中医中药临床研究特点与分析（1）

第一节 横断面调查的概念和特点

横断面调查又称现况调查（cross-sectional survey）或患病率（现患率，prevalence rate ）调查。 

是在某个时点或较短时段内，调查一个特定人群样本中医证候的分布频率及其与一些因素的相关关系，可以得到证候的现患率（prevalence rate）及其一些可疑的影响因素。因为是时点的调查，无法计算发病率。　　 

现况调查可以将证候按人群各种特征间、时间、地区间（合称“三间”）的横断面分布频率显示出来，而且可以获得影响证候“三间”分布频率的相关因素信息。由于证候与相关因素是在同一次调查中得到的，即果与因同时存在，无法判断发生时间的先后顺序，除非一些持续不变的因素如家族史、性别、血型、基因型外，不能推断证候与相关因素之间存在因果联系，即不能确定病因或危险因子。尽管不能进行病因推断，但却是病因研究的必要的第一步，可以为病或证候的病因（或危险因子）研究提供工作假设的线索，为第二步观察性分析性研究以及第三步的干预研究提供基础。

第二节 横断面调查的目的、用途

一、了解证候在人群中的现况和描述证候按“三间”的分布频率

1．证候按人群各种特征的分布频率：年龄、性别、种族、基因型、经济收入、职业、婚姻、家庭状况等一切可能影响证候分布频率的相关因素。
2．证候按时间的分布频率：人群抽样调查时间的不同（例如季节和年份）可能影响证候的分布频率。
3．证候按地区的分布频率：不同地理区域可能影响证候的分布频率。 二、了解影响证候“三间”分布频频率的相关因素
如果是病证结合研究，影响病的患病率的相关因素，也可能是证的影响因素。例如：软水质使冠心病高发，硬水质使龋齿高发，黄曲霉素B在食品中的浓度与肝癌患病率呈正相关，吸烟与支气管肺癌患病率呈正相关，某些地区的民族某种病低发或高发，即使移民到另一国几代人后仍与该国居民的患病率（或发病率）水平有显著差别。所有些这些相关因素都可能影响证候的分布频率，因为证候与病都是反映疾病和健康状况的概念。三、了解证候分布频率的动态变化
如果能像全球疾病监测那样，在监测点同样可以做证候的监测，在同一监测点的相同人群样本中2次以上的调查，就可以提供时间动态变化。如果某证候分布频率变化较大，必然存在某种或某些危险因子的增长，为防治策略研究及卫生资源的分配提供依据。

第三节 人群抽样调查设计及随机抽样的SAS程序

一、明确目标

1、主要了解某病的证候分布频率：首先在人群中抽样调查某病（例如慢乙肝），然后调查所有的慢乙肝病例样本的某证候（例如肝脾血瘀证）。人群抽样调查也可整群抽样调查一个社区（例如城市街道办事处、农村行政村）。变通的调查方法是：医院线索登记调查，即使用各级医院确诊的病例。缺点是：不能准确计算病或证候的患病率，只能计算某病的某证候构成比。因为医院的病例不能包含各年龄组、各职业、各病期、各种病情（轻、中、重、并发症）的全部病例（总体），所以医院病例是该病的有偏样本。理想的人群样本来自自然人群。
2、了解某病及证候的患病率及其影响因子（相关因素）：来自自然人群的样本。城镇的居民委员会或农村的行政村均为自然人群。

二、统一诊断标准
1、病的诊断标准：国际标准或国家标准。
2、证候的辨证标准：笔者建议制定“权重临界值诊断法”作为目前阶段统一的辨证标准，即暂行“金”标准。制定方法可参阅本文作者的另外著作。如果打算使用现行标准，则需采用病症结合的国标或行标。

三、调查表的设计
应包含一般项目和研究项目。
一般项目：姓名；性别；年龄组；职业。
研究项目：凡是可疑的病或证的一切相关因素，而且打算统计分析的，都不应遗漏；不打算统计分析的，一项也不要列入。
各种项目都要写明计算机编码：二分类名义变量如男和女，编码为1和2；多类无序名义变量（如某病的证1、证2、证3……）以及多类有序变量（等级变量），编码为1、2、3……K；连续型变量（计量资料）填写实际观测值。
研究项目应尽量选择客观的测量指标，即硬数据（hard data），尽量减少主观的重复性差的不能准确度量的指标，即软数据（soft data）。必不可少的软数据（如症状、心理学指标等）收集，为了统一，宜做成量表（scale），制定方法可参阅本文作者的另外著作。
软数据项目应采取闭式问题，即每个问题都给予备选答案并编码，防止信息丢失。

四、抽样方法及其SAS程序
无论采用何种抽样方法，随机抽样的原则，必须遵守。因为只有随机样本才能代表总体的各种特征。而且要计算抽样误差（sampling error），以便对总体参数作出估计，并且对抽样调查结果的真实性和可靠性进行评价。（一）单纯随机抽样（simple random sampling）：
简单的又是基本的抽样方法，从总体为N个人中随机抽出n个构成一个含量为n个人的样本。这里，基本抽样单位是“人”。
笔者建议使用SAS程序进行随机抽样。

单纯随机抽样SAS程序举例：
设计例题1　现有有限总体2 000人，欲从中随机抽出50人的样本。
问：SAS程序怎样改写？
答：欲抽出50人，第3行do i=1 to 50；如欲抽出80人，则把50改为80；从2,000人的有限总体中抽样，所以第5行 y = int (x*2 000)；即随机数先乘2 000再取整。如有限总体为20 000人，则把2 000改为20 000即可。第4行括号内是种子数，相当于抽样起始点，本例取日期，读者也可取其它任意正整数。当然首先给有限总体的每个抽样单位编号。
SAS程序（数据集名：ebm3.samp）：:
Libname ebm3'c:\sas\sasuser’ ;
Data ebm3.samp;
Do i=1 to 50;
x=ranuni (20020808);
y=int(x*2000);
Output;
End;
Run;
Proc print;
Run;
运行结果

上面运行结果的第4列（Y列）就是在2 000人的有限总体内随机抽中的50人随机样本号, 它是通过x*2000得到的，x也是随机数。

抽样误差的计算公式：
1、无限总体抽样误差：
当( n / N ) <5% 时，N可看作无限总体。例如本例，n/N=50/200=2.5%，看作无限总体。
均数的标准误：
　　（公式4--1）
率的标准误：
　　（公式4--2）
式中S=样本标准差，=样本均数，P=样本率，n=样本含量，N=总体含量。
2、有限总体抽样误差：
如果n / N ≥5%，N看作有限总体。上述2个公式分别乘上校正数（1-n/N）的平方根。
均数的标准误：
　　（公式4-3）
率的标准误：
　　（公式4--4）

（二）整群抽样（cluster sampling）
基本抽样单位不是以“人”为单位，而是以“群组”为单位，例如城镇的居委会、农村的行政村、学校的班、部队的班、工人的车间……等。
设计例题2　欲调查北京市2000年8月城区常住户口居民II型糖尿病患病率及II型糖尿病气阴两虚证的现患率。
问：怎样进行整群抽样？
答：基本抽样单位是居委会。按照市公安局户口处的资料，先把各城区各街道办事处各居委会的名称、人口列表，并且按某种人为的顺序对居委会编号，假定1到2000号。再计算样本量，得出平均需要多少个居委会作为样本，（样本量计算方法见本章第五节），假定需要抽出50个居委会。最后仍用SAS程序（数据集名：ebm3.samp）随机抽出50个居委会。被抽中的居委会全体居民都是调查对象。
整群抽样的抽样误差大于单纯随机抽样，需要增加样本量，一般增加50%左右即可。

（三）分层抽样（stratified sampling）
先按总体人口学特征或疾病的病情分成若干层次，并在每层次内作单纯随机抽样。一般说，当样本含量足够大时，调查患病率和相关因素，只要单纯随机抽样即可，不一定需要事先分层。但是调查结束后处理资料时，分层统计分析是必要的，这是为了控制混杂偏倚（confounding bias）。

第四节 横断面调查需要的样本含量估计方法一、调查总体均数时样本含量计算公式（当总体标准差和均数未知时，都用样本统计量代替）：
（tαs / d）2　　 （式4--5）
式中，n=样本含量；a=0.05时，ta=1.96；S=样本标准差；d=允许误差，即样本均数与总体均数的容许差值，既可用所求总体均数95%可信区间间距之半（1.96倍标准误）；又可根据专业知识提出一个容许差值d，通常用后者。
设计例题3　某单位拟抽样调查了解该地区20岁男性身高。据预调查计算的样本均数为170cm,样本标准差为30cm，设计者要求容许差值d=总体均数（用样本均数代替）的1/100=170cm/100=1.7cm. 
问所需样本含量？
答：设定a-=0.05，s=30cm, d=1.7cm, tα=t0.05=1.96, 将数据代入公式4-5，得：
n=(1.96*30 /1.7)2=1196.3
即需要抽样调查至少1197名20岁男性。
如果想减少样本量必然要增大容许误差d，例如令d=总体均数（用样本均数代替）的2/100=170cm*0.02=3.4cm. 将数据代入公式4-5，得：
n=(1.96*30 /3.4)2=299.1
即需要抽样调查至少300名20岁男性。
设计例题4　某中医科拟抽样调查了解空腹血糖≥200mg/dL的Ⅱ型糖尿病气阴两虚证的证候加权积分均值（指总体均值，这里的总体是研究结果推论的范围，即全国的该证型患者）。据预调查样本计算，样本证候加权积分均数为3分，标准差约为1分，要求容许误差d=总体均数（用样本均数代替）的1/15＝3分/15＝0.2分。
问所需调查的人数？
答：设定a=0.05，s=1分，d＝0.2分，将数据代入公式4-5，得：
n=(1.96*1 /0.2)2=96.04
即需调查至少97位空腹血糖≥200mg/dL的Ⅱ型糖尿病气阴两虚证患者，才能了解气阴两虚证的加权均数，其误差在±0.2分范围内。二、调查总体阳性率时样本含量计算
当阳性率P在0.2~0.8时：
　　（公式4-6）
当阳性率P<0.2或P>0.8时：

式中n为所需样本含量；当a=0.05时，ta=t0.05=1.96；P为总体阳性率的估计值；d为容许误差，一般可取总体率的1/10.
设计例题5　江南某地区欲用抽样调查了解该地区居民血吸虫感染率。总体感染率不知。要求样本感染率与总体感染率之差不超过总体感染率的1/10。
问需调查多少人？
答：因为总体感染率一无所知，但估计在0.2~0.8之间，所以可以假定P=0.5；容许误差要求不超过总体感染率的1/10，即d=0.1P=0.1×0.5=0.05；设定a=0.05，代入公式4-6：
 
即需要调查至少385人。
设计例题6　某市欲抽样调查乙肝感染率。总体感染率用前些年文献中报告的样本感染率近似代替，约15％；容许误差要求不超过总体感染率的1/10；
问样本含量。
答：P=0.15, d=0.1 P=0.1×0.15=0.015，设定a=0.05，代入公式4-7：
 
即需要调查至少2177人。
设计例题7　现欲抽样调查了解命门火衰证在男性40岁以上阳痿病人中的比例（即总体率）。据笔者预调查经验，约为80%；要求了解总体率的真值。要求样本得出的现患率与总体现患率真值之间的差距不超过总体率的1/10。
问需调查多少例40岁以上阳痿病人？
答：P=0.80，d=0.1P=0.1×0.80=0.08，设定a=0.05，代入公式4-6：

即需调查至少97例40岁以上阳痿病人。
设计例题8　现欲抽样调查惊恐伤肾证在阳痿病人中的比例（总体率）。据笔者预调查经验，约为5%；要求样本现患率在总体现患率周围而不超过后者的20%（1/5）范围内；
问需调查的样本含量。
答：P=0.05，d=0.2p=0.2×0.05=0.01，设定a=0.05，代入公式4-7：

即需调查至少1824例阳痿患者。
如果一次抽样调查试图同时了解若干个证候的现患率，则根据偏大估计的原则，选择那个需要最大样本含量的参数。
用sin-1（反正弦）运算注意事项：如用计算器（例如SHARP scientific calculator 506A型），必须调到DEG模式才能运算正确。其它计算器均需按说明书反正弦运算的要求。

第五节 抽样调查容易产生的主要偏倚及其控制措施随机误差（这里是抽样误差）是不可避免的，只能控制在一定的水平（a）并且可以计算出来。系统误差即偏倚，纯系调查时的错误，它使总体的真值发生系统偏移，即使增大样本含量也无济于事，必须千方百计预防各种偏倚的发生。常见的主要偏倚有：一、选择性偏倚（selection bias）：
1．未遵守随机抽样的原则，使样本对总体的代表性差。控制措施：随机抽样。
2．样本含量计算不精确，导致样本含量不足够，使样本缺乏代表性。控制措施：偏大估计。
3．调查对象依从性低或各种原因回避问题无应答。一般认为应答率<80%时，调查结果不能代表总体真实情况。控制措施：调查对象的健康教育，5%抽样重复调查估计符合率。二、信息偏倚（information bias）
1．来自调查对象：有回忆偏倚和报告偏倚。控制措施：设法帮助回忆，使理解问题的要求。
2．来自调查者：对调查对象的询问和检查（四诊收集资料过程）不能同等对待，持有个人意愿而失去客观公正。控制措施：盲法收集资料。
3．来自仪器检测手段：缺乏质量内控制和外控制。控制措施：质量内控制是对操作者统一培训、统一型号的仪器和试剂；质量外控制是对操作者盲法使用标准样品并规定警告线和最大容许线。

第六节 横断面调查资料的SAS程序统计分析统计分析

（一）：描述性统计　　描述性统计分析（descriptive analysis）：病或证候按不同地区、时间、人群特征进行归类并描述其分布频率，计算计量资料的各种统计量、总体均数是否为零以及正态性检验等。　　

一、一般性统计描述
例9　男性阳痿病人的调查资料如表1，试作分析。
表1　男性阳痿病人的调查资料（只摘选前6例演示方法）

SAS程序（永久性数据集名：dme1.descr1）：
Libname dme1’C:\sas\sasuser’；
Data dme1.descr1；
Input no x1-x5；
Cards；
28　6　20　8　34
64　24　18　13　9
60　30　11　14　9.5
38　6　15　16　13
49　8　10　12　30
57　12　19　9　17
；
Proc means mean std stderr cv min max；
Var x1-x5；
Run；
运行结果：第1到第7列的含义分别是：变量名字符、均数、标准差、均数标准误、变异系数、最小值、最大值。

二、详细统计描述
means过程只对变量进行一般性描述，而univariate过程可以对一个变量进行更详细的描述，而且还可以做图。
例10 对例9资料中的X5变量进行详细统计描述。
SAS程序（永久性数据名：dme2.descr2）
Libname dme2 ‘c:\sas\sasuser’；
Data dme2.descr2；
Input x5 @@；
Cards；
34　9　9.5　13　30　17 
；
proc univariate normal；
run；运行结果

在矩阵（moment）中的内容主要有样本含量（N），均数（mean），标准差（std dev）、偏度（skewness）、平方和（USS）、变异系数（CV）、总和（SUM）、方差（Variance）、峰度（Kurtosis）、离均差平方和（CSS）、均数标准误（std mean）、分位数（Quantiles）等。总体均数是否为零的假设检验，无效假设Ho：Mean=0，此例3种方法检验结果P都小于0.05，从而拒绝无效假设，接受备样假设，即总体均数不等于零。正态性检验（W检验）：W=0.854254，P=0.1623>0.05，推断是正态分布。三、大样本资料频数分布表的分析
例11　147例阳痿病人的国际ED量表（IIEF-5）频数分布资料如表2.表2　147例ED病人的IIEF-5量表得分频数

SAS程序（数据集名：dme3. descr3）：
Libname dme3 ‘c:\sas\sasuser’；
Data dme3. descr3；
Input x f @@；
Cards；
4　41　11　38　18　68
；
proc univariate normal；
var x；
freq f；
run；运行结果：
variable=x

各标目字符串含义同上。四、求几何均数（geometric mean or logarithmic mean）如果变量值彼此相差甚大，甚至呈倍数关系，如某些疾病的潜伏期、抗体滴度或效价等，用均数（算求均数）不能代表这些变量的平均水平或集中趋势，须将这些变量值转换成对数值，计算其对数的平均值，然后取其反对数算得的平均数，就能较好地代表集中趋势。
例12　某医院对30名麻疹易感儿童经气溶胶免疫 1个月后，测得其血凝抑制抗体滴度如下，试求其平均滴度（几何均数）。表3　30名麻疹易感儿童的血凝抑制抗体滴度

SAS程序（永久性数据集名：dme4.descr4）：
Libname dme4 ‘c:\sas\sasuser’；
Data deme4.descr4；
Inputxf@@；
Y=Log10(x)；
Cards；
8　2　16　6　32　5　64　10　128　4　256　2　512　1
；
proc means；
freqf；
var y；
output out=outmeanmean=Logmean；
proc print data = outmean；
data geomean；
set outmean；
g=10**Logmean；
proc print data=geomean；
var g；
run；运行结果
Analysis Variable: Y

运行结果的解释：
例数（N），对数均数（mean），对数标准差（std Dev），对数最小值（minimum），对数最大值（maximum）。对数均数（Logmean）=1.68577，反对数G=48.5029，即抗体滴度的几何均数为 1 ：48.5029.统计分析（二）：病（或证）与暴露联系的测量：横断面调查不能确定病（或证）与暴露的时间顺序关系，因此不能提供因果关系的时序关系证据，但可提供病因（或危险因子）线索。测量指标有：

• RR(相对危险度)；
• RD（超额危险度）；
• ARe(暴露者归因危险度)；
• PRD（人群超额危险度）；
• PAR（人群归因危险度）。

第七节 证候的“三间”（时间、空间、人间即人群特征）分布　　

例13　20岁以上235名正常人肾虚证候按年龄分布频率的举例：表4　20岁以上235名不同年龄正常人肾虚率（1981年）

肾虚按性别的分布频率：图1
图1　各年龄组肾虚按性别的分布频率　　纵坐标为肾虚率％，从下到上依次为0％、20％、40％、60％、80％、100％；
横坐标为年龄（岁），从左到右依次为20、30、40、50、60、70岁。
从图1可观察到以下规律：20岁以上235名样本的肾虚率为70.21％；肾虚率有随年龄增长而增高的趋势；女性肾虚率略低于男性；男女两性自30岁起均有一定的肾虚率；40岁以上可达70％；这与《素问·阴阳应象大论》中“年四十而阴气自半也”的论点相符合，提供了祖国医学肾虚辨证可作为推断衰老的临床指标之一的新论据（可参考本文作者著作《中医临床研究设计与SAS编程统计分析》）。

问题：现准备在某市某区进行抽样调查，该区共有20所小学，为5年制，每班编制大约为20人，共有学生18200人，估计少儿痰湿体质患病率为5%，调查允许的抽样误差为0.5%：
(1) 您考虑用什么样的抽样方法比较好？
(2)  ， 取α＝0.05，则tα=1.96, 容许的抽样误差d＝0.5%，代入公式得：n=7298.84,；因为是整群抽样，增加50%，N＝1.5n=10948.275；每个班20人，需10948.275/20＝547.41，偏大估计，共需抽548个班。">按班级分层整群抽样需要多大的样本量？需要抽多少个班？

下一篇：中医中药临床研究特点与分析（2）