序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇統(tǒng)計(jì)學(xué)變量類型范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來(lái)更深刻的閱讀感受。

篇（1）

1.1根據(jù)資料類型初步確定方法

臨床研究中產(chǎn)生的各種不同原始資料，而不同數(shù)據(jù)資料類型采用的統(tǒng)計(jì)分析方法也不同。定量資料常用的方法有t檢驗(yàn)、方差分析、非參數(shù)檢驗(yàn)、線性相關(guān)與回歸分析等。定性資料可用的方法有χ2檢驗(yàn)、對(duì)數(shù)線性模型、logistic回歸等，影像醫(yī)師可根據(jù)不同需要選用不同統(tǒng)計(jì)方法。值得一提的是有些資料類型確定后，統(tǒng)計(jì)方法的選用對(duì)其有序性有相應(yīng)要求；而多種方法聯(lián)合應(yīng)用或者使用部分少見的分析方法時(shí)還需要在選定統(tǒng)計(jì)方法后，利用統(tǒng)計(jì)軟件(如SAS、SPSS)對(duì)應(yīng)的不同命令進(jìn)行初步分析試驗(yàn)。

1.2根據(jù)研究目的選擇方法

1.2.1差異性研究

差異性分析是指評(píng)價(jià)比較組間均數(shù)、頻數(shù)、比率等的差異。根據(jù)研究需要可選用的方法有χ2檢驗(yàn)、t檢驗(yàn)、方差分析、非參數(shù)檢驗(yàn)等。臨床上研究?jī)山M、多組樣本比率或構(gòu)成比之間的差別關(guān)系時(shí)最常用χ2檢驗(yàn)，也是針對(duì)計(jì)數(shù)資料進(jìn)行假設(shè)檢驗(yàn)的一種常用的統(tǒng)計(jì)學(xué)方法，而對(duì)兩組定量資料分析常用t檢驗(yàn)和秩和檢驗(yàn)，多組資料分析則常用方差分析；Fisher精確概率法主要適用于總體樣本頻數(shù)小于40或四格表中最小格子T值<1。雖然Fisher精確檢驗(yàn)不屬于χ2檢驗(yàn)，但仍可以作為有效的補(bǔ)充，而也有人認(rèn)為在統(tǒng)計(jì)軟件普遍易得的當(dāng)下，F(xiàn)isher精確概率法也同樣適用于大樣本四格表的資料。如彭澤華等[6]在探討冠狀竇-左心房肌連接的雙源CT冠狀動(dòng)脈成像(DSCTCA)形態(tài)特征時(shí)針對(duì)冠狀竇-左心房肌連接的類型在兩組類別變量采用聯(lián)表的χ2檢驗(yàn)，結(jié)果差異無(wú)統(tǒng)計(jì)學(xué)意義(χ2=0.115，P=0.944)。Teefey等[7]在研究超聲表現(xiàn)及白細(xì)胞計(jì)數(shù)預(yù)測(cè)急性膽囊炎壞疽變化關(guān)系時(shí)使用Fisher精確分析。t檢驗(yàn)適用于兩組定量資料分析且資料滿足方差齊性和正態(tài)性兩個(gè)基本條件；同樣t檢驗(yàn)適用于完全隨機(jī)設(shè)計(jì)的單因素兩水平的資料，在選用t檢驗(yàn)時(shí)應(yīng)注意對(duì)資料進(jìn)行相應(yīng)的變量變換，若資料不能滿足基本條件則選用適合分析偏態(tài)分布的非參數(shù)檢驗(yàn)(如：秩和檢驗(yàn))進(jìn)行分析。如Wang等[8]在研究不同侵襲性的前列腺癌組織和正常前列腺組織以及外周帶前列腺癌Gleason評(píng)分與腫瘤信號(hào)對(duì)比時(shí)采用t檢驗(yàn)。Kung等[9]在研究化膿性髖關(guān)節(jié)炎的臨床和放射學(xué)預(yù)測(cè)指標(biāo)時(shí)也使用t檢驗(yàn)分析。秩和檢驗(yàn)包括基本秩和檢驗(yàn)(Wilcoxon等級(jí)檢驗(yàn)、Mann-WhitneyU-檢驗(yàn))和高級(jí)秩和檢驗(yàn)(Kruskal-Wallis、Friedmantests、Kolmogorov-Smirnov擬合檢驗(yàn))。當(dāng)研究資料為兩方差齊且呈正態(tài)分布的總體，而總體分布類型未知或者不滿足參數(shù)檢驗(yàn)的條件時(shí)，采用t檢驗(yàn)對(duì)樣本進(jìn)行比較；但若無(wú)需比較總體參數(shù)只比較總置的分布是否相同且總體資料分布類型未知時(shí)需要采用非參數(shù)的Wilcoxon秩和檢驗(yàn)進(jìn)行比較。針對(duì)兩組或多組樣本的定性資料使用秩和檢驗(yàn)比較時(shí)，需要混合兩樣本數(shù)據(jù)、編秩(從小到大)、計(jì)量T值、查表或計(jì)算求得P值。如Saindane等[10]在對(duì)“空蝶鞍”的臨床意義判定因素研究中針對(duì)顱內(nèi)壓增高和偶然發(fā)現(xiàn)空蝶鞍患者兩組資料對(duì)比時(shí)采用Wilcoxon秩和檢驗(yàn)。Filippi等[11]在研究DTI測(cè)量?jī)和┬蜕窠?jīng)纖維瘤病胼胝體派生指標(biāo)時(shí)運(yùn)用Wilcoxon秩和檢驗(yàn)。事實(shí)上在影像資料分析中經(jīng)常見到多重組間比較的情況，方差分析(analysisofvariance,ANOVA)就是用來(lái)推斷兩個(gè)或者多個(gè)總體之間是否有差別的檢驗(yàn)，又稱F檢驗(yàn)。多重組間比較不能單純選用兩樣本均數(shù)比較的t檢驗(yàn)，但是可以根據(jù)資料類型選用ANOVA檢驗(yàn)。若來(lái)自兩個(gè)隨機(jī)樣本資料呈正態(tài)分布且方差齊性同的定量資料，應(yīng)采用兩因素(處理、配伍)方差分析(two-wayANOVA)或配對(duì)t檢驗(yàn)。通過F檢驗(yàn)可以比較可能由某因素所至的變異或隨機(jī)誤差，同時(shí)可了解該因素對(duì)測(cè)定結(jié)果有無(wú)影響。當(dāng)不滿足方差分析和t檢驗(yàn)條件時(shí)，可對(duì)數(shù)據(jù)進(jìn)行變換或采用隨機(jī)區(qū)組設(shè)計(jì)資料的FriedmanM檢驗(yàn)。Obdeijn等[12]在研究乳腺術(shù)前MRI能減少術(shù)中切緣和乳腺保守術(shù)后再次手術(shù)，使用ANOVA分析兩組資料，結(jié)果對(duì)照組(29.3%)相比術(shù)前MRI病例組(15.8%)有效減少切緣和再次手術(shù)(P<0.01)。

1.2.2相關(guān)性分析

相關(guān)性分析不等同因果性，也不是簡(jiǎn)單的個(gè)性化相比，其涵蓋的范圍和領(lǐng)域較為廣泛。統(tǒng)計(jì)學(xué)意義中的相關(guān)性分析包含相關(guān)性系數(shù)的計(jì)算，其過程為：每個(gè)變量轉(zhuǎn)化為標(biāo)準(zhǔn)單位后，乘積的平均數(shù)即為相關(guān)系數(shù)。相關(guān)性分析可以用直觀地用散點(diǎn)圖表示兩個(gè)或者多個(gè)變量的離散，當(dāng)其緊密地靠近于一條直線時(shí)，即變量間存在很強(qiáng)的相關(guān)性。相關(guān)分析常用的方法有Pearson相關(guān)性分析、Spearman等級(jí)相關(guān)分析和卡方檢驗(yàn)。臨床中對(duì)兩個(gè)或者多個(gè)均為定量變量的資料，且變量均呈正態(tài)分布時(shí)可選用Pearson相關(guān)分析，但多數(shù)情況下Pearson相關(guān)分析適用于兩組資料的相關(guān)性分析。判斷兩變量之間線性關(guān)系的密切程度主要用Pearson積差相關(guān)系數(shù)，其范圍為－1～+1。若相關(guān)系數(shù)的絕對(duì)值越接近1，即兩變量間相關(guān)性越密切；反之，相關(guān)系數(shù)的絕對(duì)值越接近0，其相關(guān)性越差。實(shí)際上在高質(zhì)量期刊論文中使用Spearman等級(jí)相關(guān)分析的研究也很常見，其通過相關(guān)系數(shù)進(jìn)行變量間線性關(guān)系分析來(lái)判定兩個(gè)變量間相關(guān)性的密切程度。而密切程度的量化指標(biāo)則通過計(jì)算樣本相關(guān)系數(shù)r，根據(jù)實(shí)際計(jì)算r絕對(duì)值所屬范圍來(lái)推斷兩個(gè)來(lái)自總體變量的線性相關(guān)程度，從而推斷總體的相關(guān)性。根據(jù)實(shí)際分析需要，將相關(guān)關(guān)系密切程度分為6等：當(dāng)IrI=0時(shí)，說(shuō)明兩變量完全不相關(guān)：當(dāng)0<IrI<0.3時(shí)，說(shuō)明兩變量不相關(guān)；當(dāng)0.3<IrI<0.5時(shí)，說(shuō)明兩變量低度相關(guān)；當(dāng)0.5<IrI<0.8時(shí)，說(shuō)明兩變量顯著相關(guān)；當(dāng)0.8<IrI<1說(shuō)明兩變量高度相關(guān)：當(dāng)IrI=l時(shí)，說(shuō)明兩個(gè)變量完全相關(guān)。王效春等[13]在研究磁敏感加權(quán)成像與動(dòng)態(tài)磁敏感加權(quán)對(duì)比增強(qiáng)MR灌注加權(quán)成像聯(lián)合應(yīng)用在腦星形細(xì)胞瘤分級(jí)中的價(jià)值一文應(yīng)用Spearman等級(jí)相關(guān)分析，結(jié)果顯示腫瘤內(nèi)磁敏感信號(hào)與相對(duì)血容量最大值和病理分級(jí)呈正相關(guān)(IrI分別為0.72、0.89，P值均＜0.01),相對(duì)血容量與病理分級(jí)呈顯著正相關(guān)(r=0.78，P＜0.01)。又如Lederlin等[14]在比較幾何參數(shù)、相關(guān)功能與組織學(xué)特性在哮喘患者的支氣管壁CT衰減性關(guān)系中同時(shí)使用Pearson相關(guān)分析和Spearman等級(jí)相關(guān)分析，其r=0.39～0.43，表明與對(duì)照組相比常規(guī)CT衰減參數(shù)在哮喘患者平常支氣管的CT參數(shù)、氣道壁衰減方面更好的區(qū)分哮喘患者，同時(shí)也更好地區(qū)分氣道梗阻。值得提及的是對(duì)資料有序或無(wú)序無(wú)法作出初步判定，且明確資料類型為定性資料時(shí)還可以選擇使用卡方檢驗(yàn)和Spearman等級(jí)相關(guān)分析。

1.2.3影響性分析

由于事物之間的聯(lián)系是多種多樣的，而某一結(jié)局可能受到來(lái)自其他多個(gè)方面的影響，此時(shí)為分析某一結(jié)局發(fā)生的影響因素可采用的資料分析方法有線性回歸(一元或多元)、logistic回歸、Cox比例風(fēng)險(xiǎn)回歸模型(生存分析)等。在影像資料分析中一元線性回歸是將影像資料中一個(gè)最主要影響因素作為自變量來(lái)解釋因變量的變化。多元回歸定義為某一因變量的變化受多個(gè)重要因素的影響，而此時(shí)需要用兩個(gè)或多個(gè)影響因素作為自變量來(lái)解釋因變量的變化，且多個(gè)自變量與因變量之間是線性關(guān)系(多個(gè)因變量之間相互獨(dú)立)。實(shí)際研究中多元線性回歸模型在影像資料分析應(yīng)用較為廣泛。Langkammer等[15]在磁敏感系數(shù)繪圖在多發(fā)性硬化中應(yīng)用研究中使用多元線性分析，結(jié)果顯示各種影響因素中年齡是預(yù)測(cè)磁化率影響最強(qiáng)的因素。Logistic回歸是研究二分類和多分類觀察結(jié)果與某些影響因素自己建關(guān)系的一種多變化分析方法，其經(jīng)常需要分析疾病與各影像指標(biāo)之間的定量關(guān)系，同時(shí)又需要排除一些混雜因素影響。Logistic回歸在統(tǒng)計(jì)學(xué)上屬于概率型非線性回歸，其分析思路與線性回歸大致相同，能有效解決過高或過低水平因素以及分析因素少而樣本量大等問題。相比多元線性回歸，Logistic回歸在處理分類反應(yīng)數(shù)據(jù)方面更為常用，且適用于結(jié)局為定性影像資料。如Lee等[16]研究高分辨率CT在發(fā)現(xiàn)小蜂窩樣特發(fā)性間質(zhì)肺炎纖維化的連續(xù)變化和預(yù)后應(yīng)用中使用logistic回歸分析，結(jié)果表明高分辨率CT在網(wǎng)狀和磨玻璃狀范圍內(nèi)評(píng)價(jià)普通肺炎與非特異性纖維化肺炎之間差別明顯(P<0.01)。在臨床實(shí)際工作中常常需要分析生存時(shí)間與影像資料之間的關(guān)系，Kaplan-Meier法就是常用的一種分析方法，其又稱乘積極限法，對(duì)大小樣本資料分析均適用。實(shí)踐中習(xí)慣上以時(shí)間為橫軸、生存率為縱軸回執(zhí)的階梯狀圖稱為Kaplan-Meier生存曲線(survivalcurve)，也稱K-M曲線。Cox比例風(fēng)險(xiǎn)回歸模型是另一種生存分析方法，包括參數(shù)與半?yún)?shù)模型兩類，其主要是進(jìn)行多因素生存分析的一種方法，同時(shí)可分析眾多變量對(duì)生存時(shí)間和生存結(jié)局的影響。Saad等[17]在經(jīng)頸靜脈肝內(nèi)門體靜脈分流術(shù)在肝移植受者的技術(shù)分析和臨床評(píng)估研究中比較成功施行肝移植與非移植病人開展門體分流術(shù)(transjugularintrahepaticportosystemicshunt，TIPS)后的臨床療效評(píng)估，使用了Kaplan-Meier法，結(jié)果顯示6～12個(gè)月、12～24個(gè)月、24個(gè)月以上，移植成活率分別為43%、32%和22%。生存期大于1年的晚期肝臟疾病模型存活評(píng)分低于17分、等于17分或大于17分的存活率分別為54%和8%(P<0.05)。

2其他適用方法

2.1ROC曲線

ROC(receiveroperatingcharacteristic)曲線是歐美影像學(xué)期刊中應(yīng)用較為常見的統(tǒng)計(jì)學(xué)方法，國(guó)內(nèi)期刊應(yīng)用相對(duì)較少。ROC曲線根據(jù)一系列不同的分界值以真陽(yáng)性率(靈敏性)為縱坐標(biāo)，假陽(yáng)性率(特異性)為橫坐標(biāo)繪制的曲線。ROC曲線分析結(jié)合靈敏度(sensitivity)和特異度(specificity)廣泛應(yīng)用于醫(yī)學(xué)診斷，也應(yīng)用于影像診斷及人群篩查。ROC曲線根據(jù)曲線下面積(areaundertheROCcurve，AUC)的大小對(duì)診斷試驗(yàn)作定量分析。理論上，AUC值在0～1間。根據(jù)實(shí)際情況將診斷分為不符合診斷(AUC<0.5)、無(wú)診斷價(jià)值(AUC=0.5)、低準(zhǔn)確性(0.5<AUC<0.7)、一定準(zhǔn)確性(0.7<AUC<0.9)、較高準(zhǔn)確性(0.9<AUC<1)，AUC越接近于1，表明診斷準(zhǔn)確性越高。Hyodo等[18]在研究乏血管少結(jié)節(jié)的慢性肝臟疾病患者發(fā)展成富血管性肝細(xì)胞癌風(fēng)險(xiǎn)因素一文中使用ROC曲線分析，結(jié)果顯示后續(xù)發(fā)展成血管性結(jié)節(jié)平均增長(zhǎng)率明顯高于非血管過渡性結(jié)節(jié)。

2.2Kappa檢驗(yàn)

Kappa檢驗(yàn)主要用于評(píng)價(jià)不同資料間一致性程度，常用Kappa值評(píng)價(jià)一致程度。Kappa系數(shù)適用于兩項(xiàng)和多項(xiàng)無(wú)序分類變量資料。在影像學(xué)試驗(yàn)中常需要判斷多名醫(yī)師測(cè)量同一研究對(duì)象或者同一醫(yī)師多次測(cè)量同一對(duì)象的一致性，Kappa一致性檢驗(yàn)便是最佳選擇。Kappa檢驗(yàn)還可通過計(jì)算Kappa值對(duì)兩種非金標(biāo)準(zhǔn)的診斷方法進(jìn)行診斷結(jié)果一致性分析。一般而言，評(píng)價(jià)Kappa一致性需要計(jì)算Kappa系數(shù)，但在研究考察新的診斷試驗(yàn)方法是否優(yōu)于金標(biāo)準(zhǔn)，或者檢驗(yàn)是否與金標(biāo)準(zhǔn)一致時(shí)，還需要計(jì)算特異度、靈敏度、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值等指標(biāo)。目前公認(rèn)的Kappa系數(shù)分為六個(gè)區(qū)段即一致性極差(Kappa值<0)，一致性微弱(Kappa值0～0.2)，一致性弱(Kappa值0.21～0.40)，中度一致Kappa值(0.41～0.60)，高度一致(Kappa值0.61～0.80)，一致性極強(qiáng)(Kappa值0.81～1.00)。

篇（2）

【中圖分類號(hào)】 R 179 R 395.6 R 163 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1000-9817(2007)08-0699-02

Relationship Between the Internet Addiction and School Management/CHANG Guo-sheng*, LI Yong-zhan, ZHAO Shan-ming. * No.9 People's Hospital of Zhengzhou, Zhengzhou(450001), China

【Abstract】 Objective To study the situation of the internet addiction disorder (IAD) among the senior middle school, and to explore the influence of school management type on the incidence of the internet addiction disorder.MethodsEight hundred and fifty students were sampled from six senior middle schools by cluster sampling. They were tested by IAD Scale and a self-designed inventory. Results The incidence of IAD was 6.1%, and it had no significant differences in gender, grade and original location, but it had significant differences between IAD and school nature or school management type. The results of logistic regression and linear regression indicated that school management type had the greatest predictability to the variation of the IAD. ConclusionIAD of senior middle school students is related with school management type, and close management can be a valid way to IAD prevention.

【Key words】 Internet;Behavior,addictive;Organization and administration;Students

如今，大學(xué)生網(wǎng)絡(luò)成癮(IAD)現(xiàn)象日趨突現(xiàn), 越來(lái)越多的中學(xué)生也開始加入到上網(wǎng)大軍之中［1］，成為另一個(gè)網(wǎng)絡(luò)成癮的高危群體［2］。因沉迷網(wǎng)絡(luò)所致的學(xué)習(xí)成績(jī)下降和心理、行為異常現(xiàn)象已經(jīng)引起了社會(huì)的廣泛關(guān)注［3-5］。中學(xué)生身心發(fā)展不平衡，容易出現(xiàn)較多的心理問題［6］，加之好奇心強(qiáng)、自制力弱、人生觀和價(jià)值觀尚未形成，面對(duì)包羅萬(wàn)象的網(wǎng)絡(luò)虛擬世界，網(wǎng)絡(luò)成癮的危險(xiǎn)性更大［7］。筆者以鄭州市高中生為被試，調(diào)查其網(wǎng)絡(luò)成癮狀況，并分析學(xué)校管理類型與網(wǎng)絡(luò)成癮的關(guān)系，以期為干預(yù)網(wǎng)絡(luò)成癮提供理論依據(jù)。

1 對(duì)象與方法

1.1 對(duì)象 隨機(jī)選取鄭州市重點(diǎn)、普通、職業(yè)中學(xué)各2所，按年級(jí)隨機(jī)抽取高一至高三年級(jí)共18個(gè)教學(xué)班的學(xué)生850人為調(diào)查對(duì)象,獲有效答卷806份,有效應(yīng)答率為94.82%。被試中一年級(jí)262人，二年級(jí)261人，三年級(jí)283人；男生457人，女生349人；重點(diǎn)中學(xué)學(xué)生310人，普通中學(xué)學(xué)生277人，職業(yè)中學(xué)學(xué)生219人。年齡14～19歲，平均年齡(16.12±1.25)歲。

1.2 方法 采用網(wǎng)絡(luò)成癮診斷問卷和自編的網(wǎng)絡(luò)使用調(diào)查問卷對(duì)所有調(diào)查對(duì)象進(jìn)行測(cè)試。網(wǎng)絡(luò)成癮診斷問卷又稱網(wǎng)絡(luò)成癮診斷標(biāo)準(zhǔn)，是1996年由美國(guó)心理學(xué)家K.S.Young參照《美國(guó)精神障礙診斷與統(tǒng)計(jì)手冊(cè)》第4版（DSM-IV)中關(guān)于賭博成癮的標(biāo)準(zhǔn)編制而成［8］。問卷由8個(gè)問題組成，得5分及5分以上即可判定為網(wǎng)絡(luò)成癮（IAD）。自編網(wǎng)絡(luò)使用調(diào)查問卷系參考已有的網(wǎng)絡(luò)成癮研究所用的調(diào)查問卷，并結(jié)合本研究的目的編制的，項(xiàng)目包括年齡、性別、年級(jí)、學(xué)校性質(zhì)、學(xué)校管理類型、生源等內(nèi)容。上述2套問卷由課題組成員統(tǒng)一發(fā)給被試,進(jìn)行不記名集體測(cè)試。采用SPSS 10.0軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與分析。

2 結(jié)果與分析

2.1 網(wǎng)絡(luò)成癮診斷問卷得分情況及網(wǎng)絡(luò)成癮率 在806名被試中，得分大于或等于5分的IAD者有49名，非IAD者有757名，網(wǎng)絡(luò)成癮率為6.1%。

2.2 不同人口社會(huì)統(tǒng)計(jì)學(xué)特征高中生網(wǎng)絡(luò)成癮率比較 由表1可知，只有職業(yè)高中學(xué)生網(wǎng)絡(luò)成癮人數(shù)顯著大于期望值（P=0.014）。開放式管理的學(xué)校學(xué)生與封閉式管理的學(xué)校網(wǎng)絡(luò)成癮率差異有統(tǒng)計(jì)學(xué)意義。

2.3 網(wǎng)絡(luò)成癮與各統(tǒng)計(jì)變量之間的相關(guān)分析 結(jié)果顯示，網(wǎng)絡(luò)成癮與性別、年級(jí)、生源均無(wú)顯著性相關(guān)，而與學(xué)校性質(zhì)和學(xué)校管理類型的相關(guān)均具有統(tǒng)計(jì)學(xué)意義(r值分別為0.106和0.089)。

2.4 網(wǎng)絡(luò)成癮傾向與各統(tǒng)計(jì)變量的多元線性回歸分析 以網(wǎng)絡(luò)成癮總分為因變量，以性別、年級(jí)、生源、學(xué)校性質(zhì)、學(xué)校管理類型為自變量進(jìn)行多元線性回歸分析，結(jié)果顯示：網(wǎng)絡(luò)成癮總分和學(xué)校管理類型、生源有線性回歸關(guān)系；學(xué)校管理類型首先進(jìn)入回歸模型，其次進(jìn)入的是生源。模型的回歸方程為y=-0.685＋0.906x1＋0.377x2，其中x1為學(xué)校管理類型，x2為生源。見表2。

3 討論

調(diào)查結(jié)果顯示，鄭州市高中生網(wǎng)絡(luò)成癮率為6.1%，低于已有研究的結(jié)果［9-10］?？赡苁怯捎诟餮芯克捎玫木W(wǎng)絡(luò)成癮診斷量表不同所致，也可能與各研究所調(diào)查的樣本范圍及研究的時(shí)間不同有關(guān)。

男、女生網(wǎng)絡(luò)成癮率差異無(wú)統(tǒng)計(jì)學(xué)意義，與已有的研究結(jié)果不一致［9-10］?？赡苁请S著網(wǎng)絡(luò)的日漸普及，女生上網(wǎng)人數(shù)也與日俱增，使更多的女生網(wǎng)絡(luò)成癮。

結(jié)果還顯示，職業(yè)高中的網(wǎng)絡(luò)成癮率顯著高于重點(diǎn)與普通高中，開放式管理的學(xué)校網(wǎng)絡(luò)成癮率顯著高于封閉式管理的學(xué)校。說(shuō)明學(xué)校性質(zhì)與學(xué)校管理類型應(yīng)該與網(wǎng)絡(luò)成癮有關(guān)。相關(guān)性分析也提示，學(xué)校性質(zhì)和學(xué)校管理類型與網(wǎng)絡(luò)成癮呈顯著正相關(guān)。

多元線性回歸分析顯示，學(xué)校管理類型對(duì)網(wǎng)絡(luò)成癮傾向的影響在各變量中最大。提示在干預(yù)高中生網(wǎng)絡(luò)成癮方面，學(xué)校實(shí)行封閉式教學(xué)管理可能是一項(xiàng)有效的措施。當(dāng)然，人格、生理、家庭教養(yǎng)方式、社會(huì)支持等因素都可能是網(wǎng)絡(luò)成癮的預(yù)測(cè)變量，但單從可操作性來(lái)考慮網(wǎng)絡(luò)成癮的干預(yù)措施，實(shí)施封閉式學(xué)校管理應(yīng)該說(shuō)是具有一定可行性的。

4 參考文獻(xiàn)

［1］ 中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告.中國(guó)互聯(lián)網(wǎng)信息中心（CNNIC)，2006.

［2］ 李煜光.中學(xué)生網(wǎng)絡(luò)成癮和學(xué)校教育：上海市中學(xué)生網(wǎng)絡(luò)成癮現(xiàn)象分析.四川教育學(xué)院學(xué)報(bào)，2005，21（4）：3-12.

［3］ 張曉陽(yáng),席震芳,嚴(yán)紅妹.城市初中生網(wǎng)絡(luò)成癮與其網(wǎng)絡(luò)行為的相關(guān)研究.中國(guó)學(xué)校衛(wèi)生,2004,10,25（5）:607-608.

［4］ 席震芳,張曉陽(yáng).初中生網(wǎng)絡(luò)成癮傾向與家庭教養(yǎng)方式的關(guān)系.中國(guó)學(xué)校衛(wèi)生,2005 ,26（2）:153-155.

［5］ 李曉駟,李澤愛,謝雯,等.合肥市中學(xué)生網(wǎng)絡(luò)成癮流行病學(xué)調(diào)查報(bào)告.中國(guó)心理衛(wèi)生雜志,2006,20（1）:51-54.

［6］ 王宇中.醫(yī)學(xué)心理學(xué).蘭州：蘭州大學(xué)出版社，2003：237.

［7］ 龔銀清，楊容，張斌.中學(xué)生網(wǎng)絡(luò)成癮的心理治療方法與技術(shù).中國(guó)學(xué)校衛(wèi)生，2005 ，26 （5）：408-409.

［8］ YOUNG KS.Internet Addiction: the emergence of a new disorder.Cyber-psychol behavi,1998,1（3）:237-244.

［9］ 黃少南，胡武昌，周先華，等.九江市城區(qū)中學(xué)生網(wǎng)絡(luò)成癮狀況調(diào)查.山東精神醫(yī)學(xué)，2005，18 （1）:35-37.

篇（3）

二、應(yīng)用SPSS軟件的基本統(tǒng)分析

教學(xué)材料第二、三章內(nèi)容為資料的整理與特征數(shù)的計(jì)算、概率和概率分布，結(jié)合教學(xué)內(nèi)容SPSS上機(jī)實(shí)驗(yàn)課應(yīng)設(shè)置基本統(tǒng)計(jì)分析課程，該部分包括數(shù)據(jù)匯總報(bào)告和描述性統(tǒng)計(jì)分析兩方面的內(nèi)容?；窘y(tǒng)計(jì)分析可通過菜單欄的分析（Analyze）窗口進(jìn)入，點(diǎn)擊分析欄之后，鼠標(biāo)放置數(shù)據(jù)匯總報(bào)告（Reports）欄，即可顯示分層報(bào)告（OLAP—OnlineAna-lyticalProcessing）、數(shù)據(jù)匯總（CasesSummarize）、行匯總報(bào)告（ReportSummariesinRows）、列匯總報(bào)告選項(xiàng)（ReportSummariesinColumns）。其中分層報(bào)告主要用于中位數(shù)、最大值、最小值、方差、偏度系數(shù)等統(tǒng)計(jì)描述；數(shù)據(jù)匯總可用于對(duì)編輯窗口中的數(shù)據(jù)在結(jié)果窗口中羅列出來(lái)，以便瀏覽和打印，同時(shí)也可對(duì)數(shù)據(jù)的基本特征進(jìn)行描述；行匯總報(bào)告可羅列原始數(shù)據(jù)，其格式是以觀察單位和統(tǒng)計(jì)量為行標(biāo)目，以報(bào)告變量為列標(biāo)目；列匯總報(bào)告主要用來(lái)生成按列顯示統(tǒng)計(jì)量計(jì)算結(jié)果的報(bào)告，同時(shí)也可以完成許多統(tǒng)計(jì)計(jì)算。當(dāng)鼠標(biāo)放置描述性統(tǒng)計(jì)分析（DescriptiveStatistics）位置后，選中響應(yīng)的功能即可進(jìn)入頻數(shù)分析（Frequen-cies）、描述性分析（Descriptives）、探索性分析（Ex-plore）、多維交叉表分析（Crosstabs）、比值分析（Ratio）窗口從而根據(jù)自己的目的進(jìn)行響應(yīng)的數(shù)據(jù)分析。

三、應(yīng)用SPSS軟件的均值比較和方差分析

生物統(tǒng)計(jì)學(xué)基本知識(shí)熟悉之后，在隨后在課堂教學(xué)中會(huì)開始進(jìn)行統(tǒng)計(jì)推斷和方差分析部分的內(nèi)容。SPSS實(shí)驗(yàn)課在此部分結(jié)合課堂教學(xué)相應(yīng)的設(shè)置均值比較和方差分析上機(jī)內(nèi)容。均值比較可通過菜單欄的分析（Analyze）窗口進(jìn)入，點(diǎn)擊分析欄之后，鼠標(biāo)放置數(shù)據(jù)均值比較（Com-pareMeans）上即可顯示相應(yīng)分析欄：平均數(shù)基本分（Means）可用于定量資料的統(tǒng)計(jì)分析，按分組變量計(jì)算因變量的描述統(tǒng)計(jì)量值，如均值、方差、標(biāo)準(zhǔn)差、偏度、峰度等統(tǒng)計(jì)量，并顯示結(jié)果；單樣本T-test（One-SampleTTest）單樣本t檢驗(yàn)主要用于樣本平均數(shù)和已知總體平均數(shù)的比較；獨(dú)立樣本T-tes（tInde-pendent-SamplesTTest）可用于檢驗(yàn)兩個(gè)獨(dú)立樣本的總體平均數(shù)之間是否有顯著差異；配對(duì)樣本T-test（Paired-SamplesTTest）用于配對(duì)計(jì)量資料的比較，檢驗(yàn)配對(duì)樣本差值的總體均數(shù)與0的差異有無(wú)顯著意義，以及配對(duì)樣本是否相關(guān)方差分析包括單因素方差分析和多因素方差分析。其中單向方差分析（One-WayANOVA）可通過均值比較（CompareMeans）進(jìn)入，其用于完全隨機(jī)設(shè)計(jì)資料的多個(gè)樣本均數(shù)比較和樣本均數(shù)間的多重比較，也可進(jìn)行多個(gè)處理組與一個(gè)對(duì)照組的比較。多因素方差分析可通過分析欄里的多因素方差分析（GeneralLinearModel）選項(xiàng)進(jìn)入，進(jìn)入之后會(huì)設(shè)置四個(gè)不同要求的選擇：?jiǎn)巫兞慷嘁蛩胤讲罘治觯║nivariate）可用于一個(gè)因變量受一個(gè)或多個(gè)自變量影響的方差分析；多因變量方差分析（Multivariate）主要用于多個(gè)因變量受一個(gè)或多個(gè)因素變量或協(xié)變量影響的方差分析；多因變量方差分析（Multivariate）對(duì)同一因變量進(jìn)行重復(fù)測(cè)量的方差分析；混合效應(yīng)分析（VarianceCompo-nents）用來(lái)估計(jì)每個(gè)隨機(jī)因素對(duì)因變量方差的貢獻(xiàn)。在分析過程中可根據(jù)不同的需要和要求，選擇相應(yīng)的方差分析。

篇（4）

科研設(shè)計(jì)包括專業(yè)設(shè)計(jì)和統(tǒng)計(jì)研究設(shè)計(jì)。專業(yè)設(shè)計(jì)主要包括基本常識(shí)和專業(yè)知識(shí)的正確、全面、巧妙地運(yùn)用；而統(tǒng)計(jì)研究設(shè)計(jì)包括實(shí)驗(yàn)設(shè)計(jì)、臨床試驗(yàn)設(shè)計(jì)和調(diào)查設(shè)計(jì)。值得注意的是：在很多科研人員所做的科研課題中，不僅嚴(yán)重忽視統(tǒng)計(jì)研究設(shè)計(jì)，就連專業(yè)設(shè)計(jì)也有嚴(yán)重錯(cuò)誤，主要表現(xiàn)在犯了基本常識(shí)錯(cuò)誤和違背專業(yè)知識(shí)錯(cuò)誤。這類錯(cuò)誤所發(fā)生的頻率還相當(dāng)高，是一種不能容忍的不正常現(xiàn)象！

在統(tǒng)計(jì)研究設(shè)計(jì)所包含的3種研究設(shè)計(jì)中，實(shí)驗(yàn)設(shè)計(jì)是最重要的，因?yàn)楹芏嚓P(guān)鍵性的內(nèi)容都包含在其中，其核心內(nèi)容是“三要素”、“四原則”和“設(shè)計(jì)類型”。所謂“三要素”就是受試對(duì)象(或調(diào)查對(duì)象)、影響因素(包括試驗(yàn)因素和重要的非試驗(yàn)因素)和實(shí)驗(yàn)效應(yīng)(通過具體的觀測(cè)指標(biāo)來(lái)體現(xiàn))；所謂“四原則”就是隨機(jī)、對(duì)照、重復(fù)和均衡原則，它們?cè)谶x取和分配受試對(duì)象、控制重要非試驗(yàn)因素對(duì)觀測(cè)結(jié)果的干擾和影響、提高組間均衡性、提高結(jié)論的可靠性和說(shuō)服力等方面將起到“保駕護(hù)航”的作用；所謂“設(shè)計(jì)類型”就是實(shí)驗(yàn)中因素及其水平如何合理搭配而形成的一種結(jié)構(gòu)，它決定了能否多快好省且又經(jīng)濟(jì)可靠地實(shí)現(xiàn)研究目標(biāo)?？蒲腥藛T若對(duì)重要非試驗(yàn)因素考慮不周到、對(duì)照組選擇不合理、設(shè)計(jì)類型選擇不當(dāng)或辨別不清，導(dǎo)致科研課題的科研設(shè)計(jì)千瘡百孔、數(shù)據(jù)分析濫竽充數(shù)、結(jié)果解釋稀里糊涂、結(jié)論陳述啼笑皆非。下面筆者就“實(shí)驗(yàn)設(shè)計(jì)”環(huán)節(jié)存在的問題辨析如下。

1 在分析定量資料前未明確交代所對(duì)應(yīng)的實(shí)驗(yàn)設(shè)計(jì)類型

人們?cè)谔幚矶抠Y料前未明確交代定量資料所對(duì)應(yīng)的實(shí)驗(yàn)設(shè)計(jì)，對(duì)數(shù)千篇稿件進(jìn)行審閱后發(fā)現(xiàn)，大多數(shù)人都是盲目套用統(tǒng)計(jì)分析方法，其結(jié)論的正確性如何是可想而知的。這是一條出現(xiàn)非常頻繁的錯(cuò)誤，應(yīng)當(dāng)引起廣大科研工作者的高度重視。

2 臨床試驗(yàn)設(shè)計(jì)中一個(gè)極易被忽視的問題——按重要非試驗(yàn)因素進(jìn)行分層隨機(jī)化

例1：原文題目為《氣管舒合劑治療支氣管哮喘的臨床觀察》。原作者寫到：“全部病例均來(lái)源于本院呼吸?？崎T診和普通門診，隨機(jī)分為治療組40例和對(duì)照組30例。其中治療組男21例，女19例；年齡21～55歲，平均(36.28±9.36)歲；病程2～23年，平均(10.31±17.48)年；病情輕度者16例，中度24例。對(duì)照組30例，男16例，女14例；年齡20～53歲，平均(35.78±9.53)歲；病程3～24年，平均(11.05±6.47)年；病情輕度者13例，中度者17例。兩組間情況差異無(wú)顯著性，具有可比性?！闭?qǐng)問這樣隨機(jī)化，其組間具有可比性嗎？

對(duì)差錯(cuò)的辨析與釋疑：顯然，研究者在試驗(yàn)設(shè)計(jì)時(shí)未對(duì)重要非試驗(yàn)因素采用分層隨機(jī)保證各組之間的可比性。這條錯(cuò)誤的嚴(yán)重程度為不可逆，出現(xiàn)不可逆錯(cuò)誤意味著原作者的試驗(yàn)設(shè)計(jì)具有無(wú)法改正的錯(cuò)誤，必須重做實(shí)驗(yàn)！究其原因，主要是原作者未理解統(tǒng)計(jì)學(xué)上隨機(jī)的概念。統(tǒng)計(jì)學(xué)上隨機(jī)化的目的是盡可能去掉人為因素對(duì)觀測(cè)結(jié)果的干擾和影響，讓重要的非試驗(yàn)因素在組間達(dá)到平衡。稍微留意一下原作者隨機(jī)化分組，明顯帶有人為的痕跡，治療組40人比對(duì)照組30人多出10人；治療組病程的標(biāo)準(zhǔn)差17.48是對(duì)照組病程的標(biāo)準(zhǔn)差6.47的近3倍。筆者很疑惑怎樣的隨機(jī)化才能達(dá)到如此的不平衡？事實(shí)上隨機(jī)化有4種：子總體內(nèi)隨機(jī)、完全隨機(jī)、分層隨機(jī)和按不平衡指數(shù)最小原則所進(jìn)行的隨機(jī)，原文條件下應(yīng)當(dāng)選用分層隨機(jī)，即以兩個(gè)重要的非試驗(yàn)因素(性別和病情)水平組合形成4個(gè)小組(男輕，女輕，男中，女中)，然后把每個(gè)小組內(nèi)的患者再隨機(jī)均分到治療組和對(duì)照組中去，這樣分層隨機(jī)的最終結(jié)果一定是治療組和對(duì)照組各35人，且使2組間非試驗(yàn)因素的影響達(dá)到盡可能的平衡，從而可大大提高組間的可比性。在本例中，若“病程”對(duì)觀測(cè)結(jié)果有重要影響，在進(jìn)行分層隨機(jī)化時(shí)，在按“性別”和“病情”分組的基礎(chǔ)上，還應(yīng)再按“病程”(設(shè)分為短、中、長(zhǎng))分組，即共形成12個(gè)小組，將每個(gè)小組中的患者隨機(jī)均分入治療組與對(duì)照組中去，這是使“性別、病情、病程”3個(gè)重要非試驗(yàn)因素對(duì)觀測(cè)結(jié)果的影響在治療組與對(duì)照組之間達(dá)到平衡的重要舉措，也是所有臨床試驗(yàn)研究成敗與否的最關(guān)鍵環(huán)節(jié)！

3 實(shí)驗(yàn)設(shè)計(jì)類型判斷錯(cuò)誤

例2：某作者欲觀察甘草酸、潑尼松對(duì)慢性馬兜鈴酸腎病(AAN)腎損害的干預(yù)作用，于是，進(jìn)行了實(shí)驗(yàn)，數(shù)據(jù)見表1。原作者經(jīng)過用甘草酸和潑尼松分別與同期正常對(duì)照組和模型組比較，一個(gè)P＜0.05，另一個(gè)P＜0.01，于是得到甘草酸、潑尼松對(duì)慢性AAN腎損害具有一定程度的保護(hù)作用，且潑尼松的效果更佳。請(qǐng)問原作者的結(jié)論可信嗎？表1 各組大鼠血BUN及SCr變化比較（略）注：與正常對(duì)照組同期比較，*P＜0.05，**P＜0.01；與模型組同期比較，P＜0.05，P＜0.01

對(duì)差錯(cuò)的辨析與釋疑：本例錯(cuò)誤極為典型，通?？蒲泄ぷ髡哂^察某種藥物是否有效，習(xí)慣上會(huì)建立正常對(duì)照組、模型組(即該藥物擬治療的病態(tài)組)和在模型組基礎(chǔ)上的用藥組(如本例中甘草酸組和潑尼松組)。這樣的設(shè)計(jì)本身并沒有錯(cuò)，但這僅僅是專業(yè)上的“實(shí)驗(yàn)安排(可稱為多因素非平衡組合實(shí)驗(yàn)[1])”，而并非是統(tǒng)計(jì)學(xué)中所說(shuō)的某種標(biāo)準(zhǔn)實(shí)驗(yàn)設(shè)計(jì)類型。寫在“組別”之下的4個(gè)組，并非是一個(gè)因素的4個(gè)水平，而是2個(gè)因素水平的部分組合。這2個(gè)因素分別是“是否建模(即正常與模型2個(gè)水平)”和“用藥種類[即不用藥(相當(dāng)于安慰劑)、用甘草酸和用潑尼松3個(gè)水平]”。2個(gè)因素共有6種水平組合，即“組別”之下缺少了“正?；A(chǔ)上用甘草酸”和“正?；A(chǔ)上用潑尼松”。這樣設(shè)計(jì)的實(shí)驗(yàn)才可能反映出“是否建?！迸c“用藥種類”2個(gè)因素之間是否存在交互作用。

在本課題研究中，由于未在實(shí)驗(yàn)前作出正確的實(shí)驗(yàn)設(shè)計(jì)，處理數(shù)據(jù)時(shí)錯(cuò)誤就悄然產(chǎn)生了。具體到本例，從原作者在表1的注解中可以看出，通過單因素方差分析分別比較同期(即相同觀測(cè)時(shí)間點(diǎn))的甘草酸組和潑尼松組與正常對(duì)照組和模型組之間的差別是否有統(tǒng)計(jì)學(xué)意義。這樣的做法有3個(gè)嚴(yán)重錯(cuò)誤：第一，嚴(yán)格地說(shuō)，在模型組基礎(chǔ)上的用藥組是不適合直接與正常對(duì)照組相比較的，因?yàn)檫@樣的比較解釋不清到底是藥物的作用還是由于模型未建成功而造成的假象；第二，將各個(gè)時(shí)間點(diǎn)割裂開分別比較破壞了原先的整體設(shè)計(jì)，數(shù)據(jù)利用率降低，誤差估計(jì)不準(zhǔn)確，導(dǎo)致結(jié)論的可信度降低。將一個(gè)重復(fù)測(cè)量實(shí)驗(yàn)的各個(gè)時(shí)間點(diǎn)割裂開來(lái)考察，就等于在各個(gè)片段上估計(jì)實(shí)驗(yàn)誤差、作出統(tǒng)計(jì)推斷，好像盲人摸象一樣，摸出來(lái)的結(jié)果差別何其之大；第三，要想說(shuō)明兩種藥物哪個(gè)效果更佳，在得出差別具有統(tǒng)計(jì)學(xué)意義的基礎(chǔ)上，衡量的標(biāo)準(zhǔn)是應(yīng)看組間平均值的差量的大小而不應(yīng)看P值是否足夠地小，不能說(shuō)P＜0.01時(shí)就比P＜0.05時(shí)更有效，這種忽視實(shí)驗(yàn)誤差、忽視絕對(duì)數(shù)量和脫離專業(yè)知識(shí)的想法和做法都是不妥當(dāng)?shù)摹?/p>

如何正確處理表1中的實(shí)驗(yàn)資料呢？關(guān)鍵要正確判定該定量資料所對(duì)應(yīng)的是什么實(shí)驗(yàn)設(shè)計(jì)類型。由前面的分析可知，表1定量資料對(duì)應(yīng)的是“多因素非平衡組合實(shí)驗(yàn)”，而不是某種標(biāo)準(zhǔn)的多因素實(shí)驗(yàn)設(shè)計(jì)類型。明智的做法是對(duì)“組別”進(jìn)行合理拆分，即根據(jù)專業(yè)知識(shí)和統(tǒng)計(jì)學(xué)知識(shí)，對(duì)“組別”之下的所有組重新進(jìn)行組合，應(yīng)使每種組合對(duì)應(yīng)著一個(gè)標(biāo)準(zhǔn)的實(shí)驗(yàn)設(shè)計(jì)類型。正確地拆分結(jié)果分別見表2和表3。表2 正常對(duì)照組與模型組大鼠血BUN及SCr變化的測(cè)定結(jié)果（略）表3 模型組和2個(gè)用藥組大鼠血BUN及SCr變化的測(cè)定結(jié)果（略）

事實(shí)上，由科研習(xí)慣形成的這一套實(shí)驗(yàn)方案筆者形象地稱之為多因素非平衡的組合實(shí)驗(yàn)，或者說(shuō)，它是實(shí)驗(yàn)設(shè)計(jì)的表現(xiàn)型。通?？梢赃M(jìn)行統(tǒng)計(jì)分析的都必須是標(biāo)準(zhǔn)型(即統(tǒng)計(jì)學(xué)上所說(shuō)的某種實(shí)驗(yàn)設(shè)計(jì)類型)，因此需要能看出代表表現(xiàn)型本質(zhì)的原型(本例中組別之下應(yīng)該有6個(gè)組，這6個(gè)組構(gòu)成一個(gè)2×3析因設(shè)計(jì)結(jié)構(gòu)，但原作者少設(shè)計(jì)了2個(gè)組)。通常需要將表現(xiàn)型或/和原型拆分成標(biāo)準(zhǔn)型后再選擇合適的統(tǒng)計(jì)分析方法進(jìn)行數(shù)據(jù)分析。本例根據(jù)原作者的意圖，可以將表1拆分成2個(gè)標(biāo)準(zhǔn)型，形成2個(gè)具有一個(gè)重復(fù)測(cè)量的兩因素設(shè)計(jì)定量資料，見表2和表3。相應(yīng)的統(tǒng)計(jì)分析方法就是具有一個(gè)重復(fù)測(cè)量的兩因素設(shè)計(jì)定量資料的方差分析。此處請(qǐng)讀者注意：第一，具有一個(gè)重復(fù)測(cè)量的兩因素設(shè)計(jì)定量資料的方差分析和一般的方差分析雖然都叫方差分析，但它們的計(jì)算公式卻有本質(zhì)區(qū)別，絕不可混用；第二，重復(fù)測(cè)量因素(本例中為時(shí)間)不要與實(shí)驗(yàn)分組因素(表2中叫“是否建模”；表3中叫“藥物種類”)同時(shí)列入左邊，它們是本質(zhì)不同的兩種因素，一般應(yīng)該把“重復(fù)測(cè)量因素”放到表頭橫線下方。

通過本例可以看出，在實(shí)驗(yàn)前明確實(shí)驗(yàn)設(shè)計(jì)是多么重要的一件事情。試想，若讓本例原作者寫明他的實(shí)驗(yàn)設(shè)計(jì)類型，他必然就會(huì)對(duì)基本的實(shí)驗(yàn)設(shè)計(jì)類型作一番調(diào)查和學(xué)習(xí)，自然就能發(fā)現(xiàn)他所“設(shè)計(jì)”的實(shí)驗(yàn)并不是統(tǒng)計(jì)學(xué)上相應(yīng)的實(shí)驗(yàn)設(shè)計(jì)。那么通過咨詢相關(guān)人士必能做出比較正確的實(shí)驗(yàn)設(shè)計(jì)，不僅可以提高科研設(shè)計(jì)水平，而且可以大大提高科研課題和論文質(zhì)量。

例3：原文題目為《土荊芥-水團(tuán)花對(duì)胃潰瘍大鼠黏膜保護(hù)作用的研究》。原作者使用單因素多水平設(shè)計(jì)定量資料方差分析處理表4中的數(shù)據(jù)。請(qǐng)問原作者這樣做對(duì)嗎？表4 各組黏膜肌層寬度、再生黏膜厚度變化（略）注：與正常組比較，aP＜0.05；與NS組比較，bP＜0.05；與CP 10 mg·kg－1 組比較，cP＜0.05

對(duì)差錯(cuò)的辨析與釋疑：本例涉及到統(tǒng)計(jì)學(xué)三型理論[1]中的一些概念，簡(jiǎn)單地說(shuō)就是可以直接進(jìn)行統(tǒng)計(jì)分析的來(lái)自標(biāo)準(zhǔn)設(shè)計(jì)的數(shù)據(jù)表叫標(biāo)準(zhǔn)型，反映問題本質(zhì)但并非是標(biāo)準(zhǔn)型的數(shù)據(jù)表叫原型，而掩蓋了原型信息的數(shù)據(jù)表叫表現(xiàn)型?！敖M別”之下的6個(gè)組，似乎是某個(gè)因素的6個(gè)水平，其實(shí)不然！這6個(gè)組涉及到多個(gè)試驗(yàn)因素，應(yīng)對(duì)“組別”拆分重新組合后，再分別判定各種組合所對(duì)應(yīng)的實(shí)驗(yàn)設(shè)計(jì)類型，并選用相應(yīng)的統(tǒng)計(jì)分析方法。組合1：空白對(duì)照組(正常)、陰性對(duì)照組(NS)，這是單因素兩水平設(shè)計(jì)(簡(jiǎn)稱為成組設(shè)計(jì))。由于正常組無(wú)實(shí)驗(yàn)數(shù)據(jù)，故該組合無(wú)法進(jìn)行統(tǒng)計(jì)分析；組合2：NS組、RA組、CP(20/mg·kg-1)組，這是單因素3水平設(shè)計(jì)，因素的名稱叫“藥物種類”；組合3：NS組、CP(10/mg·kg-1)組、CP(15/mg·kg-1)組、CP(20/mg·kg-1)組，這是單因素4水平設(shè)計(jì)，因素名稱叫CP的劑量(其中，NS組可視為CP的劑量為0)。

對(duì)于組合2和組合3，若定量資料滿足參數(shù)檢驗(yàn)的前提條件，可選用相應(yīng)設(shè)計(jì)定量資料的方差分析，否則，需要改用相應(yīng)設(shè)計(jì)定量資料的秩和檢驗(yàn)。

4 人為改變?cè)O(shè)計(jì)類型且數(shù)據(jù)利用不全

例4：某作者使用表5中的數(shù)據(jù)進(jìn)行分析，欲比較治療組和對(duì)照組在治療后的各個(gè)時(shí)間點(diǎn)的療效情況，使用的分析方法為一般卡方檢驗(yàn)，請(qǐng)問原作者這樣做對(duì)嗎？

對(duì)差錯(cuò)的辨析與釋疑：從給出的統(tǒng)計(jì)表可以看出，該作者有意或者無(wú)意之間收集了一類相當(dāng)復(fù)雜的實(shí)驗(yàn)設(shè)計(jì)類型下的定性資料，結(jié)果變量為多值有序變量的具有一個(gè)重復(fù)測(cè)量的兩因素設(shè)計(jì)定性資料，處理這個(gè)設(shè)計(jì)下收集的定性資料要使用相應(yīng)設(shè)計(jì)定性資料的統(tǒng)計(jì)模型分析法。由于上述方法過于復(fù)雜，因此，通常在實(shí)際運(yùn)用中，實(shí)際工作者將重復(fù)測(cè)量因素武斷地視為實(shí)驗(yàn)分組因素，從而使該資料變?yōu)榻Y(jié)果變量為多值有序變量的三維列聯(lián)表資料。在已經(jīng)出錯(cuò)的前提下，原本應(yīng)當(dāng)使用CMH校正的秩和檢驗(yàn)或者有序變量的多重logistic回歸分析處理資料。然而，該作者顯然在此基礎(chǔ)上進(jìn)一步合并了數(shù)據(jù)，將結(jié)果變量變成二值變量(有效、無(wú)效)，也就是說(shuō)，原作者實(shí)際使用的僅僅是最后一列數(shù)據(jù)(即總有效率)，并且最為嚴(yán)重的錯(cuò)誤是將三維列聯(lián)表資料強(qiáng)行降維成二維列聯(lián)表資料，使用一般χ2檢驗(yàn)進(jìn)行分析。經(jīng)過一系列的簡(jiǎn)化與錯(cuò)誤合并，最后結(jié)論的可信度還剩下多少呢？表5 原作者對(duì)2組療效比較的試驗(yàn)設(shè)計(jì)及數(shù)據(jù)表達(dá)（略）注：與對(duì)照組同期比較，*P＜0.05

由于篇幅所限，這類錯(cuò)誤筆者只給出1例，實(shí)際上此類例子在很多雜志中普遍存在。這說(shuō)明在進(jìn)行實(shí)驗(yàn)設(shè)計(jì)時(shí)，很多研究人員并未做到心中有數(shù)；分析數(shù)據(jù)時(shí)，按自己熟悉的簡(jiǎn)單統(tǒng)計(jì)分析方法所能解決的數(shù)據(jù)結(jié)構(gòu)強(qiáng)硬地改造數(shù)據(jù)，嚴(yán)格地說(shuō)，在用表格表達(dá)實(shí)驗(yàn)資料的那一剎那就已人為改變了資料所對(duì)應(yīng)的實(shí)驗(yàn)設(shè)計(jì)類型，這種做法的科學(xué)性和得出結(jié)論的正確性都將受到質(zhì)疑[2]。

5 正交設(shè)計(jì)及數(shù)據(jù)處理方面的錯(cuò)誤

人們?cè)谶M(jìn)行正交設(shè)計(jì)和對(duì)正交設(shè)計(jì)定量資料進(jìn)行統(tǒng)計(jì)分析時(shí)，常存在下列3個(gè)誤區(qū)：很多人過分強(qiáng)調(diào)用正交設(shè)計(jì)可以大大減少實(shí)驗(yàn)次數(shù)，因此，無(wú)論各實(shí)驗(yàn)條件(正交表中的每一行)下的實(shí)驗(yàn)結(jié)果波動(dòng)有多大，都不做重復(fù)實(shí)驗(yàn)，這是第1個(gè)誤區(qū)；將正交表各列上都排滿試驗(yàn)因素，用對(duì)實(shí)驗(yàn)結(jié)果影響最小的試驗(yàn)因素所對(duì)應(yīng)的標(biāo)準(zhǔn)誤作為分析其他因素是否具有統(tǒng)計(jì)學(xué)意義的誤差項(xiàng)，導(dǎo)致誤差項(xiàng)的自由度較小，結(jié)論的可信度較低，這是第2個(gè)誤區(qū)；在對(duì)正交設(shè)計(jì)定量資料進(jìn)行方差分析后，即使存在多個(gè)無(wú)統(tǒng)計(jì)學(xué)意義的因素，仍對(duì)少數(shù)幾個(gè)有統(tǒng)計(jì)學(xué)意義的因素進(jìn)行解釋，未將無(wú)統(tǒng)計(jì)學(xué)意義的因素合并到誤差項(xiàng)中去重新估計(jì)實(shí)驗(yàn)誤差，以獲得具有較大自由度的誤差項(xiàng)，這是第3個(gè)誤區(qū)。

篇（5）

卒中預(yù)后與血脂關(guān)系的研究結(jié)果差異很大， 認(rèn)識(shí)尚未統(tǒng)一。研究發(fā)現(xiàn)腦卒中患者預(yù)后的獨(dú)立預(yù)測(cè)因素是血清膽固醇水平， 而另有研究卻認(rèn)為腦卒中死亡的獨(dú)立預(yù)測(cè)因素血清甘油三酯水平， 預(yù)測(cè)因素中TC水平不作為獨(dú)立因素， 預(yù)后較好時(shí)患者TG水平高[1]。本實(shí)驗(yàn)研究分析260例腦卒中患者神經(jīng)功能缺損的程度和急性期血脂的水平， 探討不同類型腦卒中患者血脂水平與疾病嚴(yán)重程度的關(guān)系。

1 資料與方法

1. 1 一般資料 選擇2006年12月～2012年12月于本院住院、病程0.05）， 具有可比性。

1. 2 方法

1. 2. 1 血脂測(cè)定 所有研究對(duì)象測(cè)甘油三酯、總膽固醇、低密度脂蛋白、高密度脂蛋白、載脂蛋白B（APOB）、載脂蛋白A1（APOA1）均通過東芝T-40型全自動(dòng)生化分析儀測(cè)定， 低TC指TC

1. 2. 2 疾病嚴(yán)重程度評(píng)價(jià) 所有患者評(píng)定神經(jīng)功能的缺損程度均為入院24 h內(nèi)采用SSS， 評(píng)分0～58分。重度SSS

1. 3 統(tǒng)計(jì)學(xué)方法 數(shù)據(jù)分析應(yīng)用SPSS17.0統(tǒng)計(jì)學(xué)軟件。計(jì)量資料用均數(shù)±標(biāo)準(zhǔn)差（ x-±s）表示， 采用t檢驗(yàn)；計(jì)數(shù)資料用率表示， 采用χ2檢驗(yàn)；多因素分析采用多元逐步Logistic回歸分析。P

2 結(jié)果

2. 1 不同卒中類型的疾病嚴(yán)重程度、血脂水平評(píng)分比較 出血性腦卒中患者的血清TG、TC和LDL-C水平與缺血性腦卒中患者比較明顯降低， 差異有統(tǒng)計(jì)學(xué)意義（P

2. 2 血脂水平與SSS的關(guān)系 218例低TC患者， SSS為（30.76±16.73）分， 與血清TC≥6.00 mmol/L的患者（42例）[SSS（42.63±13.53）分]相比明顯較低， 差異有統(tǒng)計(jì)學(xué)意義（P12.0 mmol/L患者（104例）[SSS（44.95±11.25）分]相比明顯較低， 差異有統(tǒng)計(jì)學(xué)意義（P

2. 3 多元逐步回歸分析 以入院24 h內(nèi)神經(jīng)功能缺損評(píng)分（SSS）為應(yīng)變量， 以年齡、性別、文化程度、腦卒中類型及各血脂指標(biāo)為自變量， 進(jìn)行多元逐步回歸分析， 進(jìn)入方程的變量有年齡、腦卒中類型、TC及LDL-C， 其中年齡與SSS評(píng)分呈負(fù)相關(guān)（r=-0.34， P

3 討論

脂質(zhì)代謝紊亂包括血清TG升高、TC升高、LDL-C升高或者高密度脂蛋白膽固醇（HDL-C）降低， 在動(dòng)脈粥樣硬化的形成和發(fā)展過程以及心腦血管疾病發(fā)生當(dāng)中是很重要的。且類型不一樣的腦卒中脂質(zhì)的代謝也不同。本研究發(fā)現(xiàn)入院時(shí)患者的腦卒中類型和血脂水平相關(guān)， 出血性腦卒中患者的血清TG、TC和LDL-C水平明顯低于缺血性腦卒中患者。

脂質(zhì)代謝紊亂作為冠心病的主要危險(xiǎn)因素已被人們所認(rèn)識(shí)， 然而血脂水平與腦卒中的相關(guān)性至今還存有爭(zhēng)議[2， 3]。本研究發(fā)現(xiàn)急性期腦卒中患者病情較重的都是血清TC和TG水平較低的患者， 其機(jī)制尚未清楚。目前認(rèn)為TC可能通過調(diào)節(jié)乙酰膽堿酯酶的活性和r-谷氨酰轉(zhuǎn)移酶起效達(dá)到神經(jīng)保護(hù)作用。高TC飲食可降低乙酰膽堿酯酶的活性， 提高r-谷氨酰轉(zhuǎn)移酶的活性， 從而可降低興奮性氨基酸的神經(jīng)毒性作用。TC也可中和部分氧自由基作為一種緩沖劑， 從而提高細(xì)胞的恢復(fù)能力和限制病灶的擴(kuò)大。通過氧化氫培養(yǎng)大鼠腦切片的實(shí)驗(yàn)研究表明， TC阻礙應(yīng)激反應(yīng)的效果明顯。而TG致動(dòng)脈粥樣硬化作用很強(qiáng)大， 其導(dǎo)致動(dòng)脈硬化的機(jī)制尚不明確。另TG易受其他因素的影響， 尤其是糖尿病和肥胖。最近的一項(xiàng)TG基因在肥胖核心家庭分析中， 發(fā)現(xiàn)血清TG在極端肥胖者中水平明顯增加， 說(shuō)明肥胖、高TG、糖耐量異常三者之間的關(guān)系復(fù)雜， 以上均是代謝綜合征的重要組成部分。因此認(rèn)為TG的在腦卒中的發(fā)病因素并非獨(dú)立的， 而是幾種病因綜合起來(lái)的共同作用導(dǎo)致。本研究對(duì)入院24 h時(shí)SSS評(píng)分與血脂指標(biāo)進(jìn)行多元逐步回歸分析， 結(jié)果表明TC及LDL-C水平與SSS評(píng)分密切相關(guān)， 且與SSS評(píng)分呈正相關(guān)， 提示TC及LDL-C水平可能是預(yù)測(cè)急性腦卒中病情嚴(yán)重程度獨(dú)立變量。

本組研究中不同類型卒中比較， 神經(jīng)功能缺損程度評(píng)分差異有統(tǒng)計(jì)學(xué)意義（P

參考文獻(xiàn)

[1] 李偉， 劉鳴， 王麗春.腦卒中患者急性期血脂水平與病情嚴(yán)重程度的關(guān)系.臨床神經(jīng)病學(xué)雜志， 2007， 20（3）：222.

篇（6）

統(tǒng)計(jì)學(xué)如何為數(shù)據(jù)挖掘服務(wù)，這是在“數(shù)據(jù)挖掘”飛速發(fā)展的今天，統(tǒng)計(jì)工作者必須回答的一個(gè)問題，我國(guó)廈門大學(xué)的朱建平教授提出：“統(tǒng)計(jì)學(xué)應(yīng)該隨時(shí)關(guān)注數(shù)據(jù)分析，哪里有數(shù)據(jù)，哪里就應(yīng)該有統(tǒng)計(jì)分析?！苯y(tǒng)計(jì)學(xué)是搜集、展示、分析和解釋數(shù)據(jù)的學(xué)科，它擁有非常深厚的理論基礎(chǔ)，并在社會(huì)生活的各個(gè)領(lǐng)域發(fā)揮著巨大的作用。近代統(tǒng)計(jì)學(xué)方法與信息處理的關(guān)系日益密切，作為信息處理的一個(gè)基本工具，統(tǒng)計(jì)學(xué)方法將發(fā)揮越來(lái)越重要的作用。

數(shù)據(jù)挖掘是近十幾年里發(fā)展起來(lái)的一門嶄新的學(xué)科，由于它與統(tǒng)計(jì)學(xué)都關(guān)心從數(shù)據(jù)中發(fā)現(xiàn)某種結(jié)構(gòu)，因而從數(shù)據(jù)挖掘誕生之日起，就與統(tǒng)計(jì)學(xué)有了千絲萬(wàn)縷的聯(lián)系。

一、統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘的涵義

統(tǒng)計(jì)學(xué)是應(yīng)用數(shù)學(xué)的一個(gè)分支，主要通過利用概率論建立數(shù)學(xué)模型，收集所觀察的系統(tǒng)數(shù)據(jù)，進(jìn)行量化的分析、總結(jié)，進(jìn)行推斷和預(yù)測(cè)，為相關(guān)決策提供依據(jù)和參考；它分為描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)。描述統(tǒng)計(jì)包括對(duì)客觀現(xiàn)象的度量、調(diào)查方案的設(shè)計(jì)，對(duì)所收集的數(shù)據(jù)資料進(jìn)行加工整理、綜合概括，通過圖示、列表等方式進(jìn)行分析和描述。推斷統(tǒng)計(jì)是在搜集、整理監(jiān)測(cè)樣本數(shù)據(jù)的基礎(chǔ)上，對(duì)有關(guān)總體做出推斷，其特點(diǎn)是根據(jù)隨機(jī)性的觀測(cè)樣本數(shù)據(jù)以及問題的條件和假定，對(duì)未知事務(wù)做出以概率形式表述的推斷。

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又具有潛在價(jià)值的信息和知識(shí)（模型或規(guī)則）的過程。這個(gè)定義包括以下含義：數(shù)據(jù)源必然是真實(shí)的、大量的、含噪聲的；發(fā)現(xiàn)的知識(shí)可接受、可理解、可運(yùn)用，并不要求發(fā)現(xiàn)放之四海皆準(zhǔn)的知識(shí)，僅支持特定的發(fā)現(xiàn)問題。它能高度自動(dòng)化的分析原有數(shù)據(jù)，做出目的性推理，從中挖掘出潛在的模式，從而幫助決策者調(diào)整策略，做出正確的決策。它融數(shù)據(jù)庫(kù)技術(shù)、人工智能技術(shù)、數(shù)理統(tǒng)計(jì)技術(shù)和可視化技術(shù)為一體，是一個(gè)多學(xué)科相互交叉又融合所形成的一個(gè)新興的具有廣泛應(yīng)用前景的研究領(lǐng)域。

二、統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘的聯(lián)系

（一）數(shù)據(jù)挖掘雖不同于統(tǒng)計(jì)分析，但許多挖掘技術(shù)又來(lái)源于統(tǒng)計(jì)分析，數(shù)據(jù)挖掘中有許多工作可以由統(tǒng)計(jì)方法來(lái)完成。比如預(yù)言算法（回歸）、抽樣、基于經(jīng)驗(yàn)的設(shè)計(jì)等。

（二）數(shù)據(jù)挖掘不是為了替代傳統(tǒng)的統(tǒng)計(jì)分析技術(shù)，相反，數(shù)據(jù)挖掘是統(tǒng)計(jì)分析方法的擴(kuò)展和延伸。大多數(shù)的統(tǒng)計(jì)分析技術(shù)都基于完善的數(shù)學(xué)理論和高超的技巧，其預(yù)測(cè)的準(zhǔn)確程度還是令人滿意的，但對(duì)于使用者的知識(shí)要求比較高。而隨著計(jì)算機(jī)能力的不斷發(fā)展，數(shù)據(jù)挖掘可以利用相對(duì)簡(jiǎn)單和固定程序完成同樣的功能。

（三）數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為統(tǒng)計(jì)學(xué)提供了一個(gè)嶄新的應(yīng)用領(lǐng)域，也對(duì)統(tǒng)計(jì)學(xué)的理論研究提出了挑戰(zhàn)。數(shù)據(jù)挖掘技術(shù)有相當(dāng)大的比重是由高等統(tǒng)計(jì)學(xué)中的多變量分析所支撐。

（四）統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘的結(jié)合日益緊密。數(shù)學(xué)是傳統(tǒng)意義上統(tǒng)計(jì)學(xué)方法的首要工具，而計(jì)算機(jī)和網(wǎng)絡(luò)為代表的信息技術(shù)，正逐漸成為統(tǒng)計(jì)學(xué)應(yīng)用的首要工具。隨著數(shù)據(jù)源的不斷膨脹和數(shù)據(jù)結(jié)構(gòu)的日益復(fù)雜，單純依靠數(shù)據(jù)挖掘技術(shù)，已漸露力不從心之態(tài)，而統(tǒng)計(jì)學(xué)的同步發(fā)展，正不斷充實(shí)、完善著數(shù)據(jù)挖掘技術(shù)。因此，隨著信息化水平的提高，統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘的應(yīng)用平臺(tái)漸趨統(tǒng)一。

三、預(yù)測(cè)性挖掘中常用的統(tǒng)計(jì)學(xué)方法

數(shù)據(jù)挖掘中應(yīng)用的統(tǒng)計(jì)學(xué)預(yù)測(cè)性方法主要有判別分析和回歸分析。其中，判別分析用于對(duì)離散型目標(biāo)變量的預(yù)測(cè)，而回歸分析則主要用于對(duì)連續(xù)性目標(biāo)變量的預(yù)測(cè)。

篇（7）

人際信任是個(gè)體將他人的言詞、承諾以及口頭或者書面的陳述認(rèn)為可靠的一種概括化的期望。人際信任對(duì)大學(xué)生人際交往有一定的影響，比如大學(xué)生人際信任的高低，會(huì)影響大學(xué)生與同伴交談，生活中的交際和交友，體現(xiàn)在與人接觸的能力。良好的人際信任對(duì)大學(xué)生的成長(zhǎng)有促進(jìn)作用，對(duì)心理健康發(fā)展也有幫助。為了解大學(xué)生人際信任在職務(wù)、生源地和家庭類型上的差異現(xiàn)狀，調(diào)查研究情況如下。

一、對(duì)象與方法

（1）對(duì)象。 隨機(jī)抽取190名大學(xué)生進(jìn)行調(diào)查， 獲得有效樣本190份，回收率100%。其中，職務(wù)：擔(dān)任班級(jí)職務(wù)的大學(xué)生56人，沒有擔(dān)任班級(jí)職務(wù)的大學(xué)生134人；平均年齡21.04±1.40歲；生源地：來(lái)自城市的大學(xué)生29人，來(lái)自農(nóng)村的大學(xué)生161人；家庭類型：屬于獨(dú)生子女家庭的有27人，非獨(dú)生子女家庭的有170人。調(diào)查時(shí)間為2014年10月。

（2）方法。采用自行設(shè)計(jì)調(diào)查表，調(diào)查基本情況，包括職務(wù)、生源地和家庭類型。采用Rotter編制的人際信任（ITS）量表調(diào)查，并做相應(yīng)訪談。

（3）統(tǒng)計(jì)學(xué)處理。采用SPSS16.0進(jìn)行描述統(tǒng)計(jì)分析和獨(dú)立樣本t檢驗(yàn)。

二、結(jié)果

（一）不同職務(wù)、生源地、家庭類型大學(xué)生人際信任差異比較（表1）

表1 不同職務(wù)、生源地、家庭類型大學(xué)生人際信任評(píng)分結(jié)果比較（x±s）

注：*代表p（雙側(cè)）< 0.05，**代表p（雙側(cè)）< 0.01，下同

表1所示，從職務(wù)自變量上看，大學(xué)生人際信任在特殊信任因子、普遍信任因子及人際信任總分上的得分，沒有統(tǒng)計(jì)學(xué)意義上的差異（p>0.05）。從生源地自變量上看，大學(xué)生人際信任在普遍信任因子及人際信任總分上的得分，差異有統(tǒng)計(jì)學(xué)意義（p0.05）。從家庭類型自變量上看，大學(xué)生人際信任總分上的得分，差異有統(tǒng)計(jì)學(xué)意義（p0.05）。

三、討論

（1）班級(jí)職務(wù)差異。研究發(fā)現(xiàn)，是否擔(dān)任班級(jí)職務(wù)，大學(xué)生人際信任的特殊信任、普遍信任因子及信任總分，沒有顯著差異。通過訪談發(fā)現(xiàn)，原因是班干部和非班干部是同齡人，他們和父母、同伴的交流方式有90后的時(shí)代特點(diǎn)，渴望情親和友情，但是相處中矛盾較多，等等的時(shí)代共同點(diǎn)和受教育環(huán)境的相似，故差異不顯著。

（2）生源地差異。研究發(fā)現(xiàn)，來(lái)自城市的大學(xué)生，人際信任在普遍信任因子及人際信任總分顯著高于來(lái)自農(nóng)村的大學(xué)生。通過訪談發(fā)現(xiàn)，原因是城市大學(xué)生大都是獨(dú)生子女，是每個(gè)公寓的唯一孩子，父輩和祖輩給予的愛和關(guān)注更多，成長(zhǎng)環(huán)境更安逸，在與人相處中更容易信任陌生人，故城市大學(xué)生人際信任的總體得分也較高。

（3）家庭類型差異分析。研究發(fā)現(xiàn)，獨(dú)生子女家庭的大學(xué)生，人際信任總分顯著高于非獨(dú)生子女家庭的大學(xué)生。訪談發(fā)現(xiàn)，獨(dú)生子女大學(xué)生，父母給予他們的期望和愛較多，在成長(zhǎng)過程中，指導(dǎo)和保護(hù)也較多，獨(dú)生子女大學(xué)生他們的社會(huì)實(shí)踐參與的較少，對(duì)人的評(píng)價(jià)也較多的往積極方面考慮，故他們的人際信任總得分較高。

四、建議

社會(huì)方面，社會(huì)大環(huán)境中，弘揚(yáng)正氣，法制健全，提高整體國(guó)民素質(zhì)水平，社會(huì)的整體人際信任高，在這樣的安全的環(huán)境下，大學(xué)生的人際信任會(huì)得到全面發(fā)展，特殊信任和普遍信任都會(huì)有所提高。學(xué)校方面，可以多讓大學(xué)生參加集體活動(dòng)，在理論教育的同時(shí)，讓大學(xué)生有更多的參加生活實(shí)踐的機(jī)會(huì)，增加獨(dú)生子女和非獨(dú)生子女的互動(dòng)交流，讓大學(xué)生與朋友家人和睦相處的同時(shí)，也能結(jié)交更多的新同學(xué)新朋友，為其步入社會(huì)的人際信任發(fā)展打下基礎(chǔ)。家庭方面，家長(zhǎng)首先認(rèn)識(shí)到大學(xué)生已經(jīng)是成年人，可以獨(dú)立承擔(dān)家庭一部分責(zé)任，并且有能力；其次，給大學(xué)生與人交流交往的機(jī)會(huì)和信任，家庭有重大決定可以和其商量，然后共同決定；最后，父母的交流互動(dòng)模式是大學(xué)生人際信任發(fā)展的第一課堂，父母在生活中有良好的互動(dòng)方式是有必要的。個(gè)人方面，大學(xué)生認(rèn)識(shí)到自己已經(jīng)長(zhǎng)大成人，自己有主動(dòng)與人交往交流的能力，能人際信任發(fā)展的能力，不僅能與家人和睦相處，在生活中也能和陌生人打交道。

篇（8）

1  資料與方法

1.1  診斷標(biāo)準(zhǔn)

1.1.1  西醫(yī)診斷標(biāo)準(zhǔn)  （1）按中國(guó)抗癌協(xié)會(huì)編制的1999年版《新編常見惡性腫瘤診治規(guī)范》［1］的診斷，利用胃鏡或手術(shù)病理學(xué)明確診斷為胃癌。（2）胃癌分期標(biāo)準(zhǔn)依據(jù)1997年國(guó)際抗癌聯(lián)盟UICC胃癌TNM分期標(biāo)準(zhǔn)。

1.1.2  中醫(yī)辨證標(biāo)準(zhǔn)  依據(jù)胃癌辨證分型的文獻(xiàn)資料統(tǒng)計(jì)的結(jié)果［2］，參考國(guó)家技術(shù)監(jiān)督局的《中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)·中醫(yī)臨床診療術(shù)語(yǔ)證候部分》GB/T16751.21997［3］、衛(wèi)生部1997年制定的《中藥新藥臨床研究指導(dǎo)原則》第三輯［4］、上海市衛(wèi)生局統(tǒng)編的2003年第二版《上海市中醫(yī)病證診療常規(guī)》［5］、中國(guó)中醫(yī)研究院廣安門醫(yī)院主編的1989年版《中醫(yī)診療常規(guī)》［6］以及1984年第五版《高等醫(yī)藥院校教材·中醫(yī)診斷學(xué)》［7］中臟腑辨證內(nèi)容，制定胃癌中醫(yī)辨證標(biāo)準(zhǔn)。（1）脾虛：食少，腹脹，食后尤甚，或胃脘隱痛，喜溫喜按，惡心欲嘔，嘔吐食物，大便溏薄或排便無(wú)力，或久瀉，甚則五更瀉，完谷不化，下肢浮腫，神疲乏力，舌淡胖或有齒痕，苔白，脈細(xì)弱或沉細(xì)。（2）肝胃不和：胃脘脹悶疼痛，竄及兩脅，情緒抑郁，疼痛與情緒相關(guān)，噯氣、吞酸、呃逆，不欲食，舌淡紅或紅，苔薄白或薄黃，脈弦。（3）瘀阻胃絡(luò)：胃脘刺痛或如刀割，痛有定處，痛處拒按，可及腫塊質(zhì)硬，吐血，便黑，口唇爪甲紫暗，面色黎黑，舌紫暗或見瘀斑瘀點(diǎn)，脈細(xì)澀或澀。（4）胃熱陰虛：胃內(nèi)灼熱，胃脘嘈雜，食后脘痛，口干欲飲，饑不欲食，五心煩熱，大便干結(jié)，舌紅或紅絳，少苔或光剝苔，脈細(xì)數(shù)。（5）痰濕凝滯：脘腹痞悶脹痛，惡心欲嘔或嘔吐痰涎，不欲食，或進(jìn)食不暢，甚至反食夾有多量黏液，口淡不欲飲，頭暈身重，便溏，面黃虛腫，舌淡苔白膩或白滑，脈滑或緩或細(xì)緩。（6）氣血兩虛：形體消瘦，全身乏力，聲低氣怯，頭暈?zāi)垦?，面?nbsp; 白或萎黃，唇甲蒼白，虛煩不寐，心悸氣短，自汗盜汗，下肢浮腫，舌淡苔薄或少苔，脈沉細(xì)弱。

1.2  病例選擇標(biāo)準(zhǔn)

1.2.1  納入標(biāo)準(zhǔn)  （1）具有明確病理學(xué)診斷的胃癌患者。（2）具有較全面的診療記錄。（3）同意參加本次調(diào)查。

1.2.2  排除標(biāo)準(zhǔn)  （1）多重癌患者。（2）病理診斷為胃惡性淋巴瘤、胃間質(zhì)瘤和胃平滑肌肉瘤等胃部其他惡性腫瘤。（3）合并有心血管、腦血管、肝、腎和造血系統(tǒng)等嚴(yán)重原發(fā)性疾病。（4）孕婦、哺乳期婦女、兒童和精神病患者。

1.2.3  資料來(lái)源  2005年7月～2006年4月就診于上海中醫(yī)藥大學(xué)龍華醫(yī)院、曙光醫(yī)院、普陀區(qū)中心醫(yī)院的腫瘤科及上海市腫瘤醫(yī)院中醫(yī)科的門診和住院的胃癌患者。

1.3  資料采集與辨證

1.3.1  調(diào)查內(nèi)容及其作為變量的賦值情況  包括姓名、年齡、性別（男性1；女性2）、Karnofsky評(píng)分、病理類型（腺癌1；低分化腺癌2；黏液癌3）、臨床分期（Ⅰ期1；Ⅱ期2；Ⅲ期3；Ⅳ期4）、手術(shù)方式（根治術(shù)1；非根治術(shù)2；未手術(shù)3）、化療療程（無(wú)0；＜6個(gè)療程1；≥6個(gè)療程2）、患病時(shí)間（＜1年1；1～3年2；＞3年3）、遠(yuǎn)處轉(zhuǎn)移（無(wú)1；有2）和復(fù)況（無(wú)1；有2）。

1.3.2  質(zhì)量控制  由一位具有中醫(yī)專業(yè)知識(shí)的高年資住院醫(yī)師調(diào)查，由兩位固定的具有中醫(yī)專業(yè)臨床經(jīng)驗(yàn)的主治醫(yī)師職稱以上的醫(yī)師依據(jù)1.1.2胃癌中醫(yī)辨證標(biāo)準(zhǔn)進(jìn)行統(tǒng)一辨證分型。

1.4  臨床資料  依據(jù)上述標(biāo)準(zhǔn)共獲得325例可進(jìn)行相關(guān)統(tǒng)計(jì)、有明確病理學(xué)診斷的胃癌資料。其中男性197例，女性128例；年齡最小的26歲，最大的83歲，平均年齡（58.36±11.57）歲。其中脾虛型221例，占68%；肝胃不和型28例，占8.6%；瘀阻胃絡(luò)型15例，占4.6%；胃熱陰虛型18例，占5.6%；痰濕凝滯型28例，占8.6%；氣血兩虛型15例，占4.6%。

1.5  數(shù)據(jù)錄入與統(tǒng)計(jì)學(xué)方法  采用Microsoft Excel軟件進(jìn)行數(shù)據(jù)管理，建立本課題相關(guān)數(shù)據(jù)庫(kù)。通過SPSS 11.5統(tǒng)計(jì)軟件包，進(jìn)行統(tǒng)計(jì)分析。胃癌證型單因素分析：以胃癌各證型為應(yīng)變量，年齡為自變量做方差分析。以胃癌證型（如脾虛組=1，非脾虛組=2）為應(yīng)變量，以Karnofsky評(píng)分、臨床分期、患病時(shí)間、手術(shù)方式和化療療程為自變量做秩和檢驗(yàn)；以性別、病理類型、復(fù)發(fā)和轉(zhuǎn)移為自變量做卡方檢驗(yàn)。

2  結(jié)果

   

胃癌證型與年齡的方差分析，與Karnofsky評(píng)分、臨床分期、手術(shù)方式、化療療程、患病時(shí)間的秩和檢驗(yàn)以及與性別、病理類型、復(fù)發(fā)、轉(zhuǎn)移的卡方檢驗(yàn)見表1～3。

表1  胃癌證型與年齡的方差分析（略）

Table 1  Analysis of variance between syndromes and age

表2  胃癌證型與Karnofsky評(píng)分、臨床分期、手術(shù)方式、化療療程和患病時(shí)間的秩和檢驗(yàn)（略）

Table 2  Rank sum test between syndromes and KPS score, clinical stage, surgical mode, course of chemotherapy, suffering time

*Shows mean rank.

篇（9）

【關(guān)鍵詞】創(chuàng)傷嚴(yán)重度指數(shù)

a preliminary study on factors of trauma outcomes in chinese patients

department of health statistics, school of preventive medicine, fourth military medical university, xian 710033, china

【abstract】 aim: to review some important factors affecting the outcomes of trauma patients and to screen variables for the predictive model of trauma outcomes so that a new trauma scaling model more applicable to chinese patients can be established. methods: the database of discharge abstracts of trauma patients from more than 200 hospitals nationwide was used and a logistic regression model was fitted with the outcomes of patients as response and other 9 factors as predictors, including the anatomic injury severity grade by iss value. a stepwise regression method was used to select the variables and their parameters were estimated. results: six factors, namely, anatomic injury severity grade, complication status, age group, identity, operation status and financial support status were selected into the logistic regression model (p<0.05). several interactive effects were also selected in the model (p<0.05). conclusion: the anatomic injury severity grade is the most important factor affecting the outcomes of trauma patients, followed by the complication status and age. the effects of other factors are not so obvious and should be further analyzed.

【keywords】 trauma severity indices; logistic models; international classification of diseases; abbreviated injury scale; injury severity score

【摘要】 目的： 考察影響創(chuàng)傷結(jié)局的重要因素，初步篩選創(chuàng)傷患者結(jié)局預(yù)測(cè)模型的構(gòu)成變量，為建立新的適合中國(guó)患者的創(chuàng)傷嚴(yán)重度評(píng)分方法進(jìn)行有關(guān)評(píng)分模型的初步探討. 方法： 利用全國(guó)200余所醫(yī)院的創(chuàng)傷患者病案首頁(yè)數(shù)據(jù)，初選出包括iss評(píng)分所得嚴(yán)重度在內(nèi)的9個(gè)相關(guān)的因素，將患者結(jié)局作為應(yīng)變量擬合logistic回歸模型. 逐步回歸法篩選變量，并估計(jì)其影響作用的大小. 結(jié)果： 解剖嚴(yán)重程度、有無(wú)并發(fā)癥、年齡組、身份、是否接受手術(shù)、費(fèi)用類型等6個(gè)因素對(duì)患者結(jié)局的影響有統(tǒng)計(jì)學(xué)意義(p<0.05)，被選入logistic回歸模型. 另外，某些因素的交互效應(yīng)也一并被選入logistic回歸模型(p<0.05). 結(jié)論： 解剖嚴(yán)重度是影響創(chuàng)傷結(jié)局的最重要的因素，其次是有無(wú)并發(fā)癥和年齡等因素. 其余因素是否作為創(chuàng)傷評(píng)分模型應(yīng)考察的因素需作進(jìn)一步的探討.

0引言

創(chuàng)傷評(píng)分是目前創(chuàng)傷患者傷情評(píng)價(jià)的基本方法，在世界范圍內(nèi)廣泛應(yīng)用. 我國(guó)的創(chuàng)傷評(píng)分研究起步晚，目前尚未得到廣泛推廣和應(yīng)用，其原因在于多數(shù)創(chuàng)傷評(píng)分方法操作復(fù)雜，應(yīng)用條件苛刻，且大多數(shù)創(chuàng)傷評(píng)分模型是基于國(guó)外(歐美國(guó)家)患者的生理、解剖參數(shù)而確定，對(duì)于國(guó)內(nèi)患者其適用性較差. 為建立一種適合國(guó)內(nèi)創(chuàng)傷患者的簡(jiǎn)單易行的創(chuàng)傷評(píng)分方法，我室提出基于創(chuàng)傷病種icd9(國(guó)際疾病分類)6位數(shù)編碼的創(chuàng)傷評(píng)分方法的構(gòu)想，并且已經(jīng)建立全部創(chuàng)傷病種icd9 6位數(shù)編碼與ais(簡(jiǎn)明損傷定級(jí))分值的對(duì)應(yīng)關(guān)系表[1]. 通過iss評(píng)分方法對(duì)此對(duì)應(yīng)關(guān)系的考察表明，此種通過icd9編碼轉(zhuǎn)換的方法所得的ais分值能夠很好地體現(xiàn)單個(gè)創(chuàng)傷的解剖嚴(yán)重度，可以作為創(chuàng)傷評(píng)分的解剖學(xué)參數(shù)[2]. 我們進(jìn)一步探討了國(guó)內(nèi)創(chuàng)傷患者結(jié)局的影響因素，為基于icd9 6位數(shù)編碼的創(chuàng)傷評(píng)分方法篩選其他模型變量，并從統(tǒng)計(jì)學(xué)角度考察各種因素對(duì)創(chuàng)傷患者結(jié)局的影響程度.

1資料和方法

1.1數(shù)據(jù)來(lái)源全國(guó)范圍內(nèi)200余所大、中型醫(yī)院1998年全年收治的創(chuàng)傷患者病案首頁(yè)數(shù)據(jù). 經(jīng)數(shù)據(jù)清洗，排除治療結(jié)果中“未治”、“其他”或?yàn)榭瞻椎挠涗?，最終得符合研究要求的創(chuàng)傷患者記錄共112 749條. 其中男性88 622人，女性24 087人. 按年齡將患者分為3個(gè)年齡組，其中0~15歲16 382人，16~54歲87 242人，≥55歲9 125人. 地方人員94 935人，軍隊(duì)人員17 814人. 自費(fèi)患者81 170人，非自費(fèi)(公費(fèi)或醫(yī)療保險(xiǎn)等)患者31 579人. 單發(fā)傷70 345例，多發(fā)傷42 404例. 接受手術(shù)治療者54 176例，未接受手術(shù)者58 573例. 伴有創(chuàng)傷并發(fā)癥者582例，無(wú)并發(fā)癥者112 167例. 發(fā)生院內(nèi)感染者1255例，未發(fā)生院內(nèi)感染11 194例. 患者結(jié)局(出院時(shí))中存活111 684人，死亡1065人.

1.2創(chuàng)傷評(píng)分方法(解剖評(píng)分)采用我室編制的icd9 6位數(shù)編碼與ais分值對(duì)應(yīng)表，以創(chuàng)傷患者的出院診斷icd9編碼為基礎(chǔ)，換算出每一個(gè)出院診斷所對(duì)應(yīng)的創(chuàng)傷的ais分值. 以turner osler的改良iss法[3](即不考慮創(chuàng)傷所在的身體區(qū)域，僅以ais分值最高的3處創(chuàng)傷計(jì)算iss分值)計(jì)算每位患者的iss分值. 再按照iss分值將全部患者分為三個(gè)解剖嚴(yán)重程度分組，iss 1~12者為輕，13~19者為中，20~75者為重[4]. 經(jīng)以上分組后，全部患者中，輕度創(chuàng)傷患者93 343例，中度創(chuàng)傷患者9507例，重度創(chuàng)傷患者9899例.

1.3數(shù)據(jù)處理方法以患者的結(jié)局(存活或死亡)為應(yīng)變量，將性別、年齡組、身份(軍隊(duì)或地方人員)、費(fèi)用類型、創(chuàng)傷類型(單發(fā)傷或多發(fā)傷)、是否接受手術(shù)、有無(wú)并發(fā)癥、有無(wú)院內(nèi)感染等因素與解剖嚴(yán)重程度分組一起作為自變量，擬合logistic回歸模型，考察各因素對(duì)患者結(jié)局的影響. 通過逐步logistic回歸分析，篩選有統(tǒng)計(jì)學(xué)意義的影響因素，并計(jì)算其對(duì)患者結(jié)局的作用大小. 為簡(jiǎn)化計(jì)算過程和方便分析結(jié)果的專業(yè)解釋，此次分析僅考察各因素的主效應(yīng)及其一階交互效應(yīng)，其余高階交互效應(yīng)假定為零.

2結(jié)果

2.1變量篩選結(jié)果經(jīng)逐步logistic回歸分析，解剖嚴(yán)重程度、有無(wú)并發(fā)癥、年齡組、身份、是否接受手術(shù)、費(fèi)用類型等6個(gè)因素對(duì)患者結(jié)局的影響有統(tǒng)計(jì)學(xué)意義(p<0.05)，被選入logistic回歸模型. 另外，解剖嚴(yán)重度與有無(wú)并發(fā)癥、是否接受手術(shù)、費(fèi)用類型等3個(gè)因素的交互效應(yīng)以及是否手術(shù)與有無(wú)并發(fā)癥的交互效應(yīng)均有統(tǒng)計(jì)學(xué)意義(p<0.05)，一并被選入logistic回歸模型.

2.2模型擬合優(yōu)度及各因素的效應(yīng)大小使用以上篩選出的變量和交互效應(yīng)對(duì)患者的結(jié)局重新擬合logistic回歸模型，模型擬合度統(tǒng)計(jì)量、自變量及交互效應(yīng)項(xiàng)對(duì)模型的意義見tab 1. 可見費(fèi)用類型的主效應(yīng)無(wú)統(tǒng)計(jì)學(xué)意義，但與解剖嚴(yán)重度的交互效應(yīng)卻有統(tǒng)計(jì)學(xué)意義.表1logistic模型擬合結(jié)果

各因素及交互效應(yīng)項(xiàng)的參數(shù)估計(jì)值見tab 2. 其中各因素的水平值對(duì)應(yīng)的具體含義見tab 3. 表2各因素及交互效應(yīng)項(xiàng)的參數(shù)估計(jì)值(略)表3各因素的水平值對(duì)應(yīng)的具體含義(略)

3討論

根據(jù)以上參數(shù)估計(jì)值，即可給出創(chuàng)傷患者結(jié)局的logistic回歸預(yù)測(cè)模型，各因素對(duì)患者結(jié)局的影響作用大小也可得以考察和比較. 從結(jié)果可以看出，解剖嚴(yán)重度分組是影響創(chuàng)傷結(jié)局的最重要的因素，解剖嚴(yán)重度越高，死亡概率越大. 其次是有無(wú)并發(fā)癥和年齡因素，有并發(fā)癥者死亡概率明顯增加，年齡越大，死亡概率越大. 此三個(gè)因素應(yīng)在創(chuàng)傷評(píng)分模型中作為主要的因素來(lái)考察. 身份因素對(duì)結(jié)局的影響表現(xiàn)為地方人員死亡概率高于軍隊(duì)人員，這可能與軍隊(duì)人員具有良好的基本醫(yī)療保障有關(guān). 費(fèi)用類型的作用與身份因素存在相似之處，自費(fèi)患者死亡概率高于非自費(fèi)患者. 其余因素對(duì)結(jié)局雖然存在一定的影響，但影響程度均較輕，是否作為創(chuàng)傷評(píng)分模型應(yīng)考察的因素需作進(jìn)一步的探討. 各因素之間存在的交互效應(yīng)，在建立新的創(chuàng)傷評(píng)分模型時(shí)也須加以重視，在進(jìn)一步地考察確認(rèn)之后，應(yīng)通過適當(dāng)?shù)哪Ｐ捅磉_(dá)項(xiàng)使之得以充分體現(xiàn).

以aisiss為基礎(chǔ)的解剖嚴(yán)重度評(píng)分，是世界范圍內(nèi)廣泛應(yīng)用的創(chuàng)傷評(píng)分方法，雖然在對(duì)患者結(jié)局的預(yù)測(cè)與評(píng)價(jià)方面效果有不盡如人意的地方，但可作為改良的創(chuàng)傷評(píng)分方法的基礎(chǔ)[5]. 有些因素，比如是否手術(shù)、是否院內(nèi)感染等，均是在患者入院后才可收集的信息，不便作為評(píng)分模型的組成變量，僅能用作創(chuàng)傷患者結(jié)局的預(yù)測(cè)變量之一. 另外一些重要因素，如患者的血壓、心率、呼吸、體溫等生理指標(biāo)，均是影響患者結(jié)局的重要因素[6]，應(yīng)當(dāng)作為創(chuàng)傷評(píng)分模型的重要變量，其對(duì)患者結(jié)局的影響程度也需要進(jìn)行類似的考察和分析. 由于病案首頁(yè)數(shù)據(jù)在此類信息方面的缺失，此次無(wú)法一并進(jìn)行分析，我們將在后續(xù)的研究中收集更為全面的數(shù)據(jù)，對(duì)各種有關(guān)的因素進(jìn)行全面地分析.

此研究是建立基于icd9編碼的創(chuàng)傷評(píng)分模型的一次初步探索，是對(duì)部分影響因素的初步考察與分析. 但由于數(shù)據(jù)信息量的限制，研究的結(jié)果尚不能作為創(chuàng)傷評(píng)分模型的最終參考依據(jù). 后續(xù)的研究工作需要收集更全面的數(shù)據(jù)，考察更多的因素，從臨床和統(tǒng)計(jì)學(xué)兩個(gè)方面對(duì)各種影響因素的作用進(jìn)行全面的考察與分析，以期為建立一個(gè)合理的創(chuàng)傷評(píng)分模型提供依據(jù).

【參考文獻(xiàn)】

[1] 薛富波，王玉琨，徐勇勇. 創(chuàng)傷國(guó)際疾病分類編碼向ais分值轉(zhuǎn)換規(guī)則的研究[j]. 中華創(chuàng)傷雜志，2003; 19(7): 385-388.

xue fb, wang yk, xu yy. converting rules from international classification of disease codes of trauma to abbreviated injury scale values [j]. chin j trauma, 2003; 19(7): 385-388.

[2] 王玉琨，薛富波，徐勇勇，等. 基于icd9編碼的iss創(chuàng)傷評(píng)分方法研究[j]. 創(chuàng)傷外科雜志，2004; 6(1): 28-30.

wang yk, xue fb, xu yy, et al. exploration of a newly developed trauma severity scaling method of iss based on icd9 codes [j]. j traumatic surg, 2004; 6(1):28-30.

[3] osler t, baker sp, long w, et al. a modification of the injury severity score that both improves accuracy and simplifies scoring [j]. j trauma, 1997; 43: 922-925.

[4] mackenzie ej, steinwachs dm, shankar b. classifying trauma severity based on hospital discharge diagnoses. validation of an icd9cm to ais85 conversion table [j]. med care， 1989; 27(4): 412-422.

[5] 楊柳青，任秀清，楊寧，等. 改良創(chuàng)傷評(píng)分(rts)與創(chuàng)傷嚴(yán)重度評(píng)分(iss)在創(chuàng)傷評(píng)估中的應(yīng)用[j]. 川北醫(yī)學(xué)院學(xué)報(bào)，1998; 13(2): 20-22.

yang lq, ren xq, yang n, et al. applications of revised trauma score and injury severity score in trauma evaluations [j]. j north sichuan med coll, 1998; 13(2): 20-22.

篇（10）

【中圖分類號(hào)】 R 641 G 478.2 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1000-9817(2008)09-0782-03

傷害嚴(yán)重威脅著人類的生命和健康，近年來(lái)已成為主要的公共衛(wèi)生問題之一，并已被列為單獨(dú)的一類疾?。?］。我國(guó)每年約有70萬(wàn)人死于傷害，傷害已成為中小學(xué)生的首位死因［2］，給人們的身心健康和國(guó)家的經(jīng)濟(jì)造成了極大負(fù)擔(dān)［3］。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和教育體制的改革，寄宿制學(xué)校越來(lái)越多［4］。通過調(diào)查研究，人們逐漸認(rèn)識(shí)到寄宿生特有的生活方式，使他們?cè)谛睦?、體質(zhì)等很多問題上與普通學(xué)校的學(xué)生存在差異［5-7］，對(duì)這一群體的管理和教育方式也應(yīng)有所側(cè)重。為進(jìn)一步了解安徽省農(nóng)村寄宿制學(xué)校學(xué)生的傷害發(fā)生情況，筆者于2007年12月到2008年5月對(duì)安徽省5個(gè)縣農(nóng)村寄宿制學(xué)校的部分學(xué)生進(jìn)行了問卷調(diào)查。

1 對(duì)象與方法

1.1 對(duì)象 采取分層整群抽樣法，在安徽省抽取長(zhǎng)豐、績(jī)溪、全椒、濉溪和岳西5個(gè)縣作為調(diào)查點(diǎn)，每個(gè)縣抽取寄宿制學(xué)校5所，共計(jì)25所。每所學(xué)校從符合條件的年級(jí)抽取1～3個(gè)班，對(duì)其所有學(xué)生進(jìn)行調(diào)查。共發(fā)出調(diào)查問卷5 624份，回收并審核后的有效調(diào)查問卷5 556份，問卷合格率達(dá)98.79%。學(xué)生年齡范圍9～21歲，平均年齡為（14.97±2.07）歲；其中長(zhǎng)豐縣958人（17.2%），績(jī)溪縣1 008人（18.1%），全椒縣1 019人（18.3%），濉溪縣1 722人（31.0%），岳西縣849人（15.3%）；男生3 241名（58.3%），女生2 315名（41.7%）；住校生2 607人（46.9%），住家學(xué)生2 133人（38.4%），住親戚朋友家334人（6.0%），租房住者482人（8.7%）；小學(xué)生721名（五年級(jí)377名，六年級(jí)344名），初中生3 201名（初一1 011名，初二1 288名，初三902名），高中生1 634名（高一528名，高二490名，高三616名）。

1.2 調(diào)查變量與方法

1.2.1 社會(huì)人口統(tǒng)計(jì)變量 包括性別、獨(dú)生子女情況、學(xué)習(xí)階段（小學(xué)、初中和高中）、體型（很瘦、偏瘦、中等、偏胖和很胖）、地區(qū)（長(zhǎng)豐縣、績(jī)溪縣、全椒縣、濉溪縣和岳西縣）、住宿類型（住校、住親朋家、租房住和住家）、自評(píng)家庭經(jīng)濟(jì)狀況（下等、中下、中等、中上等和上等）和父、母文化程度（無(wú)父/母、未上或小學(xué)未畢業(yè)、小學(xué)畢業(yè)、初中、高中、中專大專及以上）等。

1.2.2 傷害發(fā)生情況 問卷中列出10種常見傷害類型，要求學(xué)生填寫自己在最近1 a的發(fā)生情況。調(diào)查員到各學(xué)校以班級(jí)為單位進(jìn)行現(xiàn)場(chǎng)調(diào)查，學(xué)生集中填寫問卷并當(dāng)場(chǎng)收回。傷害發(fā)生率=（1 a中至少發(fā)生過1次傷害的人數(shù)/調(diào)查總?cè)藬?shù)）×100%。

1.2.3 傷害的分類及判斷標(biāo)準(zhǔn) 參考ICD-10損傷、中毒外因分類，將傷害分為扭傷、跌傷或墜落傷、燒傷或燙傷、溺水、交通事故、刀（或銳器）割傷或刺傷、動(dòng)物咬傷、中毒、爆炸傷、電擊傷和窒息等共10種。凡有以下情況之一者判定為傷害：（1）到校醫(yī)室或醫(yī)院處理過；（2）由教師或家長(zhǎng)做過緊急處理；（3）因傷缺課0.5 d以上。

1.3 統(tǒng)計(jì)方法 用EpiData 3.0建立數(shù)據(jù)庫(kù)，SPSS 13.0進(jìn)行統(tǒng)計(jì)分析。用描述性統(tǒng)計(jì)分析方法分析一般情況，χ2檢驗(yàn)用于分析學(xué)生的傷害發(fā)生率有無(wú)差異。分別以住校和住家2種住宿類型學(xué)生總的傷害發(fā)生情況為因變量，對(duì)單因素Logistic回歸分析有統(tǒng)計(jì)學(xué)意義的因素進(jìn)行多因素Logistic回歸，探討這2種住宿類型學(xué)生傷害發(fā)生的主要危險(xiǎn)因素。

2 結(jié)果

2.1 農(nóng)村寄宿制學(xué)校學(xué)生傷害發(fā)生情況 被調(diào)查者在過去1 a內(nèi)至少發(fā)生1次傷害者2 891人，傷害發(fā)生率為52.0%。各類傷害累計(jì)發(fā)生次數(shù)為9 582次，傷害者平均傷害發(fā)生頻率為1.72次/人。由表1可見，住校、住親朋家、租房住和住家這4種住宿類型的學(xué)生傷害總體發(fā)生率差異有統(tǒng)計(jì)學(xué)意義（χ2=8.44，P＜0.05），不同住宿類型學(xué)生在交通事故和動(dòng)物咬傷這2種類型傷害發(fā)生率間的差異均有統(tǒng)計(jì)學(xué)意義。經(jīng)兩兩比較可知：住家學(xué)生傷害總發(fā)生率和交通事故發(fā)生率均高于住校生，OR值分別為1.18和1.80，P值均＜0.05；住家學(xué)生交通事故發(fā)生率亦高于住親戚朋友家的學(xué)生(OR=2.63，P＜0.05)；住家學(xué)生動(dòng)物咬傷發(fā)生率高于其他3種住宿類型學(xué)生，OR值分別為1.37，2.16和1.53， P值均＜0.05。

2.2 農(nóng)村寄宿制學(xué)校學(xué)生傷害的分布特征

2.2.1 不同性別學(xué)生傷害發(fā)生情況 由表2可見，男生傷害總發(fā)生率為56.7%，女生為45.5%，差異有統(tǒng)計(jì)學(xué)意義（χ2=67.28，P＜0.01）。在不同類型的傷害發(fā)生率上的性別差異均有統(tǒng)計(jì)學(xué)意義。

2.2.2 不同學(xué)習(xí)階段學(xué)生傷害發(fā)生情況 由表3可見，傷害總發(fā)生率在不同學(xué)習(xí)階段之間的差異有統(tǒng)計(jì)學(xué)意義（χ2=66.15，P＜0.01），其中初中生傷害發(fā)生率（55.9%）和小學(xué)生傷害發(fā)生率（54.1%）均高于高中生（43.6%）。具體類型中，扭傷、跌傷或墜落傷、燒傷或燙傷、刀（銳器）割傷或刺傷的發(fā)生率以初中生最高，而溺水、交通事故和動(dòng)物咬傷的發(fā)生率以小學(xué)生最高。

2.2.3 不同地區(qū)學(xué)生傷害發(fā)生情況 由表4可見，不同地區(qū)學(xué)生傷害總體發(fā)生率差異有統(tǒng)計(jì)學(xué)意義（χ2=95.07，P＜0.01）。多種傷害類型發(fā)生率的地區(qū)間差異均有統(tǒng)計(jì)學(xué)意義。

2.3 不同住宿類型學(xué)生傷害危險(xiǎn)因素分析 由表5可見，按α=0.05的標(biāo)準(zhǔn)選取，進(jìn)入住校生和住家生傷害回歸模型的變量相同，分別是地區(qū)、學(xué)習(xí)階段和性別；將各變量進(jìn)行賦值，地區(qū)（岳西縣為對(duì)照）、學(xué)習(xí)階段（高中為對(duì)照）和性別（賦值為男1女2），經(jīng)多因素非條件Logistic分析（Forward：LR法，納入、剔除標(biāo)準(zhǔn)分別取0.05和0.10）可知，影響住校生傷害發(fā)生率的因素有地區(qū)（績(jī)溪縣和長(zhǎng)豐縣高于岳西縣）、學(xué)習(xí)階段（初中生高于高中生）和性別（男生高于女生），而影響住家學(xué)生傷害發(fā)生率的因素有性別（男生高于女生）、學(xué)齡階段（初中生高于小學(xué)生和高中生）和地區(qū)（長(zhǎng)豐縣高于岳西縣）。

3 討論

許多研究顯示，青少年是傷害的高發(fā)人群［8-9］。我國(guó)中小學(xué)生每年發(fā)生傷害達(dá)4 250萬(wàn)人次，因傷害缺課達(dá)2.38億天，不僅對(duì)學(xué)生本身的身心健康和學(xué)業(yè)造成了不良影響，給家庭和社會(huì)帶來(lái)的負(fù)擔(dān)亦是巨大的。調(diào)查結(jié)果顯示，安徽省農(nóng)村寄宿制學(xué)校學(xué)生在過去1 a里總的傷害發(fā)生率為52.0%，傷害者平均傷害發(fā)生頻率為1.72次，這一結(jié)果高于胡佳等［10］的報(bào)道，低于陽(yáng)本華等［11］的報(bào)道結(jié)果，可能與所調(diào)查的傷害類型和資料來(lái)源不同有關(guān)，也有可能與調(diào)查對(duì)象地域差異有關(guān)。

本次調(diào)查的學(xué)校是寄宿制學(xué)校，被調(diào)查的學(xué)生以住校和住家2種居多。調(diào)查結(jié)果顯示，4種住宿類型的傷害發(fā)生率存在明顯差異，其中住校生的燒燙傷和交通事故發(fā)生率均明顯低于非住校生，這可能與住校生接觸這2類危險(xiǎn)的機(jī)會(huì)較少有關(guān)。有關(guān)資料顯示，交通傷害已成為中小學(xué)生傷亡最主要原因之一［12］。因此，對(duì)于非住校生，應(yīng)加強(qiáng)他們的交通安全意識(shí)，教育他們養(yǎng)成遵守交通規(guī)則的好習(xí)慣，以減少交通事故的發(fā)生率。雖然減少傷害相關(guān)行為的發(fā)生是降低傷害發(fā)生率的有效手段，但隨著年齡增長(zhǎng)，從事家務(wù)勞動(dòng)是一個(gè)必然趨勢(shì)，學(xué)生在使用煤氣、電器的同時(shí)，需注意避免燒燙傷、電擊傷、中毒等傷害的發(fā)生，這就需要教師和家長(zhǎng)積極引導(dǎo)和提醒以去除傷害的隱患。另外，地區(qū)也是影響傷害發(fā)生的一個(gè)主要因素，這與他們的地理位置、氣候特征以及生活習(xí)慣等差異有關(guān)，不同地區(qū)的有關(guān)部門應(yīng)當(dāng)根據(jù)自身特點(diǎn)制定傷害防范和管理措施。

傷害的發(fā)生與性別因素有關(guān)，與劉慧慧等［13］多數(shù)報(bào)道結(jié)果一致。調(diào)查中女生的傷害發(fā)生率大都低于男生，這可能與她們獨(dú)有的性格、運(yùn)動(dòng)強(qiáng)度小、活動(dòng)范圍小有關(guān)，并且在日常生活中，社會(huì)各方面對(duì)男女生的保護(hù)和教育方式也不相同，今后應(yīng)加以注意，降低男生傷害的發(fā)生率；傷害的發(fā)生在不同的學(xué)習(xí)階段之間存在差異。初中生傷害的總體發(fā)生率高于小學(xué)生和高中生，且跌傷、燒燙傷、刀割傷的發(fā)生率也最高，可能與這個(gè)年齡段的孩子活動(dòng)的機(jī)會(huì)多、強(qiáng)度大，喜歡新鮮和刺激的游戲有關(guān)；而小學(xué)生溺水、交通事故和動(dòng)物咬傷的發(fā)生率最高，尤其是住校的小學(xué)生，是住校生中傷害發(fā)生的高危人群，自理能力較弱，心理尚處于未完全成熟階段，應(yīng)加強(qiáng)教育以促進(jìn)他們盡快擺脫幼稚，并做好防范與管理工作；盡管高中生可能由于學(xué)業(yè)的壓力使其傷害發(fā)生率最低，但仍然不能放松警惕，緩解壓力，促進(jìn)他們身心健康是必不可少的。此次調(diào)查發(fā)現(xiàn)，有8.7%的學(xué)生在外租房住宿，他們的安全系數(shù)大幅度降低，對(duì)于這部份學(xué)生的身心健康的關(guān)注和安全管理也不容忽視。

傷害預(yù)防要根據(jù)不同的年齡和群體制定有效的安全措施［14］。通過開展各種教育活動(dòng)提高學(xué)生的自理能力、自我保護(hù)意識(shí)和自我救治技能，以減少傷害的發(fā)生和避免不良結(jié)局的產(chǎn)生。除此之外，學(xué)生的安全問題僅靠學(xué)校單方面的努力是不夠的，家庭的配合和社會(huì)的關(guān)注必不可少［15］。只有社會(huì)各界共同行動(dòng)，才能有效減少和預(yù)防學(xué)生意外傷害的發(fā)生。

(致謝：本課題得到安徽省學(xué)校體育衛(wèi)生協(xié)會(huì)的大力支持，特此感謝!)

4 參考文獻(xiàn)

［1］ 王春靈，王云霞.766例兒童意外傷害原因分析及預(yù)防.華北煤炭醫(yī)學(xué)院學(xué)報(bào)，2008，10(1)：91-92.

［2］ 季成葉，陶芳標(biāo).兒童青少年非故意傷害預(yù)防.中國(guó)公共衛(wèi)生，2005，21(9)：1 150-1 152.

［3］ 王聲.我國(guó)傷害流行病學(xué)研究亟需開展.中華流行病學(xué)雜志，1997，18(3)：131-133.

［4］ 李士凱.寄宿學(xué)生的疾病預(yù)防與管理.現(xiàn)代預(yù)防醫(yī)學(xué)，2005，32(2)：156.

［5］ 劉朝軍，田素英，尋廣磊，等.寄宿制和非寄宿制學(xué)校高中生心理健康狀況比較.中國(guó)臨床康復(fù)，2004，8(27)：5 782-5 784.

［6］ 蔡亮亮.寄宿小學(xué)生610名健康狀況調(diào)查.中國(guó)學(xué)校衛(wèi)生，2003，24(6)：640.

［7］ 趙紅深，陳雄新，李健芝，等.不同住宿方式學(xué)生體質(zhì)狀況比較分析.中國(guó)學(xué)校衛(wèi)生，2008，29(4)：366-367.

［8］ 吳曉紅，陳建華，楊楚春，等.黃石市小學(xué)生傷害流行病學(xué)調(diào)查.疾病控制雜志，2004，12(8)：519-522.

［9］ MACKENZIE SG, PLESS IB. CHIRPP: Canada's principal injury surveillance program. Inj Prev, 1999,5(3):208-213.

［10］胡佳，劉莉，毛軍，等.上海浦東新區(qū)2003學(xué)年中小學(xué)生傷害發(fā)生情況.中國(guó)學(xué)校衛(wèi)生，2005，26(11)：976-977.

［11］陽(yáng)本華，李軍，肖和平，等.郴州市中小學(xué)生傷害流行病學(xué)調(diào)查分析.現(xiàn)代預(yù)防醫(yī)學(xué)，2001，28(2)：152-154.

［12］王聲.校園安全與中小學(xué)生傷害現(xiàn)況.中國(guó)學(xué)校衛(wèi)生，2006，27(2)：96-98.

［13］劉慧慧，郝加虎，張國(guó)慶，等.宿州市農(nóng)村中小學(xué)生傷害影響因素分析.中國(guó)學(xué)校衛(wèi)生，2005，26(6)：464-465.