🗂 總目錄 ｜ 📖 英文原文 ｜ 📝 完整翻譯 ｜ ⭐ 精華筆記（本篇）

統計方法學 (Statistical methodology)

• 資料型態：分析可用 SAS、STATA 等軟體執行。多數觀察性與實驗性研究蒐集量化資料 (quantitative data)：
  • 連續資料 (continuous data)：以含中間值的實數測量（如身高 62.5 cm）。
  • 離散資料 (discrete data)：無中間值的實數（如家族中有皮膚癌病史的人數）。
• 資料中心量數：
  • 平均數 (mean)：含離群值的平均，離群值可能大幅偏移平均數。
  • 中位數 (median)：由低至高排序後正中間之值（第五十百分位數），不受離群值顯著影響。
  • 眾數 (mode)：資料集中最常出現的值（直方圖的峰值）。
• 離散程度：
  • 變異數 (variance)：資料點與平均數差之平方的平均。
  • 標準差 (standard deviation)：變異數的平方根，衡量資料與平均數的接近程度；標準差低表多數值貼近平均，標準差高表資料分布範圍廣。
• 常態（高斯）分布 (normal / Gaussian distribution)：呈鐘形曲線；假定 68% 的資料落在平均數左右一個標準差內、95% 落在兩個標準差內、99.7% 落在三個標準差內。
• p 值 (p-value)：結果可能純屬機率所致的可能性度量。一般以 p-value <0.05（小於 5%）為統計顯著的門檻；p 值越低，結果為真的可能性越高。
• 檢力 (power)：揭示兩組間具統計顯著（p < 0.05）結果差異所需的資料點／受試者數目。檢力 = 1 減偽陰性率；檢力越高，偽陰性 (false negative) 可能性越低。一般 power >80% 視為具統計檢力。
• 檢力分析 (power analysis)：研究開始前應執行，以決定揭示顯著結果所需的最少資料點。計算樣本數所需基本資訊：檢定類型（單側或雙側）、顯著水準（通常 0.05）、期望檢力（1-b，即 type II error，通常 0.8）、及效應量估計 (effect size estimate)。可用統計學家、統計軟體或線上檢力計算器產生樣本數。缺此分析可能資料點過少而結論不準，或受試者過多而造成使病人遭受不必要傷害的倫理風險。
• 參數檢定 (parametric tests)：資料呈常態分布時用以比較平均數。
  • t 檢定 (t-test)：最知名的參數檢定，適用於常態分布的連續資料；所用 t 檢定視兩組變異數相等或不等而定。
  • 配對 t 檢定 (paired t-test)：樣本相關時使用，如前後對照研究、或配對樣本（如病例對照研究 case-control study）。
• 無母數檢定 (nonparametric tests)：資料集非常態時使用，包括 Wilcoxon Mann–Whitney U-test、Kruskal–Wallis (H) test、Wilcoxon Signed-Rank test。
• 卡方檢定 (chi-squared test)：比較觀察比例與期望比例時使用，如比較兩性間結節型黑色素瘤發生率與期望值（50:50）。
• 迴歸分析 (regression analysis)：可檢驗多個自變項對特定結果的影響（如同時分析年齡、免疫狀態、所受治療、共病對 SCC 轉移率的影響）。以統計套件建模產生 r² 值，協助判斷結果中有多少變異源自所辨識的變項；例：若 r² = 0.78，表示 78% 的結果源自所定義的變項。
• 邏輯斯迴歸 (logistic regression)：當依變項為二元時，用以建模事件發生機率，並為任一自變項產生 OR 與 p 值。