院感数据中千日感染率的比较
本帖最后由 感控人小张 于 2015-11-10 15:07 编辑在医院感染目标性监测数据中，常常会碰到诸如住院病人千日感染率，插管病人千日感染率等指标。这些指标特殊性在于，分子为人数，而分母为住院天数或插管天数，对于这类资料，如果要做两个季度、两年或两家医院间千日感染率的比较，如何做呢？本贴主要是想与大家一同探讨统计学方法，以及实现这些方法的统计软件及命令，下面我为大家提供了利用R软件和stata软件进行比较时的命令与结果。
以下为文献《强化护理措施对降低重症医学科管路千日感染率的效果评价》中的一个表格，作者采用了卡方检验最后认为差异有统计学意义（p<0.0001），但我认为卡方检验不能用于此类分析。虽然卡方检验用于两个率的比较，但是此处分子与分母并不是同一属性。
时间插管总数（例）住院总天数（天）置管总天数（天） 感染人数（例）千日感染率（‰）
2012年3485309 211641 19.4
2013年3005835 25186 2.4
对于此类资料，应该应用医学统计学中用于两事件数比较的方法，因为一般认为单位时间、空间或人群间某独立事件的发生服从Poisson分布，Poisson分布为二项分布的特殊情况，即在样本含量很大而发生率又即小的情况。
下面是用R软件进行比较时的命令与结果，可以参考：
>poisson.test(c(6,41),c(2518,2116))
data: c(6,41)time base: c(2518,2116)
count1=6,expected count1=25.539,p-value=3.733e-09
alternative hypothesis:true rate ratio is not equal to 1
95 percent confidence interval:
0.04266943 0.29130353
sample estimates:
rate ratio
0.122978
下面是用stata软件计算两个总体率的可信区间，看两个率的可信区间是否有重合，从结果可以看出两个率的差异有统计学意义。
cii 2518 6
variableobsmeanstd.err Binomial exact(95% CI)
25180.00238280.00097160.0008749 0.0051792
variableobsmeanstd.err Binomial exact(95% CI)
21160.01937620.00299660.0139397 0.0261949
谢谢分享，学习了。平常都是全靠软件和别人帮助下完成的统计。
页:
[1]