公共卫生统计学课件

公共卫生统计学本课件旨在系统介绍公共卫生统计学的基本概念、方法及应用通过学习，您将掌握统计学在公共卫生领域的关键技术，为疾病预防控制、健康促进等工作提供数据支持我们将从基础概念入手，逐步深入到各种统计分析方法，并结合实际案例进行讲解，让您能够灵活运用所学知识解决实际问题本课程内容全面、实用，是您学习公共卫生统计学的理想选择什么是公共卫生统计学？公共卫生统计学是统计学的一个分支，专注于将统计方法应用于公共卫生领域它涉及数据的收集、整理、分析和解释，旨在识别健康问题、评估干预措施的效果，并为公共卫生决策提供依据公共卫生统计学是循证公共卫生的基石公共卫生统计学不仅关注个体健康，更强调群体健康的改善通过对人群健康状况的监测和分析，可以及时发现潜在的健康风险，制定有效的预防控制措施，从而提高整个社会的人口健康水平数据驱动决策支持依赖真实数据进行分析，提供客观依据为公共卫生政策制定提供科学依据公共卫生统计学的应用领域公共卫生统计学的应用广泛，涵盖疾病监测、健康促进、环境卫生、职业卫生等多个领域例如，通过分析疾病发病率和死亡率数据，可以了解疾病的流行趋势和分布特征；通过评估健康干预措施的效果，可以优化健康促进策略；通过监测环境污染物浓度，可以评估环境因素对健康的影响此外，公共卫生统计学还在新药研发、临床试验、卫生服务评价等方面发挥着重要作用通过统计分析，可以评价新药的疗效和安全性，优化临床治疗方案，提高卫生服务质量疾病监测健康促进跟踪疾病发病率，预测流行趋势评估干预效果，优化健康策略环境卫生监测污染物浓度，评估健康风险统计学的基本概念回顾在深入学习公共卫生统计学之前，我们需要回顾一些统计学的基本概念这些概念包括总体、样本、变量、参数、统计量等总体是指研究对象的全体，样本是从总体中抽取的一部分个体变量是研究对象的可变特征，参数是描述总体特征的数值，统计量是描述样本特征的数值理解这些基本概念是进行统计分析的基础例如，我们需要明确研究的总体是什么，抽取的样本是否具有代表性，选择的变量是否能够反映研究问题，以及如何利用样本统计量推断总体参数总体研究对象的全体样本从总体中抽取的部分个体变量研究对象的可变特征变量的类型分类变量与数值变量变量可以分为分类变量和数值变量分类变量是指取值为类别或属性的变量，例如性别、民族、疾病类型等数值变量是指取值为数值的变量，例如年龄、身高、体重等数值变量又可以分为离散变量和连续变量离散变量是指取值为有限个或可数个数值的变量，例如出生人数、患病人数等连续变量是指取值为某一区间内任意数值的变量，例如身高、体重等不同类型的变量需要采用不同的统计方法进行分析例如，对于分类变量，可以采用卡方检验；对于数值变量，可以采用检验或方差分析因此，正确t识别变量的类型是进行统计分析的前提1分类变量数值变量2数据的收集方法普查与抽样调查数据的收集方法主要有普查和抽样调查普查是指对研究对象的全体进行调查，例如人口普查抽样调查是指从研究对象中抽取一部分个体进行调查，例如疾病监测普查能够获得全面的数据，但成本较高、耗时较长；抽样调查能够降低成本、缩短时间，但需要保证样本的代表性在公共卫生领域，由于研究对象往往数量庞大，抽样调查是常用的数据收集方法选择合适的抽样方法，保证样本的代表性，是获得可靠统计结果的关键普查抽样调查全面调查，数据完整降低成本，保证代表性数据的整理与描述数据的整理与描述是统计分析的第一步数据的整理包括数据清洗、数据转换、数据编码等数据清洗是指检查和纠正数据中的错误或不一致之处；数据转换是指将数据从一种格式转换为另一种格式；数据编码是指将数据赋予一定的数值或符号数据的描述包括计算描述性统计量、制作统计图表等描述性统计量能够概括数据的基本特征，例如均数、中位数、标准差等；统计图表能够直观地展示数据的分布特征，例如直方图、条形图、饼图等数据清洗1检查和纠正数据错误数据转换2将数据转换为统一格式数据编码3赋予数据数值或符号频数分布表的制作频数分布表是描述数据分布特征的一种常用方法它将数据按照一定的组距进行分组，然后统计每个组距内的数据个数，即频数频数分布表能够清晰地展示数据的集中趋势和离散程度制作频数分布表的关键是确定合适的组距和组数组距过小会导致频数分布表过于详细，组距过大会导致频数分布表过于粗略一般来说，组数在5-15之间比较合适在公共卫生领域，频数分布表常用于描述疾病发病年龄、体检指标等数据的分布特征确定组距统计频数12根据数据范围选择合适的组距计算每个组距内的数据个数绘制表格3将组距和频数整理成表格统计图的应用直方图、条形图、饼图统计图是直观展示数据分布特征的有效工具直方图用于描述数值变量的分布，条形图用于描述分类变量的分布，饼图用于描述各类别所占比例选择合适的统计图，能够清晰地展示数据的特征，便于读者理解和分析在公共卫生领域，直方图常用于描述年龄、身高、体重等数据的分布；条形图常用于描述性别、民族、疾病类型等数据的分布；饼图常用于描述各种疾病所占比例、不同年龄组的人口构成等直方图条形图饼图描述数值变量分布描述分类变量分布描述各类别所占比例描述性统计量均数、中位数、众数描述性统计量是概括数据基本特征的数值均数是指数据的平均值，适用于描述对称分布的数据；中位数是指将数据从小到大排列后位于中间位置的数值，适用于描述偏态分布的数据；众数是指数据中出现次数最多的数值，适用于描述分类变量或离散变量在公共卫生领域，均数常用于描述人群的平均身高、平均体重等；中位数常用于描述疾病发病年龄；众数常用于描述人群的血型分布均数1中位数2众数3变异程度的描述标准差、方差标准差和方差是描述数据变异程度的常用指标标准差是指数据偏离均数的平均程度，方差是标准差的平方标准差越大，表示数据越分散；标准差越小，表示数据越集中在公共卫生领域，标准差常用于描述人群的身高、体重、血压等指标的变异程度通过比较不同人群的标准差，可以了解人群的健康状况差异例如，高血压人群的血压标准差往往大于正常人群标准差方差描述数据偏离均数的程度标准差的平方概率与概率分布概率是描述事件发生可能性大小的数值概率的取值范围在到之间，概率01越大，表示事件发生的可能性越大概率分布是指描述随机变量取值概率的函数常见的概率分布有正态分布、二项分布、泊松分布等在公共卫生领域，概率常用于描述疾病发生的风险、药物疗效的可能性等概率分布常用于描述人群的健康指标分布、疾病发病人数分布等概率描述事件发生可能性大小概率分布描述随机变量取值概率的函数概率的基本概念与性质概率的基本概念包括随机事件、基本事件、样本空间等随机事件是指在一定条件下可能发生也可能不发生的事件；基本事件是指不能再分解的随机事件；样本空间是指所有可能发生的基本事件的集合概率的基本性质包括非负性、规范性、可加性等理解概率的基本概念和性质，是进行概率计算和统计推断的基础例如，我们需要明确研究的随机事件是什么，样本空间是什么，以及如何利用概率的性质计算事件发生的概率随机事件可能发生也可能不发生的事件基本事件不能再分解的随机事件样本空间所有可能发生的基本事件的集合常见的概率分布正态分布、二项分布正态分布是一种常见的连续概率分布，其特点是分布对称、中间高两边低，可以用均数和标准差来描述二项分布是一种常见的离散概率分布，其特点是在次独立重复试验中，每次试验只有两种可能的结果，可以用试验次数和成功概率来描述n在公共卫生领域，正态分布常用于描述人群的身高、体重、血压等指标的分布；二项分布常用于描述疾病发生的概率、药物疗效的概率等正态分布二项分布连续概率分布，分布对称离散概率分布，描述成功概率抽样分布的概念与应用抽样分布是指由样本统计量构成的概率分布例如，样本均数的抽样分布是指由多个样本均数构成的概率分布抽样分布是统计推断的基础，它可以帮助我们了解样本统计量与总体参数之间的关系在公共卫生领域，抽样分布常用于估计总体均数、总体比例等通过了解样本均数的抽样分布，我们可以估计总体均数的置信区间；通过了解样本比例的抽样分布，我们可以估计总体比例的置信区间1样本均数样本比例2统计推断参数估计统计推断是指利用样本信息推断总体特征的方法参数估计是统计推断的一种，它是指利用样本统计量估计总体参数的方法参数估计包括点估计和区间估计点估计是指用一个数值来估计总体参数；区间估计是指用一个区间来估计总体参数在公共卫生领域，参数估计常用于估计人群的平均身高、平均体重、患病率等通过参数估计，我们可以了解人群的健康状况，为公共卫生决策提供依据参数估计利用样本信息推断总体特征点估计与区间估计点估计是指用一个数值来估计总体参数，例如用样本均数来估计总体均数点估计的优点是简单直观，但缺点是没有考虑抽样误差，可能存在偏差区间估计是指用一个区间来估计总体参数，例如用样本均数的置信区间来估计总体均数区间估计的优点是考虑了抽样误差，能够提供更可靠的估计结果，但缺点是计算较为复杂在公共卫生领域，区间估计更常用，因为它可以提供更可靠的估计结果例如，我们可以用的置信区间来估计人群的平均身高，95%表示我们有的把握认为总体均数落在该区间内95%点估计区间估计用一个数值估计总体参数用一个区间估计总体参数均数的估计样本均数的抽样分布均数的估计是指利用样本均数估计总体均数的方法样本均数的抽样分布是指由多个样本均数构成的概率分布当样本量足够大时，样本均数的抽样分布近似服从正态分布，其均数为总体均数，标准差为总体标准差除以样本量的平方根在公共卫生领域，我们可以利用样本均数的抽样分布来估计人群的平均身高、平均体重、血压等指标例如，我们可以计算样本均数的置信区间，表示我们有95%的把握认为总体均数落在该区间内95%计算样本均数1计算样本数据的平均值估计总体均数2利用样本均数估计总体均数总体比例的估计总体比例的估计是指利用样本比例估计总体比例的方法样本比例是指样本中具有某种特征的个体所占比例当样本量足够大时，样本比例的抽样分布近似服从正态分布，其均数为总体比例，标准差为总体比例乘以总体比例1-除以样本量的平方根在公共卫生领域，我们可以利用样本比例的抽样分布来估计人群的患病率、吸烟率、疫苗接种率等例如，我们可以计算样本比例的置信区间，表95%示我们有的把握认为总体比例落在该区间内95%计算样本比例计算样本中具有某种特征的个体所占比例估计总体比例利用样本比例估计总体比例统计推断假设检验假设检验是统计推断的另一种方法，它是指对总体参数提出一个假设，然后利用样本信息判断该假设是否成立假设检验包括提出假设、选择检验统计量、确定显著性水平、计算值、做出结论等步骤假设检验可以帮助我们判断样本信息是否支持我们对总体参数的p假设在公共卫生领域，假设检验常用于比较不同人群的健康状况差异、评估干预措施的效果等例如，我们可以用假设检验来判断吸烟人群的肺癌发病率是否高于非吸烟人群，或者评估某种新药是否能够降低患者的死亡率提出假设对总体参数提出一个假设选择检验统计量选择合适的检验统计量计算值p计算值，判断假设是否成立p假设检验的基本步骤假设检验的基本步骤包括提出原假设和备择假设；选择合适的检验统计量；确定显著性水平；计算检验统计量的值和值；根据

1.

2.

3.

4.p

5.p值和显著性水平做出判断如果值小于显著性水平，则拒绝原假设，接受备择假设；否则，不拒绝原假设p在公共卫生领域，我们需要严格按照假设检验的步骤进行分析，才能得出可靠的结论例如，在比较不同人群的健康状况差异时，我们需要明确提出原假设和备择假设，选择合适的检验统计量，确定显著性水平，计算值，最后根据值和显著性水平做出判断p p选择统计量2提出假设1确定水平35做出判断4计算p值单样本均数的假设检验检t验、检验z单样本均数的假设检验是指检验单个样本均数是否与总体均数存在显著差异当总体标准差已知时，可以使用检验；当总体标准差未知时，可以使用检z t验检验和检验都是常用的假设检验方法，可以帮助我们判断样本均数是否t z具有代表性在公共卫生领域，我们可以使用检验或检验来判断某个地区人群的平均身高t z是否与全国平均水平存在显著差异，或者评估某种干预措施是否能够显著提高患者的平均生存时间检验检验t z总体标准差未知总体标准差已知两独立样本均数的假设检验两独立样本均数的假设检验是指检验两个独立样本的均数是否存在显著差异当两个样本的总体标准差已知且相等时，可以使用检验；当两个样本的总体标准z差未知但相等时，可以使用检验；当两个样本的总体标准差未知且不相等时，t可以使用校正检验选择合适的检验方法，可以帮助我们判断两个样本的均数t是否存在显著差异在公共卫生领域，我们可以使用两独立样本均数的假设检验来比较不同地区人群的平均身高是否存在显著差异，或者评估两种不同的治疗方案对患者的平均生存时间的影响是否存在显著差异确定样本选择检验12确认两个样本是否独立根据标准差情况选择合适的检验方法进行判断3分析结果，判断差异是否显著配对样本均数的假设检验配对样本均数的假设检验是指检验配对样本的均数是否存在显著差异配对样本是指两个样本中的个体之间存在一一对应的关系，例如同一患者在治疗前后的血压值对于配对样本，我们可以计算每个个体的差值，然后对差值进行单样本均数的假设检验，可以使用检验或检验t z在公共卫生领域，我们可以使用配对样本均数的假设检验来评估某种治疗方案对患者的血压的影响，或者评估某种干预措施对人群的体重的影响计算差值21数据配对单样本检验3方差分析基本原理方差分析是一种用于比较多个样本均数是否存在显著差异的统计方法其基本原理是将总变异分解为组间变异和组内变异，然后通过比较组间变异和组内变异的大小来判断多个样本的均数是否存在显著差异方差分析可以用于比较三个或三个以上样本的均数，是统计分析中常用的方法在公共卫生领域，我们可以使用方差分析来比较不同地区人群的平均身高是否存在显著差异，或者评估多种不同的治疗方案对患者的平均生存时间的影响是否存在显著差异总变异1组间变异2组内变异3单因素方差分析单因素方差分析是指只有一个因素影响研究结果的方差分析例如，我们想要比较不同年龄组人群的平均身高是否存在显著差异，年龄就是一个因素单因素方差分析可以用于比较三个或三个以上水平的因素对研究结果的影响在公共卫生领域，我们可以使用单因素方差分析来比较不同饮食习惯的人群的平均体重是否存在显著差异，或者评估不同剂量的药物对患者的疗效的影响是否存在显著差异单一因素多水平只有一个因素影响研究结果因素可以有多个水平多重比较方法在方差分析中，如果发现多个样本的均数存在显著差异，我们需要进一步进行多重比较，以确定哪些样本的均数之间存在显著差异常用的多重比较方法有法、法、法等不同的多重比较方法有不同的LSD BonferroniScheffe适用条件，我们需要根据实际情况选择合适的方法在公共卫生领域，如果我们发现不同地区人群的平均身高存在显著差异，我们可以使用多重比较方法来确定哪些地区的人群之间存在显著差异法法LSD Bonferroni简单易用，但容易犯类错误控制类错误，但检验效能较低I I法Scheffe适用范围广，但检验效能最低卡方检验基本原理卡方检验是一种用于检验分类变量之间是否存在关联的统计方法其基本原理是比较观察频数和期望频数之间的差异，如果观察频数与期望频数之间的差异较大，则认为分类变量之间存在关联卡方检验可以用于检验两个或两个以上分类变量之间是否存在关联在公共卫生领域，我们可以使用卡方检验来检验吸烟与肺癌之间是否存在关联，或者检验性别与某种疾病之间是否存在关联观察频数期望频数实际观察到的频数假设变量之间没有关联时应有的频数卡方检验的应用拟合优度检验拟合优度检验是卡方检验的一种应用，用于检验观察频数与期望频数之间的差异是否显著，从而判断样本数据是否符合某种理论分布例如，我们可以使用拟合优度检验来判断样本数据是否符合正态分布，或者判断某种疾病的发病率是否符合某种理论模型在公共卫生领域，拟合优度检验可以帮助我们了解样本数据的分布特征，为进一步的统计分析提供依据期望频数21观察频数假设分布3卡方检验的应用独立性检验独立性检验是卡方检验的另一种应用，用于检验两个分类变量之间是否存在关联例如，我们可以使用独立性检验来检验吸烟与肺癌之间是否存在关联，或者检验性别与某种疾病之间是否存在关联如果两个分类变量之间存在关联，则认为它们不是独立的在公共卫生领域，独立性检验可以帮助我们了解不同因素之间的相互作用，为疾病预防控制提供依据吸烟与肺癌性别与疾病检验吸烟与肺癌之间是否存在关联检验性别与某种疾病之间是否存在关联相关与回归分析相关分析是用于描述两个变量之间线性关系的密切程度的统计方法回归分析是用于建立两个或多个变量之间关系的数学模型，从而预测一个变量的值相关分析和回归分析是统计分析中常用的方法，可以帮助我们了解变量之间的关系在公共卫生领域，我们可以使用相关分析来描述身高与体重之间是否存在线性关系，或者使用回归分析来建立血压与年龄、体重、饮食等因素之间的数学模型，从而预测个体的血压值相关分析回归分析描述变量之间线性关系的密切程度建立变量之间关系的数学模型相关系数的计算与解释相关系数是用于描述两个变量之间线性关系密切程度的数值常用的相关系数有相关系数、相关系数等相关系数适用于描述两个Pearson SpearmanPearson连续变量之间的线性关系，相关系数适用于描述两个有序分类变量之Spearman间的单调关系相关系数的取值范围在到之间，绝对值越大，表示关系越密-11切正值表示正相关，负值表示负相关，表示没有线性关系0在公共卫生领域，我们可以使用相关系数来描述身高与体重之间是否存在线性关系，或者描述吸烟量与肺癌发病率之间是否存在单调关系相关系数Pearson描述两个连续变量之间的线性关系相关系数Spearman描述两个有序分类变量之间的单调关系简单线性回归分析简单线性回归分析是指建立一个自变量与一个因变量之间线性关系的数学模型，从而预测因变量的值简单线性回归模型的数学表达式为，其中y=a+bx为因变量，为自变量，为截距，为斜率通过简单线性回归分析，我们y xa b可以了解自变量对因变量的影响程度，并预测因变量的值在公共卫生领域，我们可以使用简单线性回归分析来建立身高与体重之间的数学模型，从而预测个体的体重值，或者建立吸烟量与肺癌发病率之间的数学模型，从而预测人群的肺癌发病率自变量影响因变量的变量因变量被自变量影响的变量回归系数的解释与检验回归系数是指回归模型中的截距和斜率截距表示当自变量为时，因变量的取值；斜率表示自变量每增加一个单位，因变量的平均变化量我们需要对0回归系数进行检验，以判断自变量对因变量的影响是否显著常用的检验方法有检验、检验等如果回归系数显著，则认为自变量对因变量有显著影响t F；否则，认为自变量对因变量没有显著影响在公共卫生领域，我们需要对回归系数进行解释和检验，才能得出可靠的结论例如，在建立血压与年龄、体重、饮食等因素之间的数学模型后，我们需要对回归系数进行解释和检验，才能了解哪些因素对血压有显著影响，并制定相应的干预措施斜率21截距显著性检验3非参数统计方法非参数统计方法是指不依赖于总体分布类型的统计方法当数据不符合正态分布或方差不齐时，可以使用非参数统计方法进行分析常用的非参数统计方法有符号秩检验、检验、检Wilcoxon Mann-Whitney UKruskal-Wallis验等非参数统计方法适用范围广，但检验效能较低在公共卫生领域，当数据不符合正态分布时，我们可以使用非参数统计方法进行分析例如，当样本量较小或数据存在异常值时，我们可以使用符号秩检验或检验来比较两组数据的差异Wilcoxon Mann-Whitney U非参数不依赖于总体分布类型符号秩检验Wilcoxon符号秩检验是一种用于检验配对样本是否存在显著差异的非参数统Wilcoxon计方法它适用于数据不符合正态分布或方差不齐的情况符号秩Wilcoxon检验的基本原理是对差值进行排序，然后计算正秩和和负秩和，如果正秩和和负秩和之间的差异较大，则认为配对样本存在显著差异在公共卫生领域，我们可以使用符号秩检验来评估某种治疗方案对Wilcoxon患者的疼痛程度的影响，或者评估某种干预措施对人群的焦虑程度的影响数据配对计算差值12数据必须是配对样本计算配对数据的差值计算秩和3计算正秩和与负秩和检验Mann-Whitney U检验是一种用于检验两个独立样本是否存在显著差异的非参数统计方法它适用于数据不符合正态分布或方差不Mann-Whitney U齐的情况检验的基本原理是对所有数据进行排序，然后计算每个样本的秩和，如果两个样本的秩和之间的差异Mann-Whitney U较大，则认为两个样本存在显著差异在公共卫生领域，我们可以使用检验来比较不同饮食习惯的人群的平均体重是否存在显著差异，或者评估不同剂Mann-Whitney U量的药物对患者的疗效的影响是否存在显著差异数据排序计算秩和对所有数据进行排序计算每个样本的秩和生存分析基本概念生存分析是一种用于分析生存时间的统计方法生存时间是指从某个起始事件到某个终点事件发生的时间，例如从诊断到死亡的时间，从治疗到复发的时间等生存分析可以用于描述人群的生存状况，比较不同组人群的生存差异，预测个体的生存时间等在公共卫生领域，生存分析常用于研究疾病的自然史、评估治疗方案的效果、预测患者的生存时间等例如，我们可以使用生存分析来研究肺癌患者的生存时间，评估不同治疗方案对肺癌患者的生存时间的影响，或者预测某个肺癌患者的生存时间生存时间从起始事件到终点事件发生的时间生存曲线的绘制法Kaplan-Meier法是一种用于绘制生存曲线的常用方法生存曲线是指描述人群生存概率随时间变化的曲线法的基本原理是Kaplan-Meier Kaplan-Meier利用每个时间点的生存概率来估计整个生存曲线法可以用于描述人群的生存状况，比较不同组人群的生存差异Kaplan-Meier在公共卫生领域，我们可以使用法来绘制肺癌患者的生存曲线，从而了解肺癌患者的生存状况，或者比较不同治疗方案对肺癌Kaplan-Meier患者的生存时间的影响生存概率生存曲线描述人群在某个时间点仍然存活的概率描述人群生存概率随时间变化的曲线比例风险模型Cox比例风险模型是一种用于分析多个因素对生存时间的影响的统计方法Cox比例风险模型的基本原理是建立一个风险函数，描述多个因素对风险的影Cox响比例风险模型可以用于预测个体的生存时间，或者评估不同因素对生Cox存时间的影响在公共卫生领域，我们可以使用比例风险模型来分析年龄、性别、吸烟、Cox饮酒等因素对肺癌患者的生存时间的影响，或者评估不同治疗方案对肺癌患者的生存时间的影响风险函数描述多个因素对风险的影响生存时间用于预测个体的生存时间流行病学统计流行病学统计是指将统计方法应用于流行病学领域流行病学是研究人群中疾病的分布和影响因素的学科流行病学统计可以用于描述疾病的分布特征、识别疾病的危险因素、评估干预措施的效果等流行病学统计是公共卫生的重要组成部分在公共卫生领域，流行病学统计常用于研究传染病、慢性病、职业病等例如，我们可以使用流行病学统计来描述流感的流行趋势，识别高血压的危险因素，评估职业暴露对工人健康的影响流行病学研究人群中疾病的分布和影响因素患病率、发病率的计算与解释患病率是指在特定时间点，人群中患有某种疾病的个体所占比例发病率是指在特定时间内，人群中新发某种疾病的个体所占比例患病率和发病率是描述疾病分布特征的重要指标患病率反映疾病的现有情况，发病率反映疾病的发生趋势在公共卫生领域，我们可以使用患病率和发病率来描述不同地区人群的健康状况，或者评估某种干预措施对疾病控制的效果例如，我们可以计算某个地区的高血压患病率，或者计算某种疫苗对流感的预防效果患病率发病率反映疾病的现有情况反映疾病的发生趋势相对危险度（）的计算与解释RR相对危险度（）是指暴露组的发病率与非暴露组的发病率之比相对危险度可以用于衡量暴露因素对疾病发生的影响程度当大于时，表示RR RR1暴露因素是危险因素；当小于时，表示暴露因素是保护因素；当等于时，表示暴露因素与疾病发生没有关联RR1RR1在公共卫生领域，我们可以使用相对危险度来衡量吸烟对肺癌发生的影响，或者评估疫苗接种对流感发生的影响例如，如果吸烟人群的肺癌发病率是非吸烟人群的倍，则相对危险度为，表示吸烟是肺癌的危险因素1010非暴露组发病率21暴露组发病率相对危险度RR3比值比（）的计算与解释OR比值比（）是指暴露组的病例与非暴露组的病例之比比值OR oddsodds比可以用于衡量暴露因素对疾病发生的影响程度，特别是在病例对照研究中当大于时，表示暴露因素是危险因素；当小于时，表示暴露因素OR1OR1是保护因素；当等于时，表示暴露因素与疾病发生没有关联OR1在公共卫生领域，我们可以使用比值比来衡量吸烟对肺癌发生的影响，或者评估疫苗接种对流感发生的影响例如，如果吸烟人群的肺癌病例是odds非吸烟人群的倍，则比值比为，表示吸烟是肺癌的危险因素1010暴露组病例odds1非暴露组病例odds2比值比OR3敏感度、特异度的计算与解释敏感度是指诊断试验能够正确识别患病个体的能力，即真阳性率特异度是指诊断试验能够正确识别未患病个体的能力，即真阴性率敏感度和特异度是评价诊断试验准确性的重要指标敏感度越高，漏诊率越低；特异度越高，误诊率越低在公共卫生领域，我们需要根据疾病的特点和诊断试验的目的，选择合适的敏感度和特异度例如，对于严重威胁生命的疾病，我们需要选择敏感度较高的诊断试验，以减少漏诊；对于治疗费用较高的疾病，我们需要选择特异度较高的诊断试验，以减少误诊敏感度正确识别患病个体的能力特异度正确识别未患病个体的能力诊断试验的评价曲线ROC曲线是指描述诊断试验的敏感度与特异度之间关系的曲线曲线的横坐标为特异度（假阳性率），纵坐标为敏感度（真阳性率）曲线ROC ROC1-ROC下面积（）可以用于评价诊断试验的准确性越大，表示诊断试验的准确性越高曲线可以帮助我们选择合适的诊断试验，或者优化诊断AUC AUCROC试验的阈值在公共卫生领域，我们可以使用曲线来评价不同诊断试验对某种疾病的诊断效果，或者优化诊断试验的阈值，以提高诊断的准确性ROC曲线ROC AUC描述敏感度与特异度之间关系的曲线评价诊断试验的准确性抽样调查设计抽样调查设计是指确定抽样调查的目标、范围、对象、方法、样本量等抽样调查设计的目的是保证样本的代表性，从而获得可靠的统计结果抽样调查设计是抽样调查的关键步骤，需要根据研究的目的和实际情况进行carefully consideration.在公共卫生领域，我们需要carefully considerthe designof samplingsurveys toaccurately estimatethe health status ofpopulations,evaluate theeffectiveness ofinterventions,and providea scientificbasis forpublic healthdecision-making.范围2目标1对象35样本量方法4抽样方法的选择简单随机抽样简单随机抽样是指从总体中随机抽取个体，每个个体被抽中的概率相等简单随机抽样是最基本的抽样方法，适用于总体规模较小、个体差异较小的情况简单随机抽样的优点是简单易行，缺点是可能无法保证样本的代表性In thefield ofpublic health,when the population issmall and the individualdifferences aresmall,we canuse simplerandomsampling to select thesample.For example,when conductinga surveyon thehealthstatusof studentsin aschool,we canusesimple randomsampling toselect thesample.简单随机抽样每个个体被抽中的概率相等分层抽样、整群抽样分层抽样是指将总体划分为若干个层次，然后在每个层次中进行随机抽样分层抽样适用于总体规模较大、个体差异较大的情况分层抽样的优点是可以保证样本的代表性，缺点是需要了解总体的分层信息整群抽样是指将总体划分为若干个群，然后随机抽取若干个群进行调查整群抽样的优点是成本较低，缺点是样本的代表性较差在公共卫生领域，我们可以使用分层抽样toselectsamples whenthepopulationis largeand individualdifferences arelarge,or usecluster samplingto reducecosts.分层抽样整群抽样保证样本的代表性成本较低样本量的估计影响因素样本量的估计是指确定抽样调查所需的样本量样本量的大小受到多种因素的影响，包括总体的变异程度、允许的误差大小、置信水平等样本量越大，估计结果的准确性越高，但成本也越高因此，我们需要carefullyconsider theimpact ofvarious factorswhen estimatingthe samplesize.在公共卫生领域总体变异越大需要的样本量越大允许的误差越小需要的,,.,样本量越大置信水平越高需要的样本量越大.,.总体变异程度允许的误差大小置信水平统计软件的应用SPSS统计软件是指用于进行统计分析的计算机软件常用的统计软件有、、等SPSS SASR统计软件可以帮助我们快速、准确地进行统计分析，提高工作效率选择合适的统计软件，可以帮助我们更好地完成统计分析任务在公共卫生领域,SPSS isa widelyused statisticalsoftware,which canhelpus quicklyand accuratelyperform statisticalanalysis.Therefore,it isnecessaryto learnhow touse SPSSto analyzepublic healthdata.SPSSSASR软件简介SPSS软件是一种功能强大的统计分析软件，具有数据管理、统计分析、绘图等功能软件操作简单易学，界面友好，广泛应用于各个领域SPSS SPSS学习软件，可以帮助我们更好地进行统计分析，提高工作效率软件有多种版本，选择适合自己的版本，才能更好地应用该软件SPSS SPSS能够对数据进行有效管理提供多种统计分析方法并且绘制精美的统计图SPSS,,.统计分析21数据管理统计绘图3数据的录入与管理数据的录入与管理是统计分析的第一步数据的录入需要保证准确性，数据的管理需要保证规范性数据的录入与管理直接影响统计分析的结果，因此我们需要carefully considerthe recordingand managementof data.在公共卫生领域我们要保证录入数据的准确性对数据进行清洗对数据进行编码好的数据管理能使之后的统计分析更加方便高效,,,.,.数据录入数据管理保证准确性保证规范性..统计分析结果的解读统计分析结果的解读是指对统计分析的结果进行解释，从而得出有意义的结论统计分析结果的解读需要carefully considerthe正确解读统计结果是进行科学决策的基statistical methodsused,the assumptionsmade,and thelimitations of the data.础在公共卫生领域正确解读统计结果能够对公共卫生政策的制定实施起到有效支撑作用,,.统计方法假设数据局限性统计报告的撰写规范统计报告的撰写是指将统计分析的结果以书面形式呈现出来统计报告需要简洁明了、重点突出、数据准确、结论可靠统计报告的撰写需要carefullyconsider theaudience,the purposeofthereport,andthekey好的统计报告能让读者快速掌握关键信息，理解统计分析的结果findings.统计报告需要包含背景介绍、方法描述、结果展示、结论分析等部分.背景介绍方法描述结果展示结论分析公共卫生统计学的新进展公共卫生统计学不断发展，涌现出许多新的方法和技术例如，大数据分析、空间统计、机器学习等这些新的方法和技术为公共卫生研究提供了新的思路和工具了解公共卫生统计学的新进展，可以帮助我们更好地应对public healthchallenges.大数据分析可以帮助我们从海量数据中发现有价值的信息，空间统计可以帮助我们分析疾病的空间分布特征，机器学习可以帮助我们预测疾病的发生发展趋势.空间统计21大数据分析机器学习3大数据在公共卫生领域的应用大数据是指数据量巨大、数据类型多样、数据处理速度快的数据集合大数据为公共卫生研究提供了丰富的数据资源，可以帮助我们更全面、更深入地了解人群的健康状况，更准确地预测疾病的发生发展趋势大数据在公共卫生领域的应用前景广阔.大数据能有效提高疾病监测的灵敏性有助于优化资源配置有助于推进精准医疗,,.数据分析从海量数据中发现信息.空间统计在疾病监测中的应用空间统计是指将统计方法与地理信息系统相结合，分析疾病的空间分布特征空间统计可以帮助我们了解疾病的空间聚集性、扩散模式、危险区域等，为疾病预防控制提供依据空间统计在疾病监测中具有重要应用价值空间统计能够帮助我们及时发现疾病热点区域评估环境因素对疾病的影响制,,定更加有效的干预措施.疾病热点区域环境因素12干预措施3机器学习在疾病预测中的应用机器学习是指利用计算机算法从数据中学习规律，从而进行预测和决策机器学习可以帮助我们预测疾病的发生发展趋势，识别高危人群，评估干预措施的效果等机器学习在疾病预测中具有广阔的应用前景.机器学习能充分利用各类数据进行分析并且能不断从新数据中学习提高预,,测精度机器学习在疾病早期预警中能发挥重要作用..数据学习1模型训练2疾病预测3伦理问题数据安全与隐私保护在公共卫生统计学中，数据安全与隐私保护是重要的伦理问题我们需要严格遵守数据安全与隐私保护的法律法规，采取有效的技术措施，保护患者的个人信息数据安全与隐私保护是公共卫生统计学的重要责任我们需要对数据进行脱敏处理，防止数据泄露建立完善的数据管理制度加强,,数据安全意识教育.数据安全隐私保护。