关注今日：25 | 主题：191692
微信扫一扫
求大神教我怎么分析数据
页码直达：
我现在收集了200多例肿瘤患者的病理，统计了这些病人不同临床预警症状（消瘦、出血之类的）的比率。想回顾性分析下这些症状对胃癌诊断有什么关系。请问应该怎么分析啊？谢谢
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
再收集约200例被排除肿瘤的样本（对照样本），然后你可以做3个工作：⑴ 先做单因素分析----分别比较两组患肿瘤与否（应变量）与消瘦与否（自变量1），出血与否（自变量2）的差别。再增加一些其它的自变量（如重要的化验指标，性别，年龄，患病类型等等等等），做一套单因素分析。⑵ 再做多因素综合分析。以你资料，做一套非条件Logistic回归比较合适。看看哪些因素真正是患肿瘤与否的显著影响因素。⑶ 再做上述被纳入Logistic回归的显著变量（影响因素）的定量研究工作，即ROC分析。例如消瘦这个变量，如你前面介绍，应该是显著影响变量。把所有样本的消瘦率分成若干个组段（不少于5个吧，例如消瘦＜5%，5-10%，10-20%，20-50，更多），然后统计出每个组段上各有多少阳性（患肿瘤）或阴性样本（非，即对照样本），做ROC分析。看看会得到什么样的阈值。及在此阈值处，对预测患上 肿瘤的灵敏度，特异度，AUC等。同法可做出血变量的ROC，可做某些肿瘤指标的ROC一个洋洋洒洒的论文不就横空出世了当然，你若意犹未尽的话，再对200个肿瘤病人做随访，做他们的生存分析......
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
山水约定 edited on
山水约定 再收集约200例被排除肿瘤的样本（对照样本），然后你可以做3个工作：⑴ 先做单因素分析----分别比较两组患肿瘤与否（应变量）与消瘦与否（自变量1），出血与否（自变量2）的差别。再增加一些其它的自变量（如重要的化验指标，性别，年龄，患病类型等等等等），做一套单因素分析。⑵ 再做多因素综合分析。以你资料，做一套非条件Logistic回归比较合适。看看哪些因素真正是患肿瘤与否的显著影响因素。⑶ 再做上述被纳入Logistic回归的显著变量（影响因素）的定量研究工作，即ROC分析。例如消瘦这个变量，如你前面介绍，应该是显著影响变量。把所有样本的消瘦率分成若干个组段（不少于5个吧，例如消瘦＜5%，5-10%，10-20%，20-50，更多），然后统计出每个组段上各有多少阳性（患肿瘤）或阴性样本（非，即对照样本），做ROC分析。看看会得到什么样的阈值。及在此阈值处，对预测患上 肿瘤的灵敏度，特异度，AUC等。同法可做出血变量的ROC，可做某些肿瘤指标的ROC一个洋洋洒洒的论文不就横空出世了当然，你若意犹未尽的话，再对200个肿瘤病人做随访，做他们的生存分析......多谢山水大神的解答。另外请问大神，我要是只在肿瘤病人中分析这些症状的发生率的大小，或者分析年龄构成、生活习惯（抽烟、喝酒）等这些自变量与肿瘤的关系是不是不符合统计学的原理啊？这样分析出来的数据有意义吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
loup_garou 多谢山水大神的解答。另外请问大神，我要是只在肿瘤病人中分析这些症状的发生率的大小，或者分析年龄构成、生活习惯（抽烟、喝酒）等这些自变量与肿瘤的关系是不是不符合统计学的原理啊？这样分析出来的数据有意义吗？有些确实是和肿瘤发病相关的，至少当前有观点这样看
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园