晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

上篇文章我們已經介紹過敏感性（Sensitivity）及特異度（Specificity）的定義，現在有個很重要的問題要詢問：「如果檢驗陽性，那麼患病的機率是多少」或「如果檢驗陰性，那麼沒有患病的機率是多少」，在回答這個問題之前，我們要先介紹一個很重要的名詞－概似比（Likelihood ratio）。

醫學篩檢（Medical Screening）旨在從尚未發病的健康族群之中找出可能罹患疾病的人。以癌症篩檢為例，目前在台灣有4種癌症的醫學篩檢是免費提供的，包括30歲以上的婦女每年一次免費子宮頸抹片檢查、45歲以上的婦女每兩年一次乳癌乳房X光攝影檢查、50歲以上的每兩年一次大腸癌糞便潛血檢查以及30歲以上每兩年一次口腔癌口腔黏膜檢查。

由上一篇可知，在SAS做資料處理與分析的過程中，是由一連串的DATA STEP與PROC STEP所組合而成，而不論是哪一個STEP，又皆是由數個敘述句所組成的，以下將針對敘述句與SAS變數做介紹，以及說明應注意的事項。

    今(2012)年2月中旬到臺灣師範大學上了許獻元博士的階層線性模型(HLM)課程，一個最大的感想是，高階統計方法的出現，並不是為了賣弄高深的數學，故意搞了複雜的統計公式，而是人類社會的實況就是這麼複雜，用簡化的統計方法，已經不能符合需要。

【2018-10-8經網友提醒，發現舉例錯誤，因此更正】

在醫學領域裡頭常常將依變項（dependent variable / outcome）定義為二元的變項（binary / dichotomous），有一些是天生的二元變項，例如病人死亡與否、病人洗腎與否；有些則是人為定義為二元變項，例如心臟科常將病人的左心室射血分數（left ventricular ejection fraction, LVEF）小於40% (or 35%) 為異常，或腎臟科將病人的腎絲球過濾率（estimated Glomerular filtration rate, eGFR）定義為小於60%為異常。

最近在複習利用SAS來做資料的處理，所參考教科書為林政豐老師的SAS應用之資料處理（2005），期望在學習的過程中，將自己所看到且應注意的地方紀錄下來，並與大家來做討論，若有發現錯誤的地方，也希望能給小弟一些批評與指教。

本篇文章旨在介紹醫學領域常見的研究設計（research design），原則上只介紹同時有實驗組與對照組研究設計（因為最常見），下圖列出簡易版的研究設計分類圖（註：在流行病學所定義的研究設計比以下的圖還複雜許多，本例只是用最簡化的例子作示範），大致可分成前瞻性研究（prospective study）及回溯性研究（retrospective study）兩個類別，其中前瞻性研究至少包括兩種主要的研究設計：①臨床實驗（clinical trials）②世代研究（cohort study），而回溯性研究則至少包括最常見的病例對照研究（case-control study）。

坊間基礎統計書籍如果沒有上千本，那至少也有上百本吧，但是我的個人經驗顯示，大多數都侷限於數理上的推論、太過強調統計的計算過程或者舉的例子實在是很難令人感到興趣，然而如果閱讀一些統計益智書籍（例如統計讓數字說話、醉漢走路）又無法真正在作學術研究的時候有所幫助。

2012年統計與SPSS課程調查報告