统计学不得不说的二三事（三）
本帖最后由 御剑迎风 于 2017-2-4 10:33 编辑3、如何看待统计学结果
路人甲经历数十年的研究，动用了各种高精尖的研究手段，发现了一个新的蛋白（命名为蛋白A）。在肝癌患者中展开的研究表明，蛋白A和甲胎蛋白（AFP）有很好的相关性，其相关程度之好，几乎可以用“一塌糊涂”来形容，相关系数达到了0.99（P<0.0001）。路人甲欣喜若狂，尽管蛋白A的检测过程还十分繁琐，检测费用还十分高，但是路人甲还是把持不住内心的激动，日夜兼程地撰写论文，宣称自己找到了一个新的肝癌标志物。
路人乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：统计结果表明蛋白A和AFP的相关性十分明显。如果是这样，在临床实践中，通过检测AFP完全就可以得知蛋白A的浓度了，蛋白A在肝癌中的临床价值完全可以被AFP代替，还不说蛋白A的检测过程繁琐，费用太高的问题，你说蛋白A还有什么价值？ Reject!
这个故事说明：统计学阳性的结果未必是“好结果”。
路人甲发明了两套诊断肺癌的方案，分别命名为A和B。为了明确这两种方到底谁“更胜一筹”，路人甲找了100个肺癌患者和100个疑似肺癌患者（结核、肺炎等），分别用A、B两套方案去进行鉴别诊断。在200个研究对象中（100个肺癌和100个非肺癌），方案A正确了100回，准确率50％，方案B仅仅正确了50回，准确率仅为25%。卡方检验表明：方案A和B准确率之间的差异有统计学意义（P<0.01）。很明显，方案A的准确性要高于方案B。路人甲赶紧发表论文，指出：方案A诊断肺癌的准确性优于方案B。
路人乙是这篇文章的审稿人，当他看见这个结论后，脸色铁青，毫不犹豫地在审稿意见写道：如果我（审稿人本人）是坐诊医生，他就会反着看方案B的结果，凡是方案B认为是肺癌的，他就认为病人不是肺癌；反之亦然。这样下来，200个病人中，方案B应该能正确识别150个人，准确率为75%，统计学结果表明，方案B的准确率（75%）是高于方案A（50%）的，所以真实的情况是方案B优于方案A。实际上，当面对这200名患者的时候，随便到城隍庙找个瞎子来“算命（猜患者是否患病）”，按照统计学理论，准确率也应该是50%，方案A的价值可以说是“一无是处”。Reject!
这个故事说明：统计学阴性的结果未必是“坏结果”。
还是那个AFP与蛋白A的例子。路人甲发现蛋白A和甲胎蛋白（AFP）之间有很好的相关性，也开始撰写论文，但是他的结论并不是“蛋白A是诊断肝癌的标记物”。他认为，既然蛋白A与AFP之间有很强的相关性，那提示AFP和蛋白A之间可能存在十分密切的“调节”或者“被调节”关系。最终，路人甲围绕“蛋白A与AFP之间的调节或者被调节关系”做了很多分子生物学试验，指出蛋白A是调节AFP表达的唯一（注意“唯一”这两个字）因子，因此二者之间才会呈现如此强烈的相关性。这是一项基础研究，虽然未能直截了当地地指出蛋白A的临床价值，但是这个研究形象生动地讲述了一个完整的分子生物学事件，丰富了我们对于肝癌发生与发展分子机制的认识。最终，论文“堂而皇之”地accept了。
这个故事说明：同一统计学结果，从不同的专业角度去解释，结论是完全不同的。
这三个故事说明：对统计学结果的解读一定要结合专业！从专业中来，到专业中去！ 对统计学结果的解读一定要结合专业！从专业中来，到专业中去！谢谢分享。 这个好像是“金鼎数据分析联盟”里面的，貌似以前看过，有印象，不错的东西，多谢分享！很多统计问题太过去深入就忘了回归到原来要解决的现实中去，学习统计也是很头痛的一件事！ 学习了，谢谢老师的分享！ 从专业中来，到专业中去，很好的总结。 谢谢老师的分享{:1_13:} 从“蛋白A是诊断肝癌的标记物”到“蛋白A与AFP之间的调节或者被调节关系”。
有些国自然标书是不是可以这么自救{:1_12:} Amen1223 发表于 2017-2-27 08:58
从“蛋白A是诊断肝癌的标记物”到“蛋白A与AFP之间的调节或者被调节关系”。
有些国自然标书是不是可以 ...
感控的国自然靠你了，我看好你~
页:
[1]