考一考：
研究 X、Y 的相关性，采用什么样的统计办法？
👩🏻🎓
有人说：笑死🤣，不说 X、Y 的变量类型，谁知道怎么选啊？
❗️
没错，
X、Y 的
变量类型决定统计方法的选择！
1. 计数资料（
Qualitative variable
）
又称
分类变量
、
定性变量
，如：
性别、种族、血型、是否患病等。
2. 计量资料
（
Quantitative variable
）
又称连续型变量、定量变量，
如：身高、体重、浓度、血压、血脂水平等。
在这里，
性别、疗效是定性观察的结果，属于计数数据，也就是分类变量
；而
年龄、心率、收缩压、舒张压是定量观察的结果，属于计量数据，即连续型变量
。
⚠️但是，计量资料和计数资料可以相互转变，有 3 种方法：
普通资料可用频数（百分率）表示，组间比较用卡方检验。
组间比较，可用非参数检验（Mann-Whitney 检验、K-S 检验等）。
单因素分析：
对单个因素和因变量的关系进行分析，得出两个因素相关性的初步结果，数据描述也是单因素分析。
多因素分析：
将单因素分析结果中满足一定条件的变量纳入多因素分析中，可进行各种
⚠️在多因素分析中，根据变量类型不同，常用到 3 种回归模型：
线性回归、逻辑回归及 Cox 回归
。
不只是统计有问题？
最近经常有同学自称是「三无」人员，细问下来，是没基础、没实验条件、没病例数据🤦♀️
要么导师放养，要么临床繁忙，说到底，发文章不能太老实，得会变通（不是学术不端）！
零基础？
入门方法新手友好
用自己的临床数据做研究，相比 RCT 和前瞻性，回顾性研究绝对是新手入门佳选！不用实验，也不用回访；整理一下过往的病历数据，建立自己的研究数据库，找几个指标做下回顾性分析就能完成一篇文章。适合囤积了一定量病历数据的临床医护。
新手友好的方法：回顾性、横断面、队列研究，科研会员都覆盖，每门课程都系统全面，超高性价比！
没有数据？也能发！
用公开免费数据库
这两年真是太火了，它是流行病学领域应用广泛的一种方法，它基于遗传变异的因果推断方法，研究一个因素对于某个结果的影响是否具有因果关系。
图片来源:PubMed
2、 NHANES 数据库——覆盖 90% 临床科室的研究
主题
■ 数据够「全」
，多科室适用：目前涵盖 264 个不同主题的数据模块，拥有近 1,400+ 分析量，可以覆盖大部分临床科室的选题。
■ 数据够「多
」
，还基本免费：该数据库目前已经涵盖了 11,600+ 人群的数据调查，每年持续更新；大部分数据都可以免费下载，无需注册。
MIMIC 数据库开放问世至今，至少已经发表了两千多篇 SCI，其中更不乏顶刊的身影，甚至去年还有一篇发表在了《JAMA》上！它数据量大且质量好、数据量详细、病例丰富，能发文的空间还很大。
适合谁：没数据、不想做随访、科室里有要进重症的病例的同学
Meta 火了十年，发文量依然稳固， 截止24 年6 月 6 日，就发了 22,370 篇，无需原始数据、研究方法简单、分析流程固定是它受欢迎的原因，如果你的单位承认 Meta，选它作为第一篇 SCI 也是选择之一。
图片来源:PubMed
为什么说丁香科研会员性价比高？原因就是以上发文方法，都！能！学！不仅如此——
🔥618 优惠 2 天倒计时
，立减 ¥100
🔥
除了各专科
主题研究写作
、前沿的
研究设计
和
统计分析方法
，还是更高效的
Python 工具
应用，37 门课免费学！
✅
16 门爆款加入：
孟德尔随机化
、
关联分析、
