计算学办法一直是科技期刊研讨原著文章中的重要组成部分，在研讨规划和样本量预算已完结的状况下，最重要的便是数据的计算学剖析环节，但现在我国大多数医学期刊对计算学办法的描绘还不行规范。现将计算学办法的描绘关键作一收拾，作者编撰研讨原著类文章时，应遵从以下过程描绘计算学办法。

  1.描绘计算学软件信息：首要要对正文的计算学软件加以描绘，需描绘软件名称、来历厂家和版别。常用的软件包含SAS、STATA和SPSS等，还包含顺便计算学功用的软件如GraphPad Prism 7等。

  2.描绘计算学目标：需阐明研讨中各描绘性成果目标的表明办法。2.1计量材料：正态分布材料包含均值(mean)、规范差(SD)和规范误(SEM)；非正态分布材料包含中位数(Median，M)和四分位数距离(P75-P25)。2.2计数材料和等级材料：首要表明为构成比(如4/15，比重)和百分率(如63%，频率强度)，一般用n(%)表明。如想了解各种疾病在特定人群所占的份额，用构成比表明，如想了解哪一个年龄组发病率高，用百分率表明。2.3效应量目标：首要包含比值比(odds ratio，OR)及相对危险度(Risk Ratio，RR)。95%置信区间(confidence interval，CI)，如OR(95%CI)=2.6(1.3-5.2)。

  3.计算学剖析办法3.1计量材料的比较3.1.1两组比较(正态分布)：t查验：又称Student t查验，有必要满意正态性，方差齐条件，首要包含两样本t查验(独立样本t查验及成组t查验)和配对样本t查验。配对样本t查验的适用状况：(1) 同一研讨目标给予处理前、后比较(即本身配对)；(2) 同一受试目标承受两种不同的处理；(3) 配对的两个受试目标别离承受两种不同的处理；(4) 同一目标的两个部位给予不同的处理。3.1.2多组比较(正态分布)：方差剖析：两个及以上样本间均数的比较，选用成组和配伍规划，包含单要素、双要素、多要素、析因规划、重复丈量方差剖析( 3个时刻点数据比较)。在双要素、多要素、析因规划方差剖析成果中一定要有主效应和交互效应的阐明。留意，比较多组数据时，不能用t查验替代方差剖析，首要原因是t查验破坏了原先的全体规划；呈现假阳性过错的概率明显添加；t查验割裂了各要素之间的内在联系，无法调查交互作用是否具有明显性含义。应选用方差剖析结合过后查验进行两两比较。3.1.3非正态分布计量数据的非参数查验(秩和查验)：两组数据差异比较用Mann-Whitney U查验，多组数据差异比较用Kruskal-Wallis H法。3.2 计数材料的比较3.2.1两组比较：行χ2查验。(1) n 40而且所以理论数(T)大于5，则用Pearsonχ2查验；(2) n 40而且所以理论数(T)大于1而且至少存在一个理论数 5，则用校对Pearsonχ2查验；(3) n 40或存在理论数(T) 1，则用准确(Fisher)概率法；(4) n 40，用Fisher准确概率法。(5)配对样本材料比较：可用配对四格表χ2查验；本身前后数据材料比较：McNemyerχ2查验。3.2.2多组比较：行列表χ2查验。3.3等级材料的比较：对组间等级材料的明显性查验选用非参数查验法。3.3.1两组比较：成组规划材料用Wilcoxon两样本比较法比较，配对规划材料用符号秩和查验法比较。3.3.2多组比较：成组规划用Kruskal-Wallis H法、Ridit法比较；多个样本两两比较用Nemenyi法比较；配伍组规划用Friedman秩和查验法比较。3.4 相关和回归剖析3.4.1相关性剖析：先作散点图，确认有线性趋势方可进行相关性剖析。线性相关：Pearson相关性剖析(正态分布)；秩相关：Spearman相关性剖析(非正态分布，等级材料)。3.4.2线性回归：包含因变量(结局)、自变量(要素) 和连续变量，数据需契合正态分布。简单线自变量；多重线个因变量，多个自变量。

  3.4.3 Logistics回归：包含因变量(结局)和自变量(要素)。条件Logistics回归(配对，病例对照数据)，非条件Logistics回归(成组数据)。其中非条件Logistics回归包含2种，二元Logistic回归：是指因变量为二分类变量(是，否；患病，未患病)的回归剖析；多元Logistic回归：是指因变量为有序或无序分类变量(轻、中、重；高中、低；优、良、中、差；A，B，C，D)的回归剖析。3.4.4 Cox回归：包含因变量(结局)和自变量(要素)，多用于生计剖析。危险函数比(hazard ratio，HR)：是生计剖析材料中用于估量由于某种要素的存在而使逝世/缓解/复发等危险改动的倍数。3.4.5归入回归模型的变量挑选：单要素剖析后，应当考虑应该将哪些自变量归入回归模型进行多要素剖析？一般状况下，主张归入的变量有：(1)单要素剖析组间数据差异有明显性含义的变量(此刻，最好将P值放宽一些，比方P 0.1或P 0.15等，防止漏掉一些重要要素)；(2)单要素剖析时，没有发现差异有明显性含义，可是临床上以为与因变量关系密切的自变量。

  4 计算学办法描绘举例：4.1数据描绘：①实验选用SPSS 22.0软件(美国IBM公司)进行计算学剖析。②计算剖析时先查看各研讨中心完结例数、病例的掉落状况，然后进行两组患者当选时的人口计算学及基线各有关特征的剖析，调查实验组和对照组之间的可比性。③计量材料选用均数、规范差、中位数、最小值和最大值、上下四分位数进行计算描绘，计数材料选用例数和百分比进行计算描绘。4.2计算剖析办法：①实验中各随访时刻点两组间L2-4、股骨颈、Ward’s三角区骨密度值较基线的差值、血清钙、甲状旁腺素、骨钙素、白细胞介素10、白细胞介素6、肿瘤坏死因子α和1水平比较选用两样本t查验(数据正态分布)或Mann-Whitney U查验(数据非正态分布)。②组内各时刻点上述数据差异比较选用重复丈量方差剖析及LSD过后查验比较。③两组不良反应发生率差异的比较选用Pearson χ2查验。④各组骨密度值目标、骨质疏松目标及炎性因子目标间的相关性剖析选用Pearson相关剖析法(数据正态分布)或Spearman相关剖析法(数据非正态分布)。⑤查验水准(双侧)α = 0.05。