医学统计中t检验的分析探究

　　医学实验中统计方法的运用是医学科研分析的一种重要的方法，就目前医学论文的发展而言，其已经逐渐成文论文中不可或缺的重要成分。采用统计方法对医学试验中获得的各项资料进行科学有效合理的收集、整理、分析等工作，从而解决医学中存在的问题具有重要的意义。随着统计学近年来的不断发展，统计学方法也获得了不断地扩充，而t检验作为这其中最为常见也是最为普遍的一种方法，在医学实验方面的应用也较为常见，科学的利用t检验的统计推断方法对医学实验中的相关数据进行处理和对比分析，对于推动医学实验的发展具有较高的实际价值。也正是由于t检验应用的多样性，其出现错误的机会也呈现出上升的趋势，本文就其应用以及可能出现的错误情况展开讨论，为之后有关工作中如何有效避免错误，提高研究水平提出可行化的建议。

　　一、t检验的概念简析

　　探讨t检验的具体概念，应当从假设检验的基本目的说起，一般来说，假设检验的直接和基础性目的就是推断各个样本所代表的总体之间具有怎样的理论关系或者是推断某一样本所代表的总体与其他已知总体之间的关系情况。在假设检验中表现出来的方式一般为通过对各总体均数是否相等的判断给出探究的结论。而本文所探讨的t检验的作用主体主要是总的来说样本含量相对较小，并且总体的标准方差表现为未知的一类资料上[1]。T检验究竟有哪些使用情况，本文将会展开讨论。首先，t检验要求样本必须服从正态分布的相关要求；其次，t检验还要求在均数比较的过程中，样本对应总体的方差必须相等；此外，各观察值之间应当满足基本的独立性条件。以上三个重要的约束条件可以概括为正态性、方差齐性以及独立性。

　　一般来说，t检验可以在三类医学实验情况下具体应用，将在第二节中详细探究。

　　二、t检验在医学实验中的使用实例

　　2.1样本均数与总体均数比较的t检验

　　在这一类t检验中，通常要求作出的推断是将小样本均属所代表的总体均数与已知的总体均数比较，并推断是否存在明显差异[2]。通常来说，已知总体均数一般而言是通过大量观察后获得的稳定值或者是医学实验中的理论值和标准值。这一类推断给出的结果通常可以推断样本是否来自已知的总体[3]。

　　例如，在判断某种病人的血红蛋白是否与正常人的血红蛋白含量相同的医学实验中，测定25例该病患者的血红蛋白含量，并计算其均数为150g/L，标准差为16.5g/L，而该地正常人的血红蛋白均数为132g/L。这是典型的样本均数与总体均数比较的t检验医学应用实例。按照假设检验的一般步骤，现确定检验水准，再进一步计算检验统计量，

　　2.2组配对t检验

　　在医学实验的分析中，可以用这种组配对t检验的方式对比服药前后以及手术前后的差异的情况较为常见，在使用这一类统计推断的方式进行推断的时候应当注意没对数据一旦成对便具有了不可拆分的性质[4]。例如医学实验中，用两种测肺活量的仪器对一组12名女性的肺活量进行测试，判断两个一起是否存在明显差异的问题。假设检验应当先确定假设检验的水准，即假设两台机器无明显差异，μ=0，进而计算检验统计量，以查表的方式判断不能拒绝原假设，也就是说差别不具有统计学意义，不能否认两仪器效果无差异。

　　2.3两样本均数比较的t检验

　　在比较两总体均数是否相同的实验中，两样本均数比较的t检验方法较为常见。试验设计要求是完全随机的设计方式，具体来说就是将医学实验资料中的数据按照随机性分为两组，并分别对这两组给予不同的处理方式，进而比较独立的两组样本的均数情况，在使用这一方法的过程中，可以不要求两组样本量一致。

　　三、t检验在应用中存在哪些问题

　　t检验在医学实验中应用的过程中通常会比较容易出现三类比较典型的错误，分别是：第一种自身配对的t检验通常可能被误用成组之间的t检验、第二种在计量所得的数据呈现出方差不齐时仍然沿用传统的t检验、第三种多组实验数据比较时，仍然采用t检验。具体来说讨论如下[5]。

　　3.1自身配对的t检验通常可能被误用成组之间的t检验

　　这一种类型的问题，造成的典型错误有如下情况：用两种仪器分别测量一组15人的血红蛋白含量，并判断两组一起有无明显差异。这种问题的情况是，对同一对象采取了两种处理方式，从医学实验设计的角度来说属于配对设计，但是实际上研究前后的设计并不是相互独立的数据，而如果生硬地将其套用到独立数据所使用的统计方法上，从而采取t检验对问题进行处理，则是造成明显的处理方法与设计类型相左的问题出现。在这种类型的医学问题的处理过程中，应当采用的正确方法是计算每一对数据的差值，进而利用所计算的差值大小，来反映两组效果差大小。

　　3.2在计量所得的数据呈现出方差不齐时仍然沿用传统的t检验

　　这一类型的错误在医学实验的分析中表现得较为明显和直观。经过方差齐性检验的两组数据如果判断为方差不齐，就不能直接使用t检验进行处理，这时候采用校正的t检验会更为合适。例如，在某医学实验的论文中，测得热症组的样本量为27，均值为37.68摄氏度，方差为0.66摄氏度，对比组测得正常人的样本量为36，均值37.19摄氏度，方差为0.33摄氏度。在这一实验中，该作者没有考虑方差齐性存在方差不齐的问题，就直接使用了t检验进行比较，就很容易造成错误。正确的方法应当是校正t检验，并算出校正结果，与P值进行相互比较，从而做出是否拒绝原假设的结论。在一般的医学实验中，参数检验的前提条件应当获得更多的注意力，例如只有经过了严密的方差齐性检验和正态性检验才能够使用t检验进行进一步的分析。如果这一基本条件并不能直接满足，就应当考虑选择适应数据类型的非参数检验方式进行分析，当然，某些情况下变量变换从而使其满足条件也是比较常见的处理方式。

　　3.3多组实验数据比较时，仍然采用t检验

　　在医学实验的分析中，t检验与LSD统计方法最大的区别在于，t检验适用于两组数据的比较，而LSD在多组数据的两两比较中应用较为广泛，不应当将二者混用造成混淆，影响实验结论的获得。例如，探究粉尘环境对尘肺的影响情况时，将实验白鼠分别放在三种环境中，测得数据，将三组数据用t检验两两比较，得出某两组无统计学意义，另外两种情况却均有统计学意义，这种错误是非常明显的。而如果采用方差分析，并且进一步采取多重检验，应用统计软件配合LSD方法的使用，将会得出不同而且更有意义的结论。

　　四、结束语

　　从目前医学实验的发展情况看，统计方法已经逐渐成文论文中不可或缺的重要成分。采用统计方法对医学试验中获得的各项资料进行科学有效合理的收集、整理、分析等工作，从而解决医学中存在的问题具有重要的意义。t检验作为统计学中最为常见的方法应用面极其广泛，近年来医学工作者的广泛的应用到各自的科研成果当中，取得了较为理想的效果。也正是由于t检验应用的多样性，其出现错误的机会也呈现出上升的趋势，本文就其应用以及可能出现的错误情况展开讨论，为之后有关工作中如何有效避免错误，提高研究水平提出可行化的建议。在所有的医学实验中，都应当充分考虑医学统计方法选择适当与否，从而选择正确的统计方法。■