各版醫學統計學教材存在異議之芻議*

濱州醫學院公共衛生與管理學院（264003） 胡乃寶 王 玖 孫紅衛 劉海霞

各版醫學統計學教材存在異議之芻議*

濱州醫學院公共衛生與管理學院（264003） 胡乃寶 王 玖 孫紅衛 劉海霞

教材是知識的載體，是教師傳授知識的范本，具有理論性、知識性和規范性等的特點，其不同于一般的讀物，應精益求精、一絲不茍。一句之差，一字之差，甚至一個標點的謬誤，往往失之千里［1］。

醫學統計學是醫學院校醫學教育過程中的一門重要的專業基礎課程，衛生統計學是預防醫學專業的主干課程，兩門課程都是應用概率論與數理統計的原理和方法研究各自領域內的數據收集、整理和分析的應用科學。衛生/醫學統計學課程是醫學教育過程中的一門工具課程，特別在科研工作中發揮重要作用。《醫學統計學》（人民衛生出版社，第6版）［2］、《衛生統計學》（人民衛生出版社，第7版）［3］應該是應用最為廣泛的兩本教材，前者適用于基礎、臨床、口腔醫學類專業，后者為預防、衛生管理類專業用。然而，近幾年隨著出書熱潮的不斷走高，教育改革的不斷深化，不同出版社都在爭先出版統計學類教材，其中包括人民衛生出版社、高等教育出版社、科學出版社和中國統計出版社等。現在的教材在印刷質量上有很大程度的提高，可讀性增強，且在外觀上、排版上都有了長足進步，在形式上也是各有特色。如《衛生統計學》（人民衛生出版社）注重了實用性與挑戰性，從第5版開始，在每一章增設一節“案例討論”，學生學習到的統計學知識有了實戰的機會；從第6版開始設置了“中英文結果報告”，規范科研工作者及學生撰寫統計報告；第7版則分別強化了統計學的模塊意識、研究設計和樣本含量估算的地位。《醫學統計學》（科學出版社）［4］在每章增設了名人名言，增加了人文氣息，給予讀者激勵和警戒。各版案例版《醫學統計學》［4－5］將典型科研正反案例融入各章知識點之中，采用錯誤案例（或正常案例）→問題→分析→基本概念→實際科研案例→正確分析方法→知識點→思考練習模式，強調了以學生為主體、以教師為主導的教育教學理念，改變了傳統教學活動中“教”與“學”分離的現象。《統計分析在醫學課題中的應用》［6］則以統計分析在醫學課題中的應用為主旋律，從解決問題角度撰寫，一切從實際出發，易學、易懂、易用。《醫學統計學——運用三型理論分析定量與定性資料》［7］將解決與統計學相關問題的思維過程和技術方法概括為統計學三型理論，透過事物的現象看清本質，用正確的統計學思想指導統計方法的應用選擇。另外，還有不同學年制的《醫學統計學》教材［8－13］，可謂是百花齊放，競相爭輝。

但是，縱觀各種版本的教材，不難發現其中也有不盡人意的地方，筆者在使用過程中，發現一些值得推敲的問題，這些問題可能會給教師授課及學生自學帶來一定的不便，茲將各版本教材中存在異議的一些問題分述如下。

教材知識點的準確性

1．統計資料類型的轉化問題

識別資料的類型非常重要，因為不同類型的資料需要不同的統計學方法去分析。各版教材給出的分類方法基本有兩種：一是分為定量資料與定性資料，定性資料又分為分類變量（名義變量）與有序變量（等級變量）；第二種分類方法分為計量資料和計數資料兩大類。可以看出兩種分類方法略有不同，但是實質是一致的。但是在資料類型轉化的問題上產生了分歧。一種觀點是資料只能由“高級”向“低級”轉化：定量→有序→分類→二值，不能作相反方向的轉化；另一種觀點是，根據分析需要，定量資料、分類資料和等級資料可以相互轉化。上述兩種觀點存在矛盾，教學過程中經常有學生參考其他書籍后提出疑問。觀點“資料只能由‘高級’向‘低級’轉化”容易理解。如例：測量一組20～40歲成年人的收縮壓值。然后定義＜8kPa為低血壓，8kPa～定義為正常血壓，12kPa～定義為輕度高血壓，15kPa～定義為中度高血壓，＞17kPa定義為重度高血壓，分別清點各組的人數。另外，可以將8kPa～12kPa定義為正常血壓，其他則定義為異常血壓，同時也清點人數。本例就是資料由“高級”向“低級”轉化的過程。血壓值是定量資料，可以通過分類賦值轉化為等級資料（低血壓、正常血壓、輕度低血壓、中度低血壓和重度低血壓），進一步“丟失信息量”就轉化為了二分類變量（正常血壓和異常血壓）。但是由于“信息量已經丟失”，二分類變量不能轉化為等級資料，等級資料無法轉化為定量資料。

觀點“根據分析需要，定量資料、分類資料和等級資料可以相互轉化”一方面是定量變量向定性變量轉化，與上述觀點相同。另一方面是定性資料轉化為定量資料，則不好理解。綜合各類教材觀點可以通過此例闡述：“調查某市各小區老年男性的失眠情況，具體為失眠、不失眠兩個分類，分別清點人數，則該資料為定性資料（二分類資料），在此基礎上，可以計算小區的失眠患病率，每個小區的患病率（數值）就構成了定量資料，即實現了定性資料向定量資料的轉化。”但是仔細琢磨后會發現問題，“失眠與否是二分類資料”是個體層面的，“失眠患病率是定量資料”是群體層面的。兩類變量所依賴的對象不處于同一水平，在老年男性個體水平上則根本無法實現資料從“低級”向“高級”轉化。所以，“根據需要資料間可以相互轉化”的觀點是片面的。

2．置信區間與置信帶的涵義

置信區間與置信帶都屬于統計推斷的范疇，前者是估計總體參數的所在取值范圍，后者是估計總體回歸直線所在的“空間范圍”，置信區間與置信帶的含義基本類似。以總體均數95%置信區間為例，各版教材給出的涵義是“該區間包含總體均數的可能性為95%”，而不能表述為“總體均數在該區間的概率是95%”。總體均數是“靜止不變”的恒量，而置信區間是由樣本統計量計算得到的，是“動態變化”的變量，涵義“該區間包含總體均數的可能性為95%”就很好地強調了總體均數的“靜”與置信區間的“動”。但是對于置信帶的涵義則存在異議。以總體回歸直線95%置信帶為例，有的版本教材給出的涵義是“在滿足線性回歸的假設條件下，可以認為總體回歸直線落在兩條弧形曲線所形成的區帶內，置信度是95%”。參考置信區間涵義，筆者認為此涵義不妥，應該表述為“在滿足線性回歸的假設條件下，該弧形帶包含總體回歸直線的可能性是95%”，以體現總體回歸直線的“靜”與置信帶的“動”。

3．壽命表法與KM法生存曲線的不同

壽命表法（life table method）和KM法（Kaplan-Meiermethod/product-limitmethod）是生存分析中估計生存率的兩種非參數方法。兩種方法的思想存在一定差異，但是在個別教材中兩種方法得到的生存曲線卻基本相同，都呈階梯狀。筆者在教學過程中碰到學生提出異議，在此加以討論。

壽命表法是分析分組生存資料的經典方法，用定群壽命表的思想計算生存率。該方法估計的是每個組段右側端點的生存率，研究對象是在組段內陸續死亡的，而組段內生存率的變化規律未知，所以壽命表法生存曲線用折線連接，表現出來是折線圖。KM法則將壽命表法中的時間組段取極限（limit），計算的是所有死亡時間點的生存率，即研究對象是在時間點的“一瞬間”死亡，所以生存曲線表現為生存率垂直下降，而兩個相鄰死亡時間點之間的生存率都等于前一個死亡時間點的生存率，所以其生存曲線水平連接，表現為階梯狀曲線。基于此，筆者認為為了區分兩種方法思想的不同，各自的生存曲線也應不同。

4．教材存在的“低級失誤”

隨著教材版本的不斷更新，知識點越來越貼近當前科技前沿，但是也必須看到，教材的“低級失誤”并不是隨著版本的更新越來越少。“低級失誤”具體可有如下表現：①改版過程中，編者更新了例題，但在敘述方法思想或過程中的統計量（自由度、臨界值）沒有更換，表現為“換湯忘記換藥”；②數字的筆誤；③個別編委貪圖省時省力，盲目地相信其他版本教材，沒有仔細考證每個知識點的準確性，一味地“復制粘貼”。

學術名詞的選用

專家在教材編寫過程中，都會對專業名詞進行反復細致推敲，但由于客觀原因，一些名詞使用仍然存在異議，一定程度上影響了學生學習和教師講授效果。誠然某些專業名詞難以絕對統一，個別也非原則問題，但筆者認為有必要提出來進行討論，以取得盡可能大的共識。

1．多重線性回歸與多元線性回歸的區分

國內很多教材將多重線性回歸分析與多元線性回歸分析不加區分，但是從他們的英文出處來看兩者存在區別（多重線性回歸英文為multiple regression，而多元線性回歸英文為multivariate regression）［14］。筆者在教學工作中便多次碰到學生問此問題。線性回歸法分析是研究一個變量或多個變量（即反應變量。定量變量，滿足線性回歸條件時，下同）與另外一個變量或多個變量（即自變量）的數量依存關系，目的在于根據模型對反應變量進行因素分析、趨勢預測及誤差分析等。按照回歸分析研究變量（反應變量、自變量）多少，線性回歸分析大體包括：簡單線性回歸、多重線性回歸和多元線性回歸，變量個數與回歸名稱的關系表1。

表1 變量個數與相關、回歸類型

在日常應用中，很多人將多重線性回歸與多元線性回歸的概念混淆，張冠李戴，包括國內很多權威的醫學/衛生統計學教科書，將多重線性回歸分析誤稱為多元線性回歸分析。雖然個別教材已經“約定俗成”，在使用時也不會出現誤用，但是本著精益求精的治學態度，筆者建議全國科學技術名詞審定委員會能給出明確定義，以供編者參考。

2．名詞log－rank test的翻譯

受中國近代自然科學發展落后影響，當前大學階段所學習的自然科學領域知識大都是歐美國家科學家提出的。在教材名詞翻譯過程中，有的翻譯探驪得珠、渾然天成，令人拍案叫絕，但也有的翻譯張冠李戴、文不對題，令人莫名其妙。

國內很多專著、文獻將log－rank test譯為“對數－秩檢驗”，但是從方法的原理來考察，該方法跟對數沒有任何聯系，其基本思想是：“按照生存時間大小排序，在H0成立的條件下，根據每個時間點的死亡率計算出該時間點上各組的理論死亡數，將所有時間點各組的理論死亡數累加，便得到各組的理論死亡總數；將理論死亡總數和實際死亡總數比較，得到log－rank test的檢驗統計量。”可見，該方法跟“對數”沒有任何關系；同時，該方法也沒有編制秩次，跟“秩”也沒關，那么翻譯成“對數－秩檢驗”是毫無道理的。logrank字面意思應該為：“將生存時間排序（rank），然后將死亡事件記錄到時間軸上，形成日志（log）”。所以有的教材將該方法翻譯為“時序檢驗”。但是不管怎么翻譯，總有一種意猶未盡之感，難以完全表達原作者命名的初衷。

筆者認為，在名詞翻譯過程中，如果找到合適漢語表達最好。若難以找到合適的翻譯語言，不妨不用翻譯，直接用英文名字表達，如t檢驗，log－rank檢驗，或者用發現者或提出者的名詞代替，如Cox回歸、Kruskal－Wallis H檢驗等。

3．同義不同詞現象

雖然出版社一般都要求編者參考由全國科學技術名詞審定委員會出版的學術名詞，但是名字表中有很多名詞出現同義不同詞現象，這樣就使不同編者在選用名詞時會出現前后章節不一致的現象，對專家學者來講可能毫無影響，但是對于初學者而言就是很大的麻煩。

下面列舉一些各版教材中使用各異，有的甚至在同一版教材前后不一致的名詞。資料類型的“定量資料”和“計量資料”，“定性資料”和“計數資料”，“分類變量”和“名義變量”以及“等級資料”和“有序資料”；參數估計的“可信區間”和“置信區間”；常用實驗設計方案的“隨機區組設計”、“單位組設計”和“配伍組設計”；線性回歸的“決定系數”、“確定系數”、和“可決系數”；相對數中的“構成比”和“頻率分布”；生存分析中的“截尾數據”和“刪失數據”，等。雖然多數名詞“約定俗成”并非原則問題，但是仍不免有“偽創新”之嫌。隨著學科的發展，某些名詞確已陳舊過時的，應予摒棄；如果熟用已久，而且在其他課程教材中也普遍使用，則大可不必“改名”，以免人為增加學生學業負擔。在編寫過程中，可以將必要的同義詞列出或在括號中說明，但多少要適度，主次位置要準確。

教材知識的先進性

教材內容除了要注重基礎性之外，還要強調學科前沿探索性。基礎理論具有相對的穩定性，因此高校教材通常更注重“三基”（基本理論、基本知識和基本技能）內容的價值。但是，高校教材畢竟是大學生的教材，也有必要包括學科最為前沿的方法理論，甚至有必要包括各派觀點的爭論，以拓寬學生視野，培養批判性思維能力。

衛生/醫學統計學是醫學教育過程中的一門工具課程，是專業基礎課程，教材的內容一般都是經典的統計學理論與方法。但是近年來，伴隨著遺傳統計、多水平模型、結構方程模型、健康量表等新的統計理論與方法的不斷涌現，現有的“三基”難以完全滿足醫學科研對統計學的需求。筆者認為，教材的編寫在做“減法”的同時，也可做一些“加法”，適當體現統計學前沿發展，不為增加教師授課負擔或學生的學習負擔，只為學生知其存在、知其用途，用到的時候能自學，解決眼前問題。同時，統計學教材也要注重于相關課程（如流行病學、循證醫學）的知識銜接，以便學生在今后的學習中能縱向連接、橫向聯系，學以致用。

［1］王東，李笑巖，劉桂香，等．各版《組織學與胚胎學》教材中的瑕疵引起的思考．西北醫學教育，2009，17（4）：737－740．

［2］李康，賀佳．醫學統計學．第6版．北京：人民衛生出版社，2013．

［3］方積乾．衛生統計學．第7版．北京：人民衛生出版社，2012．

［4］羅家洪，薛茜．醫學統計學．北京：科學出版社，2008．

［5］羅家洪，郭秀花．醫學統計學．第2版．北京：科學出版社，2011．

［6］蔣知儉．統計分析在醫學課題中的應用．北京：人民衛生出版社，2008．

［7］胡良平．醫學統計學——運用三型理論分析定量與定性資料．北京：人民軍醫出版社，2009．

［8］方積乾．生物醫學研究的統計方法．北京：高等教育出版社，2012．

［9］孫振球，徐勇勇．醫學統計學．第4版．北京：人民衛生出版社，2014．

［10］馬斌榮．醫學統計學．第5版．北京：人民衛生出版社，2011．

［11］顏虹．醫學統計學．第2版．北京：人民衛生出版社，2010．

［12］顏虹，徐勇勇．醫學統計學．第3版．北京：人民衛生出版社，2015．

［13］徐勇勇．醫學統計學．第3版．北京：高等教育出版社，2014．

［14］陳峰．醫用多元統計分析方法．北京：中國統計出版社，2000．

（責任編輯：郭海強）

山東省研究生教育創新計劃資助項目（SDYY11100）；濱州醫學院課程與教學方法改革研究立項項目（JYKT201258）