平均(36.28±9.36)歲；病程2～23年，平均(10.31±17.48)年；病情輕度者16例，中度24例。對照組30例，男16例，女14例；年齡20～53歲，平均(35.78±9.53)歲；病程3～24年，平均(11.05±6.47)年；病情輕度者13例，中度者17例。兩組間情況差異無顯著性，具有可比性。”請問這樣隨機化，其組間具有可比性嗎？

對差錯的辨析與釋疑：顯然，研究者在試驗設計時未對重要非試驗因素采用分層隨機保證各組之間的可比性。這條錯誤的嚴重程度為不可逆，出現不可逆錯誤意味著原作者的試驗設計具有無法改正的錯誤，必須重做實驗！究其原因，主要是原作者未理解統計學上隨機的概念。統計學上隨機化的目的是盡可能去掉人為因素對觀測結果的干擾和影響，讓重要的非試驗因素在組間達到平衡。稍微留意一下原作者隨機化分組，明顯帶有人為的痕跡，治療組40人比對照組30人多出10人；治療組病程的標準差17.48是對照組病程的標準差6.47的近3倍。筆者很疑惑怎樣的隨機化才能達到如此的不平衡？事實上隨機化有4種：子總體內隨機、完全隨機、分層隨機和按不平衡指數最小原則所進行的隨機，原文條件下應當選用分層隨機，即以兩個重要的非試驗因素(性別和病情)水平組合形成4個小組(男輕，女輕，男中，女中)，然后把每個小組內的患者再隨機均分到治療組和對照組中去，這樣分層隨機的最終結果一定是治療組和對照組各35人，且使2組間非試驗因素的影響達到盡可能的平衡，從而可大大提高組間的可比性。在本例中，若“病程”對觀測結果有重要影響，在進行分層隨機化時，在按“性別”和“病情”分組的基礎上，還應再按“病程”(設分為短、中、長)分組，即共形成12個小組，將每個小組中的患者隨機均分入治療組與對照組中去，這是使“性別、病情、病程”3個重要非試驗因素對觀測結果的影響在治療組與對照組之間達到平衡的重要舉措，也是所有臨床試驗研究成敗與否的最關鍵環節！

3 實驗設計類型判斷錯誤

例2：某作者欲觀察甘草酸、潑尼松對慢性馬兜鈴酸腎病(AAN)腎損害的干預作用，于是，進行了實驗，數據見表1。原作者經過用甘草酸和潑尼松分別與同期正常對照組和模型組比較，一個P＜0.05，另一個P＜0.01，于是得到甘草酸、潑尼松對慢性AAN腎損害具有一定程度的保護作用，且潑尼松的效果更佳。請問原作者的結論可信嗎？表1 各組大鼠血BUN及SCr變化比較（略）注：與正常對照組同期比較，*P＜0.05，**P＜0.01；與模型組同期比較，P＜0.05，P＜0.01

對差錯的辨析與釋疑：本例錯誤極為典型，通常科研工作者欲觀察某種藥物是否有效，習慣上會建立正常對照組、模型組(即該藥物擬治療的病態組)和在模型組基礎上的用藥組(如本例中甘草酸組和潑尼松組)。這樣的設計本身并沒有錯，但這僅僅是專業上的“實驗安排(可稱為多因素非平衡組合實驗[1])”，而并非是統計學中所說的某種標準實驗設計類型。寫在“組別”之下的4個組，并非是一個因素的4個水平，而是2個因素水平的部分組合。這2個因素分別是“是否建模(即正常與模型2個水平)”和“用藥種類[即不用藥(相當于安慰劑)、用甘草酸和用潑尼松3個水平]”。2個因素共有6種水平組合，即“組別”之下缺少了“正常基礎上用甘草酸”和“正常基礎上用潑尼松”。這樣設計的實驗才可能反映出“是否建模”與“用藥種類”2個因素之間是否存在交互作用。

在本課題研究中，由于未在實驗前作出正確的實驗設計，處理數據時錯誤就悄然產生了。具體到本例，從原作者在表1的注解中可以看出，通過單因素方差分析分別比較同期(即相同觀測時間點)的甘草酸組和潑尼松組與正常對照組和模型組之間的差別是否有統計學意義。這樣的做法有3個嚴重錯誤：第一，嚴格地說，在模型組基礎上的用藥組是不適合直接與正常對照組相比較的，因為這樣的比較解釋不清到底是藥物的作用還是由于模型未建成功而造成的假象；第二，將各個時間點割裂開分別比較破壞了原先的整體設計，數據利用率降低，誤差估計不準確，導致結論的可信度降低。將一個重復測量實驗的各個時間點割裂開來考察，就等于在各個片段上估計實驗誤差、作出統計推斷，好像盲人摸象一樣，摸出來的結果差別何其之大；第三，要想說明兩種藥物哪個效果更佳，在得出差別具有統計學意義的基礎上，衡量的標準是應看組間平均值的差量的大小而不應看P值是否足夠地小，不能說P＜0.01時就比P＜0.05時更有效，這種忽視實驗誤差、忽視絕對數量和脫離專業知識的想法和做法都是不妥當的。

如何正確處理表1中的實驗資料呢？關鍵要正確判定該定量資料所對應的是什么實驗設計類型。由前面的分析可知，表1定量資料對應的是“多因素非平衡組合實驗”，而不是某種標準的多因素實驗設計類型。明智的做法是對“組別”進行合理拆分，即根據專業知識和統計學知識，對“組別”之下的所有組重新進行組合，應使每種組合對應著一個標準的實驗設計類型。正確地拆分結果分別見表2和表3。表2 正常對照組與模型組大鼠血BUN及SCr變化的測定結果（略）表3 模型組和2個用藥組大鼠血BUN及SCr變化的測定結果（略）

事實上，由科研習慣形成的這一套實驗方案筆者形象地稱之為多因素非平衡的組合實驗，或者說，它是實驗設計的表現型。通常可以進行統計分析的都必須是標準型(即統計學上所說的某種實驗設計類型)，因此需要能看出代表表現型本質的原型(本例中組別之下應該有6個組，這6個組構成一個2×3析因設計結構，但原作者少設計了2個組)。通常需要將表現型或/和原型拆分成標準型后再選擇合適的統計分析方法進行數據分析。本例根據原作者的意圖，可以將表1拆分成2個標準型，形成2個具有一個重復測量的兩因素設計定量資料，見表2和表3。相應的統計分析方法就是具有一個重復測量的兩因素設計定量資料的方差分析。此處請讀者注意：第一，具有一個重復測量的兩因素設計定量資料的方差分析和一般的方差分析雖然都叫方差分析，但它們的計算公式卻有本質區別，絕不可混用；第二，重復測量因素(本例中為時間)不要與實驗分組因素(表2中叫“是否建模”；表3中叫“藥物種類”)同時列入左邊，它們是本質不同的兩種因素，一般應該把“重復測量因素”放到表頭橫線下方。

通過本例可以看出，在實驗前明確實驗設計是多么重要的一件事情。試想，若讓本例原作者寫明他的實驗設計類型，他必然就會對基本的實驗設計類型作一番調查和學習，自然就能發現他所“設計”的實驗并不是統計學上相應的實驗設計。那么通過咨詢相關人士必能做出比較正確的實驗設計，不僅可以提高科研設計水平，而且可以大大提高科研課題和論文質量。

例3：原文題目為《土荊芥-水團花對胃潰瘍大鼠黏膜保護作用的研究》。原作者使用單因素多水平設計定量資料方差分析處理表4中的數據。請問原作者這樣做對嗎？表4 各組黏膜肌層寬度、再生黏膜厚度變化（略）注：與正常組比較，aP＜0.05；與NS組比較，bP＜0.05；與CP 10 mg·kg－1 組比較，cP＜0.05

對差錯的辨析與釋疑：本例涉及到統計學三型理論[1]中的一些概念，簡單地說就是可以直接進行統計分析的來自標準設計的數據表叫標準型，反映問題本質但并非是標準型的數據表叫原型，而掩蓋了原型信息的數據表叫表現型。“組別”之下的6個組，似乎是某個因素的6個水平，其實不然！這6個組涉及到多個試驗因素，應對“組別”拆分重新組合后，再分別判定各種組合所對應的實驗設計類型，并選用相應的統計分析方法。組合1：空白對照組(正常)、陰性對照組(NS)，這是單因素兩水平設計(簡稱為成組設計)。由于正常組無實驗數據，故該組合無法進行統計分析；組合2：NS組、RA組、CP(20/mg·kg-1)組，這是單因素3水平設計，因素的名稱叫“藥物種類”；組合3：NS組、CP(10/mg·kg-1)組、CP(15/mg·kg-1)組、CP(20/mg·kg-1)組，這是單因素4水平設計，因素名稱叫CP的劑量(其中，NS組可視為CP的劑量為0)。

對于組合2和組合3，若定量資料滿足參數檢驗的前提條件，可選用相應設計定量資料的方差分析，否則，需要改用相應設計定量資料的秩和檢驗。

4 人為改變設計類型且數據利用不全

例4：某作者使用表5中的數據進行分析，欲比較治療組和對照組在治療后的各個時間點的療效情況，使用的分析方法為一般卡方檢驗，請問原作者這樣做對嗎？

對差錯的辨析與釋疑：從給出的統計表可以看出，該作者有意或者無意之間收集了一類相當復雜的實驗設計類型下的定性資料，結果變量為多值有序變量的具有一個重復測量的兩因素設計定性資料，處理這個設計下收集的定性資料要使用相應設計定性資料的統計模型分析法。由于上述方法過于復雜，因此，通常在實際運用中，實際工作者將重復測量因素武斷地視為實驗分組因素，從而使該資料變為結果變量為多值有序變量的三維列聯表資料。在已經出錯的前提下，原本應當使用CMH校正的秩和檢驗或者有序變量的多重logistic回歸分析處理資料。然而，該作者顯然在此基礎上進一步合并了數據，將結果變量變成二值變量(有效、無效)，也就是說，原作者實際使用的僅僅是最后一列數據(即總有效率)，并且最為嚴重的錯誤是將三維列聯表資料強行降維成二維列聯表資料，使用一般χ2檢驗進行分析。經過一系列的簡化與錯誤合并，最后結論的可信度還剩下多少呢？表5 原作者對2組療效比較的試驗設計及數據表達（略）注：與對照組同期比較，*P＜0.05

由于篇幅所限，這類錯誤筆者只給出1例，實際上此類例子在很多雜志中普遍存在。這說明在進行實驗設計時，很多研究人員并未做到心中有數；分析數據時，按自己熟悉的簡單統計分析方法所能解決的數據結構強硬地改造數據，嚴格地說，在用表格表達實驗資料的那一剎那就已人為改變了資料所對應的實驗設計類型，這種做法的科學性和得出結論的正確性都將受到質疑[2]。

5 正交設計及數據處理方面的錯誤

人們在進行正交設計和對正交設計定量資料進行統計分析時，常存在下列3個誤區：很多人過分強調用正交設計可以大大減少實驗次數，因此，無論各實驗條件(正交表中的每一行)下的實驗結果波動有多大，都不做重復實驗，這是第1個誤區；將正交表各列上都排滿試驗因素，用對實驗結果影響最小的試驗因素所對應的標準誤作為分析其他因素是否具有統計學意義的誤差項，導致誤差項的自由度較小，結論的可信度較低，這是第2個誤區；在對正交設計定量資料進行方差分析后，即使存在多個無統計學意義的因素，仍對少數幾個有統計學意義的因素進行解釋，未將無統計學意義的因素合并到誤差項中去重新估計實驗誤差，以獲得具有較大自由度的誤差項，這是第3個誤區。

篇（5）

卒中預后與血脂關系的研究結果差異很大， 認識尚未統一。研究發現腦卒中患者預后的獨立預測因素是血清膽固醇水平， 而另有研究卻認為腦卒中死亡的獨立預測因素血清甘油三酯水平， 預測因素中TC水平不作為獨立因素， 預后較好時患者TG水平高[1]。本實驗研究分析260例腦卒中患者神經功能缺損的程度和急性期血脂的水平， 探討不同類型腦卒中患者血脂水平與疾病嚴重程度的關系。

1 資料與方法

1. 1 一般資料 選擇2006年12月～2012年12月于本院住院、病程0.05）， 具有可比性。

1. 2 方法

1. 2. 1 血脂測定 所有研究對象測甘油三酯、總膽固醇、低密度脂蛋白、高密度脂蛋白、載脂蛋白B（APOB）、載脂蛋白A1（APOA1）均通過東芝T-40型全自動生化分析儀測定， 低TC指TC

1. 2. 2 疾病嚴重程度評價 所有患者評定神經功能的缺損程度均為入院24 h內采用SSS， 評分0～58分。重度SSS

1. 3 統計學方法 數據分析應用SPSS17.0統計學軟件。計量資料用均數±標準差（ x-±s）表示， 采用t檢驗；計數資料用率表示， 采用χ2檢驗；多因素分析采用多元逐步Logistic回歸分析。P

2 結果

2. 1 不同卒中類型的疾病嚴重程度、血脂水平評分比較 出血性腦卒中患者的血清TG、TC和LDL-C水平與缺血性腦卒中患者比較明顯降低， 差異有統計學意義（P

2. 2 血脂水平與SSS的關系 218例低TC患者， SSS為（30.76±16.73）分， 與血清TC≥6.00 mmol/L的患者（42例）[SSS（42.63±13.53）分]相比明顯較低， 差異有統計學意義（P12.0 mmol/L患者（104例）[SSS（44.95±11.25）分]相比明顯較低， 差異有統計學意義（P

2. 3 多元逐步回歸分析 以入院24 h內神經功能缺損評分（SSS）為應變量， 以年齡、性別、文化程度、腦卒中類型及各血脂指標為自變量， 進行多元逐步回歸分析， 進入方程的變量有年齡、腦卒中類型、TC及LDL-C， 其中年齡與SSS評分呈負相關（r=-0.34， P

3 討論

脂質代謝紊亂包括血清TG升高、TC升高、LDL-C升高或者高密度脂蛋白膽固醇（HDL-C）降低， 在動脈粥樣硬化的形成和發展過程以及心腦血管疾病發生當中是很重要的。且類型不一樣的腦卒中脂質的代謝也不同。本研究發現入院時患者的腦卒中類型和血脂水平相關， 出血性腦卒中患者的血清TG、TC和LDL-C水平明顯低于缺血性腦卒中患者。

脂質代謝紊亂作為冠心病的主要危險因素已被人們所認識， 然而血脂水平與腦卒中的相關性至今還存有爭議[2， 3]。本研究發現急性期腦卒中患者病情較重的都是血清TC和TG水平較低的患者， 其機制尚未清楚。目前認為TC可能通過調節乙酰膽堿酯酶的活性和r-谷氨酰轉移酶起效達到神經保護作用。高TC飲食可降低乙酰膽堿酯酶的活性， 提高r-谷氨酰轉移酶的活性， 從而可降低興奮性氨基酸的神經毒性作用。TC也可中和部分氧自由基作為一種緩沖劑， 從而提高細胞的恢復能力和限制病灶的擴大。通過氧化氫培養大鼠腦切片的實驗研究表明， TC阻礙應激反應的效果明顯。而TG致動脈粥樣硬化作用很強大， 其導致動脈硬化的機制尚不明確。另TG易受其他因素的影響， 尤其是糖尿病和肥胖。最近的一項TG基因在肥胖核心家庭分析中， 發現血清TG在極端肥胖者中水平明顯增加， 說明肥胖、高TG、糖耐量異常三者之間的關系復雜， 以上均是代謝綜合征的重要組成部分。因此認為TG的在腦卒中的發病因素并非獨立的， 而是幾種病因綜合起來的共同作用導致。本研究對入院24 h時SSS評分與血脂指標進行多元逐步回歸分析， 結果表明TC及LDL-C水平與SSS評分密切相關， 且與SSS評分呈正相關， 提示TC及LDL-C水平可能是預測急性腦卒中病情嚴重程度獨立變量。

本組研究中不同類型卒中比較， 神經功能缺損程度評分差異有統計學意義（P

參考文獻

[1] 李偉， 劉鳴， 王麗春.腦卒中患者急性期血脂水平與病情嚴重程度的關系.臨床神經病學雜志， 2007， 20（3）：222.

篇（6）

統計學如何為數據挖掘服務，這是在“數據挖掘”飛速發展的今天，統計工作者必須回答的一個問題，我國廈門大學的朱建平教授提出：“統計學應該隨時關注數據分析，哪里有數據，哪里就應該有統計分析。”統計學是搜集、展示、分析和解釋數據的學科，它擁有非常深厚的理論基礎，并在社會生活的各個領域發揮著巨大的作用。近代統計學方法與信息處理的關系日益密切，作為信息處理的一個基本工具，統計學方法將發揮越來越重要的作用。

數據挖掘是近十幾年里發展起來的一門嶄新的學科，由于它與統計學都關心從數據中發現某種結構，因而從數據挖掘誕生之日起，就與統計學有了千絲萬縷的聯系。

一、統計學與數據挖掘的涵義

統計學是應用數學的一個分支，主要通過利用概率論建立數學模型，收集所觀察的系統數據，進行量化的分析、總結，進行推斷和預測，為相關決策提供依據和參考；它分為描述統計和推斷統計。描述統計包括對客觀現象的度量、調查方案的設計，對所收集的數據資料進行加工整理、綜合概括，通過圖示、列表等方式進行分析和描述。推斷統計是在搜集、整理監測樣本數據的基礎上，對有關總體做出推斷，其特點是根據隨機性的觀測樣本數據以及問題的條件和假定，對未知事務做出以概率形式表述的推斷。

數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的，人們事先不知道的，但又具有潛在價值的信息和知識（模型或規則）的過程。這個定義包括以下含義：數據源必然是真實的、大量的、含噪聲的；發現的知識可接受、可理解、可運用，并不要求發現放之四海皆準的知識，僅支持特定的發現問題。它能高度自動化的分析原有數據，做出目的性推理，從中挖掘出潛在的模式，從而幫助決策者調整策略，做出正確的決策。它融數據庫技術、人工智能技術、數理統計技術和可視化技術為一體，是一個多學科相互交叉又融合所形成的一個新興的具有廣泛應用前景的研究領域。

二、統計學與數據挖掘的聯系

（一）數據挖掘雖不同于統計分析，但許多挖掘技術又來源于統計分析，數據挖掘中有許多工作可以由統計方法來完成。比如預言算法（回歸）、抽樣、基于經驗的設計等。

（二）數據挖掘不是為了替代傳統的統計分析技術，相反，數據挖掘是統計分析方法的擴展和延伸。大多數的統計分析技術都基于完善的數學理論和高超的技巧，其預測的準確程度還是令人滿意的，但對于使用者的知識要求比較高。而隨著計算機能力的不斷發展，數據挖掘可以利用相對簡單和固定程序完成同樣的功能。

（三）數據挖掘技術的出現為統計學提供了一個嶄新的應用領域，也對統計學的理論研究提出了挑戰。數據挖掘技術有相當大的比重是由高等統計學中的多變量分析所支撐。

（四）統計學與數據挖掘的結合日益緊密。數學是傳統意義上統計學方法的首要工具，而計算機和網絡為代表的信息技術，正逐漸成為統計學應用的首要工具。隨著數據源的不斷膨脹和數據結構的日益復雜，單純依靠數據挖掘技術，已漸露力不從心之態，而統計學的同步發展，正不斷充實、完善著數據挖掘技術。因此，隨著信息化水平的提高，統計學與數據挖掘的應用平臺漸趨統一。

三、預測性挖掘中常用的統計學方法

數據挖掘中應用的統計學預測性方法主要有判別分析和回歸分析。其中，判別分析用于對離散型目標變量的預測，而回歸分析則主要用于對連續性目標變量的預測。

篇（7）

人際信任是個體將他人的言詞、承諾以及口頭或者書面的陳述認為可靠的一種概括化的期望。人際信任對大學生人際交往有一定的影響，比如大學生人際信任的高低，會影響大學生與同伴交談，生活中的交際和交友，體現在與人接觸的能力。良好的人際信任對大學生的成長有促進作用，對心理健康發展也有幫助。為了解大學生人際信任在職務、生源地和家庭類型上的差異現狀，調查研究情況如下。

一、對象與方法

（1）對象。 隨機抽取190名大學生進行調查， 獲得有效樣本190份，回收率100%。其中，職務：擔任班級職務的大學生56人，沒有擔任班級職務的大學生134人；平均年齡21.04±1.40歲；生源地：來自城市的大學生29人，來自農村的大學生161人；家庭類型：屬于獨生子女家庭的有27人，非獨生子女家庭的有170人。調查時間為2014年10月。

（2）方法。采用自行設計調查表，調查基本情況，包括職務、生源地和家庭類型。采用Rotter編制的人際信任（ITS）量表調查，并做相應訪談。

（3）統計學處理。采用SPSS16.0進行描述統計分析和獨立樣本t檢驗。

二、結果

（一）不同職務、生源地、家庭類型大學生人際信任差異比較（表1）

表1 不同職務、生源地、家庭類型大學生人際信任評分結果比較（x±s）

注：*代表p（雙側）< 0.05，**代表p（雙側）< 0.01，下同

表1所示，從職務自變量上看，大學生人際信任在特殊信任因子、普遍信任因子及人際信任總分上的得分，沒有統計學意義上的差異（p>0.05）。從生源地自變量上看，大學生人際信任在普遍信任因子及人際信任總分上的得分，差異有統計學意義（p0.05）。從家庭類型自變量上看，大學生人際信任總分上的得分，差異有統計學意義（p0.05）。

三、討論

（1）班級職務差異。研究發現，是否擔任班級職務，大學生人際信任的特殊信任、普遍信任因子及信任總分，沒有顯著差異。通過訪談發現，原因是班干部和非班干部是同齡人，他們和父母、同伴的交流方式有90后的時代特點，渴望情親和友情，但是相處中矛盾較多，等等的時代共同點和受教育環境的相似，故差異不顯著。

（2）生源地差異。研究發現，來自城市的大學生，人際信任在普遍信任因子及人際信任總分顯著高于來自農村的大學生。通過訪談發現，原因是城市大學生大都是獨生子女，是每個公寓的唯一孩子，父輩和祖輩給予的愛和關注更多，成長環境更安逸，在與人相處中更容易信任陌生人，故城市大學生人際信任的總體得分也較高。

（3）家庭類型差異分析。研究發現，獨生子女家庭的大學生，人際信任總分顯著高于非獨生子女家庭的大學生。訪談發現，獨生子女大學生，父母給予他們的期望和愛較多，在成長過程中，指導和保護也較多，獨生子女大學生他們的社會實踐參與的較少，對人的評價也較多的往積極方面考慮，故他們的人際信任總得分較高。

四、建議

社會方面，社會大環境中，弘揚正氣，法制健全，提高整體國民素質水平，社會的整體人際信任高，在這樣的安全的環境下，大學生的人際信任會得到全面發展，特殊信任和普遍信任都會有所提高。學校方面，可以多讓大學生參加集體活動，在理論教育的同時，讓大學生有更多的參加生活實踐的機會，增加獨生子女和非獨生子女的互動交流，讓大學生與朋友家人和睦相處的同時，也能結交更多的新同學新朋友，為其步入社會的人際信任發展打下基礎。家庭方面，家長首先認識到大學生已經是成年人，可以獨立承擔家庭一部分責任，并且有能力；其次，給大學生與人交流交往的機會和信任，家庭有重大決定可以和其商量，然后共同決定；最后，父母的交流互動模式是大學生人際信任發展的第一課堂，父母在生活中有良好的互動方式是有必要的。個人方面，大學生認識到自己已經長大成人，自己有主動與人交往交流的能力，能人際信任發展的能力，不僅能與家人和睦相處，在生活中也能和陌生人打交道。

篇（8）

1  資料與方法

1.1  診斷標準

1.1.1  西醫診斷標準  （1）按中國抗癌協會編制的1999年版《新編常見惡性腫瘤診治規范》［1］的診斷，利用胃鏡或手術病理學明確診斷為胃癌。（2）胃癌分期標準依據1997年國際抗癌聯盟UICC胃癌TNM分期標準。

1.1.2  中醫辨證標準  依據胃癌辨證分型的文獻資料統計的結果［2］，參考國家技術監督局的《中華人民共和國國家標準·中醫臨床診療術語證候部分》GB/T16751.21997［3］、衛生部1997年制定的《中藥新藥臨床研究指導原則》第三輯［4］、上海市衛生局統編的2003年第二版《上海市中醫病證診療常規》［5］、中國中醫研究院廣安門醫院主編的1989年版《中醫診療常規》［6］以及1984年第五版《高等醫藥院校教材·中醫診斷學》［7］中臟腑辨證內容，制定胃癌中醫辨證標準。（1）脾虛：食少，腹脹，食后尤甚，或胃脘隱痛，喜溫喜按，惡心欲嘔，嘔吐食物，大便溏薄或排便無力，或久瀉，甚則五更瀉，完谷不化，下肢浮腫，神疲乏力，舌淡胖或有齒痕，苔白，脈細弱或沉細。（2）肝胃不和：胃脘脹悶疼痛，竄及兩脅，情緒抑郁，疼痛與情緒相關，噯氣、吞酸、呃逆，不欲食，舌淡紅或紅，苔薄白或薄黃，脈弦。（3）瘀阻胃絡：胃脘刺痛或如刀割，痛有定處，痛處拒按，可及腫塊質硬，吐血，便黑，口唇爪甲紫暗，面色黎黑，舌紫暗或見瘀斑瘀點，脈細澀或澀。（4）胃熱陰虛：胃內灼熱，胃脘嘈雜，食后脘痛，口干欲飲，饑不欲食，五心煩熱，大便干結，舌紅或紅絳，少苔或光剝苔，脈細數。（5）痰濕凝滯：脘腹痞悶脹痛，惡心欲嘔或嘔吐痰涎，不欲食，或進食不暢，甚至反食夾有多量黏液，口淡不欲飲，頭暈身重，便溏，面黃虛腫，舌淡苔白膩或白滑，脈滑或緩或細緩。（6）氣血兩虛：形體消瘦，全身乏力，聲低氣怯，頭暈目眩，面色  白或萎黃，唇甲蒼白，虛煩不寐，心悸氣短，自汗盜汗，下肢浮腫，舌淡苔薄或少苔，脈沉細弱。

1.2  病例選擇標準

1.2.1  納入標準  （1）具有明確病理學診斷的胃癌患者。（2）具有較全面的診療記錄。（3）同意參加本次調查。

1.2.2  排除標準  （1）多重癌患者。（2）病理診斷為胃惡性淋巴瘤、胃間質瘤和胃平滑肌肉瘤等胃部其他惡性腫瘤。（3）合并有心血管、腦血管、肝、腎和造血系統等嚴重原發性疾病。（4）孕婦、哺乳期婦女、兒童和精神病患者。

1.2.3  資料來源  2005年7月～2006年4月就診于上海中醫藥大學龍華醫院、曙光醫院、普陀區中心醫院的腫瘤科及上海市腫瘤醫院中醫科的門診和住院的胃癌患者。

1.3  資料采集與辨證

1.3.1  調查內容及其作為變量的賦值情況  包括姓名、年齡、性別（男性1；女性2）、Karnofsky評分、病理類型（腺癌1；低分化腺癌2；黏液癌3）、臨床分期（Ⅰ期1；Ⅱ期2；Ⅲ期3；Ⅳ期4）、手術方式（根治術1；非根治術2；未手術3）、化療療程（無0；＜6個療程1；≥6個療程2）、患病時間（＜1年1；1～3年2；＞3年3）、遠處轉移（無1；有2）和復況（無1；有2）。

1.3.2  質量控制  由一位具有中醫專業知識的高年資住院醫師調查，由兩位固定的具有中醫專業臨床經驗的主治醫師職稱以上的醫師依據1.1.2胃癌中醫辨證標準進行統一辨證分型。

1.4  臨床資料  依據上述標準共獲得325例可進行相關統計、有明確病理學診斷的胃癌資料。其中男性197例，女性128例；年齡最小的26歲，最大的83歲，平均年齡（58.36±11.57）歲。其中脾虛型221例，占68%；肝胃不和型28例，占8.6%；瘀阻胃絡型15例，占4.6%；胃熱陰虛型18例，占5.6%；痰濕凝滯型28例，占8.6%；氣血兩虛型15例，占4.6%。

1.5  數據錄入與統計學方法  采用Microsoft Excel軟件進行數據管理，建立本課題相關數據庫。通過SPSS 11.5統計軟件包，進行統計分析。胃癌證型單因素分析：以胃癌各證型為應變量，年齡為自變量做方差分析。以胃癌證型（如脾虛組=1，非脾虛組=2）為應變量，以Karnofsky評分、臨床分期、患病時間、手術方式和化療療程為自變量做秩和檢驗；以性別、病理類型、復發和轉移為自變量做卡方檢驗。

2  結果

   

胃癌證型與年齡的方差分析，與Karnofsky評分、臨床分期、手術方式、化療療程、患病時間的秩和檢驗以及與性別、病理類型、復發、轉移的卡方檢驗見表1～3。

表1  胃癌證型與年齡的方差分析（略）

Table 1  Analysis of variance between syndromes and age

表2  胃癌證型與Karnofsky評分、臨床分期、手術方式、化療療程和患病時間的秩和檢驗（略）

Table 2  Rank sum test between syndromes and KPS score, clinical stage, surgical mode, course of chemotherapy, suffering time

*Shows mean rank.

篇（9）

【關鍵詞】創傷嚴重度指數

a preliminary study on factors of trauma outcomes in chinese patients

department of health statistics, school of preventive medicine, fourth military medical university, xian 710033, china

【abstract】 aim: to review some important factors affecting the outcomes of trauma patients and to screen variables for the predictive model of trauma outcomes so that a new trauma scaling model more applicable to chinese patients can be established. methods: the database of discharge abstracts of trauma patients from more than 200 hospitals nationwide was used and a logistic regression model was fitted with the outcomes of patients as response and other 9 factors as predictors, including the anatomic injury severity grade by iss value. a stepwise regression method was used to select the variables and their parameters were estimated. results: six factors, namely, anatomic injury severity grade, complication status, age group, identity, operation status and financial support status were selected into the logistic regression model (p<0.05). several interactive effects were also selected in the model (p<0.05). conclusion: the anatomic injury severity grade is the most important factor affecting the outcomes of trauma patients, followed by the complication status and age. the effects of other factors are not so obvious and should be further analyzed.

【keywords】 trauma severity indices; logistic models; international classification of diseases; abbreviated injury scale; injury severity score

【摘要】 目的： 考察影響創傷結局的重要因素，初步篩選創傷患者結局預測模型的構成變量，為建立新的適合中國患者的創傷嚴重度評分方法進行有關評分模型的初步探討. 方法： 利用全國200余所醫院的創傷患者病案首頁數據，初選出包括iss評分所得嚴重度在內的9個相關的因素，將患者結局作為應變量擬合logistic回歸模型. 逐步回歸法篩選變量，并估計其影響作用的大小. 結果： 解剖嚴重程度、有無并發癥、年齡組、身份、是否接受手術、費用類型等6個因素對患者結局的影響有統計學意義(p<0.05)，被選入logistic回歸模型. 另外，某些因素的交互效應也一并被選入logistic回歸模型(p<0.05). 結論： 解剖嚴重度是影響創傷結局的最重要的因素，其次是有無并發癥和年齡等因素. 其余因素是否作為創傷評分模型應考察的因素需作進一步的探討.

0引言

創傷評分是目前創傷患者傷情評價的基本方法，在世界范圍內廣泛應用. 我國的創傷評分研究起步晚，目前尚未得到廣泛推廣和應用，其原因在于多數創傷評分方法操作復雜，應用條件苛刻，且大多數創傷評分模型是基于國外(歐美國家)患者的生理、解剖參數而確定，對于國內患者其適用性較差. 為建立一種適合國內創傷患者的簡單易行的創傷評分方法，我室提出基于創傷病種icd9(國際疾病分類)6位數編碼的創傷評分方法的構想，并且已經建立全部創傷病種icd9 6位數編碼與ais(簡明損傷定級)分值的對應關系表[1]. 通過iss評分方法對此對應關系的考察表明，此種通過icd9編碼轉換的方法所得的ais分值能夠很好地體現單個創傷的解剖嚴重度，可以作為創傷評分的解剖學參數[2]. 我們進一步探討了國內創傷患者結局的影響因素，為基于icd9 6位數編碼的創傷評分方法篩選其他模型變量，并從統計學角度考察各種因素對創傷患者結局的影響程度.

1資料和方法

1.1數據來源全國范圍內200余所大、中型醫院1998年全年收治的創傷患者病案首頁數據. 經數據清洗，排除治療結果中“未治”、“其他”或為空白的記錄，最終得符合研究要求的創傷患者記錄共112 749條. 其中男性88 622人，女性24 087人. 按年齡將患者分為3個年齡組，其中0~15歲16 382人，16~54歲87 242人，≥55歲9 125人. 地方人員94 935人，軍隊人員17 814人. 自費患者81 170人，非自費(公費或醫療保險等)患者31 579人. 單發傷70 345例，多發傷42 404例. 接受手術治療者54 176例，未接受手術者58 573例. 伴有創傷并發癥者582例，無并發癥者112 167例. 發生院內感染者1255例，未發生院內感染11 194例. 患者結局(出院時)中存活111 684人，死亡1065人.

1.2創傷評分方法(解剖評分)采用我室編制的icd9 6位數編碼與ais分值對應表，以創傷患者的出院診斷icd9編碼為基礎，換算出每一個出院診斷所對應的創傷的ais分值. 以turner osler的改良iss法[3](即不考慮創傷所在的身體區域，僅以ais分值最高的3處創傷計算iss分值)計算每位患者的iss分值. 再按照iss分值將全部患者分為三個解剖嚴重程度分組，iss 1~12者為輕，13~19者為中，20~75者為重[4]. 經以上分組后，全部患者中，輕度創傷患者93 343例，中度創傷患者9507例，重度創傷患者9899例.

1.3數據處理方法以患者的結局(存活或死亡)為應變量，將性別、年齡組、身份(軍隊或地方人員)、費用類型、創傷類型(單發傷或多發傷)、是否接受手術、有無并發癥、有無院內感染等因素與解剖嚴重程度分組一起作為自變量，擬合logistic回歸模型，考察各因素對患者結局的影響. 通過逐步logistic回歸分析，篩選有統計學意義的影響因素，并計算其對患者結局的作用大小. 為簡化計算過程和方便分析結果的專業解釋，此次分析僅考察各因素的主效應及其一階交互效應，其余高階交互效應假定為零.

2結果

2.1變量篩選結果經逐步logistic回歸分析，解剖嚴重程度、有無并發癥、年齡組、身份、是否接受手術、費用類型等6個因素對患者結局的影響有統計學意義(p<0.05)，被選入logistic回歸模型. 另外，解剖嚴重度與有無并發癥、是否接受手術、費用類型等3個因素的交互效應以及是否手術與有無并發癥的交互效應均有統計學意義(p<0.05)，一并被選入logistic回歸模型.

2.2模型擬合優度及各因素的效應大小使用以上篩選出的變量和交互效應對患者的結局重新擬合logistic回歸模型，模型擬合度統計量、自變量及交互效應項對模型的意義見tab 1. 可見費用類型的主效應無統計學意義，但與解剖嚴重度的交互效應卻有統計學意義.表1logistic模型擬合結果

各因素及交互效應項的參數估計值見tab 2. 其中各因素的水平值對應的具體含義見tab 3. 表2各因素及交互效應項的參數估計值(略)表3各因素的水平值對應的具體含義(略)

3討論

根據以上參數估計值，即可給出創傷患者結局的logistic回歸預測模型，各因素對患者結局的影響作用大小也可得以考察和比較. 從結果可以看出，解剖嚴重度分組是影響創傷結局的最重要的因素，解剖嚴重度越高，死亡概率越大. 其次是有無并發癥和年齡因素，有并發癥者死亡概率明顯增加，年齡越大，死亡概率越大. 此三個因素應在創傷評分模型中作為主要的因素來考察. 身份因素對結局的影響表現為地方人員死亡概率高于軍隊人員，這可能與軍隊人員具有良好的基本醫療保障有關. 費用類型的作用與身份因素存在相似之處，自費患者死亡概率高于非自費患者. 其余因素對結局雖然存在一定的影響，但影響程度均較輕，是否作為創傷評分模型應考察的因素需作進一步的探討. 各因素之間存在的交互效應，在建立新的創傷評分模型時也須加以重視，在進一步地考察確認之后，應通過適當的模型表達項使之得以充分體現.

以aisiss為基礎的解剖嚴重度評分，是世界范圍內廣泛應用的創傷評分方法，雖然在對患者結局的預測與評價方面效果有不盡如人意的地方，但可作為改良的創傷評分方法的基礎[5]. 有些因素，比如是否手術、是否院內感染等，均是在患者入院后才可收集的信息，不便作為評分模型的組成變量，僅能用作創傷患者結局的預測變量之一. 另外一些重要因素，如患者的血壓、心率、呼吸、體溫等生理指標，均是影響患者結局的重要因素[6]，應當作為創傷評分模型的重要變量，其對患者結局的影響程度也需要進行類似的考察和分析. 由于病案首頁數據在此類信息方面的缺失，此次無法一并進行分析，我們將在后續的研究中收集更為全面的數據，對各種有關的因素進行全面地分析.

此研究是建立基于icd9編碼的創傷評分模型的一次初步探索，是對部分影響因素的初步考察與分析. 但由于數據信息量的限制，研究的結果尚不能作為創傷評分模型的最終參考依據. 后續的研究工作需要收集更全面的數據，考察更多的因素，從臨床和統計學兩個方面對各種影響因素的作用進行全面的考察與分析，以期為建立一個合理的創傷評分模型提供依據.

【參考文獻】

[1] 薛富波，王玉琨，徐勇勇. 創傷國際疾病分類編碼向ais分值轉換規則的研究[j]. 中華創傷雜志，2003; 19(7): 385-388.

xue fb, wang yk, xu yy. converting rules from international classification of disease codes of trauma to abbreviated injury scale values [j]. chin j trauma, 2003; 19(7): 385-388.

[2] 王玉琨，薛富波，徐勇勇，等. 基于icd9編碼的iss創傷評分方法研究[j]. 創傷外科雜志，2004; 6(1): 28-30.

wang yk, xue fb, xu yy, et al. exploration of a newly developed trauma severity scaling method of iss based on icd9 codes [j]. j traumatic surg, 2004; 6(1):28-30.

[3] osler t, baker sp, long w, et al. a modification of the injury severity score that both improves accuracy and simplifies scoring [j]. j trauma, 1997; 43: 922-925.

[4] mackenzie ej, steinwachs dm, shankar b. classifying trauma severity based on hospital discharge diagnoses. validation of an icd9cm to ais85 conversion table [j]. med care， 1989; 27(4): 412-422.

[5] 楊柳青，任秀清，楊寧，等. 改良創傷評分(rts)與創傷嚴重度評分(iss)在創傷評估中的應用[j]. 川北醫學院學報，1998; 13(2): 20-22.

yang lq, ren xq, yang n, et al. applications of revised trauma score and injury severity score in trauma evaluations [j]. j north sichuan med coll, 1998; 13(2): 20-22.

篇（10）

【中圖分類號】 R 641 G 478.2 【文獻標識碼】 A 【文章編號】 1000-9817(2008)09-0782-03

傷害嚴重威脅著人類的生命和健康，近年來已成為主要的公共衛生問題之一，并已被列為單獨的一類疾病［1］。我國每年約有70萬人死于傷害，傷害已成為中小學生的首位死因［2］，給人們的身心健康和國家的經濟造成了極大負擔［3］。隨著社會經濟的發展和教育體制的改革，寄宿制學校越來越多［4］。通過調查研究，人們逐漸認識到寄宿生特有的生活方式，使他們在心理、體質等很多問題上與普通學校的學生存在差異［5-7］，對這一群體的管理和教育方式也應有所側重。為進一步了解安徽省農村寄宿制學校學生的傷害發生情況，筆者于2007年12月到2008年5月對安徽省5個縣農村寄宿制學校的部分學生進行了問卷調查。

1 對象與方法

1.1 對象 采取分層整群抽樣法，在安徽省抽取長豐、績溪、全椒、濉溪和岳西5個縣作為調查點，每個縣抽取寄宿制學校5所，共計25所。每所學校從符合條件的年級抽取1～3個班，對其所有學生進行調查。共發出調查問卷5 624份，回收并審核后的有效調查問卷5 556份，問卷合格率達98.79%。學生年齡范圍9～21歲，平均年齡為（14.97±2.07）歲；其中長豐縣958人（17.2%），績溪縣1 008人（18.1%），全椒縣1 019人（18.3%），濉溪縣1 722人（31.0%），岳西縣849人（15.3%）；男生3 241名（58.3%），女生2 315名（41.7%）；住校生2 607人（46.9%），住家學生2 133人（38.4%），住親戚朋友家334人（6.0%），租房住者482人（8.7%）；小學生721名（五年級377名，六年級344名），初中生3 201名（初一1 011名，初二1 288名，初三902名），高中生1 634名（高一528名，高二490名，高三616名）。

1.2 調查變量與方法

1.2.1 社會人口統計變量 包括性別、獨生子女情況、學習階段（小學、初中和高中）、體型（很瘦、偏瘦、中等、偏胖和很胖）、地區（長豐縣、績溪縣、全椒縣、濉溪縣和岳西縣）、住宿類型（住校、住親朋家、租房住和住家）、自評家庭經濟狀況（下等、中下、中等、中上等和上等）和父、母文化程度（無父/母、未上或小學未畢業、小學畢業、初中、高中、中專大專及以上）等。

1.2.2 傷害發生情況 問卷中列出10種常見傷害類型，要求學生填寫自己在最近1 a的發生情況。調查員到各學校以班級為單位進行現場調查，學生集中填寫問卷并當場收回。傷害發生率=（1 a中至少發生過1次傷害的人數/調查總人數）×100%。

1.2.3 傷害的分類及判斷標準 參考ICD-10損傷、中毒外因分類，將傷害分為扭傷、跌傷或墜落傷、燒傷或燙傷、溺水、交通事故、刀（或銳器）割傷或刺傷、動物咬傷、中毒、爆炸傷、電擊傷和窒息等共10種。凡有以下情況之一者判定為傷害：（1）到校醫室或醫院處理過；（2）由教師或家長做過緊急處理；（3）因傷缺課0.5 d以上。

1.3 統計方法 用EpiData 3.0建立數據庫，SPSS 13.0進行統計分析。用描述性統計分析方法分析一般情況，χ2檢驗用于分析學生的傷害發生率有無差異。分別以住校和住家2種住宿類型學生總的傷害發生情況為因變量，對單因素Logistic回歸分析有統計學意義的因素進行多因素Logistic回歸，探討這2種住宿類型學生傷害發生的主要危險因素。

2 結果

2.1 農村寄宿制學校學生傷害發生情況 被調查者在過去1 a內至少發生1次傷害者2 891人，傷害發生率為52.0%。各類傷害累計發生次數為9 582次，傷害者平均傷害發生頻率為1.72次/人。由表1可見，住校、住親朋家、租房住和住家這4種住宿類型的學生傷害總體發生率差異有統計學意義（χ2=8.44，P＜0.05），不同住宿類型學生在交通事故和動物咬傷這2種類型傷害發生率間的差異均有統計學意義。經兩兩比較可知：住家學生傷害總發生率和交通事故發生率均高于住校生，OR值分別為1.18和1.80，P值均＜0.05；住家學生交通事故發生率亦高于住親戚朋友家的學生(OR=2.63，P＜0.05)；住家學生動物咬傷發生率高于其他3種住宿類型學生，OR值分別為1.37，2.16和1.53， P值均＜0.05。

2.2 農村寄宿制學校學生傷害的分布特征

2.2.1 不同性別學生傷害發生情況 由表2可見，男生傷害總發生率為56.7%，女生為45.5%，差異有統計學意義（χ2=67.28，P＜0.01）。在不同類型的傷害發生率上的性別差異均有統計學意義。

2.2.2 不同學習階段學生傷害發生情況 由表3可見，傷害總發生率在不同學習階段之間的差異有統計學意義（χ2=66.15，P＜0.01），其中初中生傷害發生率（55.9%）和小學生傷害發生率（54.1%）均高于高中生（43.6%）。具體類型中，扭傷、跌傷或墜落傷、燒傷或燙傷、刀（銳器）割傷或刺傷的發生率以初中生最高，而溺水、交通事故和動物咬傷的發生率以小學生最高。

2.2.3 不同地區學生傷害發生情況 由表4可見，不同地區學生傷害總體發生率差異有統計學意義（χ2=95.07，P＜0.01）。多種傷害類型發生率的地區間差異均有統計學意義。

2.3 不同住宿類型學生傷害危險因素分析 由表5可見，按α=0.05的標準選取，進入住校生和住家生傷害回歸模型的變量相同，分別是地區、學習階段和性別；將各變量進行賦值，地區（岳西縣為對照）、學習階段（高中為對照）和性別（賦值為男1女2），經多因素非條件Logistic分析（Forward：LR法，納入、剔除標準分別取0.05和0.10）可知，影響住校生傷害發生率的因素有地區（績溪縣和長豐縣高于岳西縣）、學習階段（初中生高于高中生）和性別（男生高于女生），而影響住家學生傷害發生率的因素有性別（男生高于女生）、學齡階段（初中生高于小學生和高中生）和地區（長豐縣高于岳西縣）。

3 討論

許多研究顯示，青少年是傷害的高發人群［8-9］。我國中小學生每年發生傷害達4 250萬人次，因傷害缺課達2.38億天，不僅對學生本身的身心健康和學業造成了不良影響，給家庭和社會帶來的負擔亦是巨大的。調查結果顯示，安徽省農村寄宿制學校學生在過去1 a里總的傷害發生率為52.0%，傷害者平均傷害發生頻率為1.72次，這一結果高于胡佳等［10］的報道，低于陽本華等［11］的報道結果，可能與所調查的傷害類型和資料來源不同有關，也有可能與調查對象地域差異有關。

本次調查的學校是寄宿制學校，被調查的學生以住校和住家2種居多。調查結果顯示，4種住宿類型的傷害發生率存在明顯差異，其中住校生的燒燙傷和交通事故發生率均明顯低于非住校生，這可能與住校生接觸這2類危險的機會較少有關。有關資料顯示，交通傷害已成為中小學生傷亡最主要原因之一［12］。因此，對于非住校生，應加強他們的交通安全意識，教育他們養成遵守交通規則的好習慣，以減少交通事故的發生率。雖然減少傷害相關行為的發生是降低傷害發生率的有效手段，但隨著年齡增長，從事家務勞動是一個必然趨勢，學生在使用煤氣、電器的同時，需注意避免燒燙傷、電擊傷、中毒等傷害的發生，這就需要教師和家長積極引導和提醒以去除傷害的隱患。另外，地區也是影響傷害發生的一個主要因素，這與他們的地理位置、氣候特征以及生活習慣等差異有關，不同地區的有關部門應當根據自身特點制定傷害防范和管理措施。

傷害的發生與性別因素有關，與劉慧慧等［13］多數報道結果一致。調查中女生的傷害發生率大都低于男生，這可能與她們獨有的性格、運動強度小、活動范圍小有關，并且在日常生活中，社會各方面對男女生的保護和教育方式也不相同，今后應加以注意，降低男生傷害的發生率；傷害的發生在不同的學習階段之間存在差異。初中生傷害的總體發生率高于小學生和高中生，且跌傷、燒燙傷、刀割傷的發生率也最高，可能與這個年齡段的孩子活動的機會多、強度大，喜歡新鮮和刺激的游戲有關；而小學生溺水、交通事故和動物咬傷的發生率最高，尤其是住校的小學生，是住校生中傷害發生的高危人群，自理能力較弱，心理尚處于未完全成熟階段，應加強教育以促進他們盡快擺脫幼稚，并做好防范與管理工作；盡管高中生可能由于學業的壓力使其傷害發生率最低，但仍然不能放松警惕，緩解壓力，促進他們身心健康是必不可少的。此次調查發現，有8.7%的學生在外租房住宿，他們的安全系數大幅度降低，對于這部份學生的身心健康的關注和安全管理也不容忽視。

傷害預防要根據不同的年齡和群體制定有效的安全措施［14］。通過開展各種教育活動提高學生的自理能力、自我保護意識和自我救治技能，以減少傷害的發生和避免不良結局的產生。除此之外，學生的安全問題僅靠學校單方面的努力是不夠的，家庭的配合和社會的關注必不可少［15］。只有社會各界共同行動，才能有效減少和預防學生意外傷害的發生。

(致謝：本課題得到安徽省學校體育衛生協會的大力支持，特此感謝!)

4 參考文獻

［1］ 王春靈，王云霞.766例兒童意外傷害原因分析及預防.華北煤炭醫學院學報，2008，10(1)：91-92.

［2］ 季成葉，陶芳標.兒童青少年非故意傷害預防.中國公共衛生，2005，21(9)：1 150-1 152.

［3］ 王聲.我國傷害流行病學研究亟需開展.中華流行病學雜志，1997，18(3)：131-133.

［4］ 李士凱.寄宿學生的疾病預防與管理.現代預防醫學，2005，32(2)：156.

［5］ 劉朝軍，田素英，尋廣磊，等.寄宿制和非寄宿制學校高中生心理健康狀況比較.中國臨床康復，2004，8(27)：5 782-5 784.

［6］ 蔡亮亮.寄宿小學生610名健康狀況調查.中國學校衛生，2003，24(6)：640.

［7］ 趙紅深，陳雄新，李健芝，等.不同住宿方式學生體質狀況比較分析.中國學校衛生，2008，29(4)：366-367.

［8］ 吳曉紅，陳建華，楊楚春，等.黃石市小學生傷害流行病學調查.疾病控制雜志，2004，12(8)：519-522.

［9］ MACKENZIE SG, PLESS IB. CHIRPP: Canada's principal injury surveillance program. Inj Prev, 1999,5(3):208-213.

［10］胡佳，劉莉，毛軍，等.上海浦東新區2003學年中小學生傷害發生情況.中國學校衛生，2005，26(11)：976-977.

［11］陽本華，李軍，肖和平，等.郴州市中小學生傷害流行病學調查分析.現代預防醫學，2001，28(2)：152-154.

［12］王聲.校園安全與中小學生傷害現況.中國學校衛生，2006，27(2)：96-98.

［13］劉慧慧，郝加虎，張國慶，等.宿州市農村中小學生傷害影響因素分析.中國學校衛生，2005，26(6)：464-465.