圆形分布角均数可信区间的计算

目的:计算圆形分布角均数的可信区间。方法:利用EXCEL函数功能计算圆形分布角均数的可信区间。结果:当样本量足够大时,角均数可信区间的计算精度较高。结论:不需要查表,利用EXCEL精确计算角均数的可信区间,应用于方向性资料的正常值计算和可信限的估计。     

圆形分布集中参数k的单变量求解

目的:用Excel精确计算Von mises函数的集中参数k,解决查表法不精确不方便的难题。方法:利用Excel工程函数、单变量求解技术,计算Von mises函数的集中参数k。结果:Von mises函数参数k值,n=∞时可实现精确计算,n>100时,误差控制在1%左右,计算精度也较高。顺利的解决了查表的不方便不精确这一难题。结论:不需要复杂的编程,利用Excel即可精确求解圆形分布的参数k,应用于方向性资料的正常值计算和可信限的估计。     

圆形分布时间与日期资料的角度转换

目的:将时间与日期格式的资料换算为三角函数中的角度资料,以便计算圆形分布。方法:利用EXCEL函数功能,将时间与日期格式的资料换算为每年或每天对应360°角度。结果:用EXCEL将时间与日期格式的资料换算角度计算圆形分布,非常精确和简便。结论:用EXCEL换算圆形分布资料,精确而简便。     

单组临床试验目标值法的精确样本含量估计及统计推断

目的:针对结局为二分类变量以率作为终点评价指标的单组临床试验,探讨基于二项分布原理进行单组目标值法样本含量估计及统计推断的精确方法。方法:系统综合和全面论述了单组临床试验目标值法所涉及到的样本含量计算、可信区间估计和假设检验的精确方法。结果:按目标值起点为75%,间隔1%增加,给出预期事件发生率起点为76%,间隔1%增加,与目标值对应的精确样本含量结果,并列表给出β在0.20条件下,α分别取单侧和双侧0.05水平下的两套结果,可供直接查用。提供了可信区间估计及假设检验的精确计算公式。结论:为单组临床试验目标值法的样本含量计算、可信区间估计及假设检验提供了系统、实用的方法学支持。     

圆形分布函数曲线下面积的计算

目的:计算圆形分布函数曲线下的面积,用于角度资料正常值范围的估计和角均数的可信限计算。方法:利用EX-CEL工程函数和辛普森积分计算技术,计算Vonmises函数曲线下的面积,精确计算圆形分布函数曲线下的面积。结果:用辛普森积分精确计算圆形分布函数曲线下的面积,比查表法精确和方便。结论:精确计算圆形分布函数曲线下的面积,用于角度资料正常值范围的估计和角均数的可信限计算,扩展了圆形分布的应用范围。     

应用EXCEL实现秩和比法的计算及其评价

目的:探讨应用Excel完成秩和比法计算的途径。方法:应用Excel的计算函数,编写秩和比法的计算程序,结合实例评价计算结果。结果:在Excel中可以完成秩和比法中各类指标的秩次、RSR的分布和可信区间、回归方程、评价对象的分档以及和谐检验的计算,与SAS的计算结果一致。结论:Excel程序可以简便、快速、正确地完成秩和比法的计算。     

阳性药对照临床试验有效性的可信区间评价方法

目的　介绍阳性药对照临床试验中3种有效性评价的可信区间方法,并将其与传统的假设检验方法进行比较。方法与结果　用假设检验和可信区间方法分别对3个阳性药对照试验进行了计算与分析在3种情况下均显示了可信区间方法的适用性。结论　在阳性药对照临床试验中,传统假设检验方法具有明显的局限性,建议结合可信区间方法使用。     

儿科重症监护室患儿的肢体肌肉萎缩趋势观察

目的:观察儿科重症监护室(PICU)患儿的四肢肌肉萎缩随时间的变化趋势.方法:纳入2020年6月到9月在复旦大学附属儿科医院PICU患儿(2～14岁)22例,测量并记录患儿每周四肢围度变化,用线性混合模型分析2次四肢围度测量的变化趋势,并校正年龄、性别、体质指数和入院诊断疾病协变量,计算校正的β值和95％可信区间(CI...     

EXCEL电子表格在打印病区体温单原始记录中的应用

目的 为提高病房护士的工作效率,减少护士非护理时间的占用,避免护士手工转抄体温单原始记录单存在漏抄、错抄的弊端.方法 用EXCEL电子表格打印代替手工转抄病区体温单原始记录.结果 用EXCEL电子表格打印体温单原始记录,可大大提高病房护士的工作效率,减少手工转抄带来的许多弊端.结论 用EXCEL电子表格打印病区体温单原始记录,可在目前仍采用手工转抄体温单原始记录的医院各个病区推广使用.     

靴襻法分析在药物经济学评价中的应用

在药物经济学研究中,国外学者在利用可信区间法进行敏感度分析时,常用的方法有Fieller理论、Tavlor公式和靴襻法(bootstrap method)分析.其中Fieller理论、Taylor公式在计算成本-效果比的可信区间时要求成本和效果数据的分布满足正态分布,而实际上临床试验所得到的数据多数不服从正态分布,因此利用它们来计算增量成本-效果比的可信区间有一定的局限性.而bootstrap分析对数据的分布不作任何要求,因而应用范围更广[1].