“资料与方法”的表述内容

应具体地描述研究对象的来源和选择方法,包括观察对象的基本情况、有无随机分组（随机抽样）、样本含量估计的依据等。若进行了随机化分组,应说明具体的随机化方法（如完全随机、配对或分层随机分组等）。对于非随机化分组的观察性研究,除要明确说明观察对象的选择方法外（如是否配对、随机抽样）,还应给出影响因素（如年龄、性别、病情）的均衡性分析结果。     

今后10年最重要的心血管治疗和干预之一——“一片多药”有助于病人坚持服药

<正>病人不能坚持按时服药和不能坚持健康的生活方式是治疗中的重大问题。有高血压、糖尿病或冠心病等慢性病患者,能坚持医生处方服药者5%。学者们估计,美国年度医疗保健支出中,2 900亿美元是由于病人不能坚持服药。这种情况受多种因素影响:例如经济负担、治疗太复杂,病人每天需服数种药片……学者们曾提出3种剂量-固定的药物合并成"一片多药"方案。最初学者建议,55岁的人服6种活性的成分,可望降低     

全基因组与外显子组测序的应用评估

随着新一代测序技术的不断成熟完善,人类基因组和外显子组测序得到了迅猛发展。测序技术的高通量性致使测序价格越来越低廉,使全基因组和外显子组测序真正用于临床诊断成为现实。作为医学预测和个体化医疗的重要工具之一,全基因组和外显子组测序应用范围广泛,该文针对其在遗传性疾病基因变异中的诊断进行讨论,同时为临床医生如何申请测序,测序报告解释,以及如何与患者沟通检测结果提供了新视角。     

精神卫生科研如何严格遵守试验设计四原则之随机原则

明确阐释在进行精神卫生临床试验设计时,应正确把握"随机原则"的意义和要领。从基本常识出发,并基于精神卫生科研的特点,寻找和发现在此研究领域中,怎样做才能被称为严格遵守了"随机原则"。通过结合本专业的特点,并结合实例,获得如下的结果,即在进行精神卫生临床试验设计时,必须把握好以下三个方面:1正确选定随机化的种类;2正确方便地实现随机化;3必须尽可能避免违背随机化的做法。在如何严格遵守随机原则问题上,正确把握好前述提及的三个方面,就是抓住了问题的本质,是提高临床试验研究质量的一个重要环节。     

临床试验研究常用的设计类型——交叉设计

交叉设计是临床试验研究常用的设计类型之一。在交叉设计的试验研究中,受试者通常会经过随机化过程进入不同的实验顺序组,在各个试验阶段按研究设计逐一接受相应的治疗处理。其中最长见的是2×2交叉设计,其设计模式可以通过以下简图表示:     

如何在研究设计中贯彻实验设计的思想和均衡的原则

医学研究可分为实验性研究与视察性研究两大类。实验性研究应遵照Fisher提出的“重复、对照、随机化”的实验设计的基本原则。“重复”是指无论是试验组还是对照组，都应有足够的视察样本，而且应该在研究设计时确定。“对照”的形式有许多种，只有随机化同期对照才符合实验设计的要求。“随机化”是指按照统计学规定的特定程序，将研究对象随机分组。“均衡”的原则，主要针对视察性研究而育，如用配对的方法使两组患的病情、病程、性别、年龄相似。特别指出，非随机分组达到的“均衡”是相对的、有限的，应尽可能地运用随机分组方法达到统计意义上的真正均衡。     

随机化分组后的组内比较可能产生误导性结论

当我们把研究对象随机分配到两个或者更多的干预组时，其目的是为了消除偏倚；在随机化分组后，各组间除了接受的处理不同外，其他方面均具有可比性。假设试验严格按照规程执行，没有其他来源的偏倚，那么各组间在结局上的任何差异，     

体重指数与视网膜中央动脉阻塞之间的因果关系：一项孟德尔随机研究

目的 利用目前常用的评判肥胖的指标体重指数(BMI)与孟德尔随机化(MR)方法来分析肥胖与视网膜中央动脉阻塞(CRAO)之间的因果关系。方法 采用全基因组关联研究的汇总统计数据,进行双样本MR分析。将暴露的遗传工具分为男性组(n=60 586,SNP=2 736 876,欧洲男性)及女性组(n=171 977,SNP=2 494 613,欧洲女性);CRAO作为结局。BMI的工具变量来自综合流行病学单位公共可用数据;结局数据CRAO来自FinnGen数据库。采用逆方差加权(IVW)、加权中位数分析BMI与CRAO之间的潜在因果关系。结果 IVW分析结果显示,BMI水平升高显著增加了男性发生CRAO的风险(OR=4.57,95%CI为1.32～15.82,P=0.016)以及女性发生CRAO的风险(OR=3.48,95%CI为1.40～8.63,P=0.007)。同时,加权中位数和MR-Egger分析的结果支持上述结论。除此之外,本研究结果并不存在异质性及多效性。结论 BMI升高与CRAO发生呈正相关。这一研究为BMI水平升高的无症状者提供了有效的CRAO预防策略。     

针对感染性疾病的卫生政策研究

<正>1背景与目标1.1研究背景目前,在公共卫生领域经济上的效费比(cost-effectiveness ratio,CER)评价已经成为决策者经常使用的评价工具之一[1]。CER是指在一个指定的健康干预措施中每获得1个单位的健康效果而增加的成本量,通常用于在同一问题上比较不同政策带来的成效,在卫生经济学领域常用于进行成本效果