实例讲解医疗与公共卫生
有无糖尿病的心力衰竭患者中,有死亡记录的比例是多少?
按糖尿病状态分组,随访期间有死亡记录的患者: 糖尿病:125 条中有 40 条(32.0%)。无糖尿病:174 条中有 56 条(32.2%)。糖尿病的比例低 0.2 个百分点。
交叉表
| 随访结局 \ 糖尿病 | 糖尿病 | 无糖尿病 | 合计 |
|---|---|---|---|
| 有死亡记录 | 4032.0% | 5632.2% | 96 |
| 无死亡记录 | 8568.0% | 11867.8% | 203 |
| 合计 | 125 | 174 | 299 |
频数 / 列百分比. 每列合计就是该列百分比的分母。
带底色的单元格就是结论所比较的两个占比。
引用之前,先核对读法
选出这张表能支持的说法,再逐一展开选项,看看计数说明了什么。这里的每个数字都由上面的表计算得出。
关于这个队列中的糖尿病与记录的死亡,这张表能说明什么?
在这个队列中,有无糖尿病的患者有死亡记录的比例几乎相同。
表格支持。 125 人中 40 人(32.0%),对比 174 人中 56 人(32.2%),相差 0.2 个百分点。这只描述两家医院公开的 299 条记录,不能推及其他。
糖尿病没有改变这些患者的死亡风险。
表格不支持。 患者的随访时间各不相同,没有死亡记录的患者可能只是随访时间较短。粗比例相同并不说明风险相同;比较风险需要使用随访时间的生存分析。
每个比例都是该组在固定时间点的死亡率。
表格不支持。 这里没有使用固定时间点。每个比例统计的是各患者在各自随访期间记录到的死亡,因此是粗事件比例。
使用这个结果
自己算一遍
在卡方检验计算器中打开这组频数:表格、类别顺序完全相同,百分比、χ² 和 Cramér’s V 都在你的浏览器里计算。改动任一单元格,可以看到结果如何变化。
引用
复制下面的引用,并一并保留下方的数据来源和许可。
有无糖尿病的心力衰竭患者中,有死亡记录的比例是多少? — Crosstabs. https://www.crosstabs.com/zh-cn/examples/mg10-recorded-deaths-by-diabetes-status
数据来源
- 范围
- 巴基斯坦费萨拉巴德两家医院的心力衰竭患者。
- 时间
- 2015 年 4 月至 12 月
- 一条记录是
- 一条患者记录
数据:Heart Failure Clinical Records (2020), UCI Machine Learning Repository.。采用 CC BY 4.0 许可。Crosstabs 对原始记录进行了筛选、重新编码并汇总成本表。
换成你自己的文件
打开 CSV、Excel 或 SPSS 文件,做同样的交叉表。文件只在当前浏览器标签页中读取,不会上传,也不需要账户。
用你自己的数据做交叉表
为什么问这个问题
糖尿病是这个心力衰竭队列中为每位患者记录的病况之一,临床医生想知道它是否标志着风险更高的患者。粗死亡计数是人们首先看的东西,所以必须结合它的局限来读。
怎么读这张表
沿每一列往下读:糖尿病患者 125 人中有 40 人,无糖尿病患者 174 人中有 56 人。没有死亡记录的患者,可能只是随访时间较短。
列百分比回答的是“在每一列里,各行出现的比例是多少”。换成行百分比,问题就反过来了:“这一行的记录在各列之间如何分布”。两种算法都没错,但回答的是不同的问题,报告时要写明用的是哪一种。
结果说明了什么
两组有死亡记录的粗比例几乎相同。由于患者的随访时间各不相同,粗比例相等并不说明风险相等;那需要生存分析。
Cramér’s V = 0.002。它概括的是整张表(全部 2 × 2 个类别)的关联强度,取值从 0(无关联)到 1。它不说明哪些单元格不同,也不是影响大小的度量。
若只比较糖尿病与无糖尿病,并只看「有死亡记录」与其他所有行,Cramér’s V = 0.002。这个数值只描述这一组对比,不代表整张表。
局限
这是随访时长因人而异的筛选临床队列。粗死亡事件比例既不代表固定时点的死亡率,也不代表任何疾病或治疗的影响。此内容不构成医疗建议。