為了一周一度的美好周末時光，小編特地做了張黃曆圖送給大家:

沒想到這張圖卻引來了統計學同事挑剔的眼神……

故事是這樣的：

有人說周末千萬别去看病住院，因為在醫療保健系統中存在“周末效應”。

2014年7月, 丹麥的弗萊明醫生在《衛生事務》雜志上發表的一項調查結果：通過研究在丹麥1995至2012期間的265萬住院記錄，發現與平日相比, 周末和節假日的死亡率超過了兩倍。

2015年發表在《英國醫學雜志》（BMJ）的另一篇研究更是指出：每到周末，确實“死”的更多。該研究是英國NHS的研究小組調查了2013到2014年的醫療記錄。根據報告結果顯示，30天内醫院共接收了1590萬名病患，其中最後去世者達到29萬，總體死亡率為1.8%。但每到周五的死亡率會上升至2%，周六到10%，到周日則達15%，而周一又會下降至5%。

綜合來看， 似乎周末真的不是去醫院看病的合适時間。至少從之前研究人員給出的一些解釋來看，“周末效應”與醫院醫護人員人手更少、專家人數更少、一些影像檢查及介入性治療無法立即進行有關，而這些醫療資源在工作日時間均可盡快獲得。

然而這是真的嗎？

統計師：“那可不一定！雖然周末的死亡率看上去要比平時高，但是卻沒有辦法了解周末住院的病人和平時相比，是否具有可比性。”

就像在拳擊比賽或舉重比賽中，将不同重量級别的對手放在一起較量，這顯然不公平。也就是說，如果不考慮平時的病人和節假日的病人在疾病嚴重程度上的區别，而直接進行死亡率的比較，可能無法得到一個準确的結論。

在臨床試驗中，為了保證試驗組和對照組之間的可比性，病人會被随機分到試驗組或對照組。在随機化的過程中，每個病人被分配到試驗組的概率是一樣的，從而保證了兩組受試者的特征基本一緻。

但是在周末效應這個案例中，病人在周末去醫院看病住院的病種和病情，并非随機。而對這種已有的數據或是非幹預的數據，無法再進行随機化，所以難免分析結論與真實情況存在偏差的可能性。

再舉個例子，比如對藥物有效性（比如死亡率）的比較中，如果A藥物選取入組病例的都是年輕、病情較輕的病例，而B藥物選擇的卻是年紀較大、病情較重的病例的進行研究分析的話，即使A藥物比B藥物在實驗中的數據看上去更加有效，但是這未必就是事實。

那麼，有沒有什麼方法能夠離真相更進一步呢？

當然有！

病例對照研究是其中的一種方法，對于已經确診的患有某種疾病的病人作為病例，在不患有該疾病的個體中找一個類似的對照，比如性别一樣，年齡相近的。通過給每一個病例找一個相近的對照，再分析哪些因素可以導緻疾病發生，這樣可以減小分析中的偏倚。

在統計上，傾向性評分匹配（Propensity Score Matching）也可以用來幫助我們減少比較中的偏倚。傾向性評分類似于舉重比賽中的體重，如果兩個對象的傾向性評分越接近，則認為這兩個對象的初始條件越一緻。但是傾向性評分比體重有效多了，這是一種綜合考慮個體各種因素的指标，把個體的可以觀察到的各方面因素都歸納到一個數值上。

在進行分析時，選出傾向性評分接近的對象進入不同的比較組，通過這樣的方法選出的兩個比較組在傾向性評分上接近，在各個指标上兩個比較組也會比較接近。基于這樣的比較組進行分析，可以幫助我們減少偏倚。在無法進行随機試驗的條件下，采用傾向性評分匹配的方法可以幫助我們進一步接近真相。

就像上面的例子，對于周末住院的病人和周中住院的病人，我們也需要了解病人的各方面的狀況。通常情況下，如果疾病狀況不嚴重，周末發病的病人也通常會等到工作日再去醫院，而同樣在周末發病，但是病情嚴重的病人會選擇立即住院。這樣看來，周末住院的病人可能病情更為嚴重。所以在分析時，一定要把這樣的因素考慮進去，才會得到更為準确的結論。

統計師

“但是，”統計師說，“有一件事是我非常肯定的在周末切忌做的事！”

——忌加班。

于是小編隻好修改圖片：

送給大家！祝大家周末健康快樂！

本文原創作者：崗哥

數據之門非典型理想主義開鎖匠

參考文獻：

[1] F Madsen et al. High Levels Of Bed Occupancy Associated With Increased Inpatient And Thirty-Day Hospital Mortality In Denmark. Health Affairs 2014 33:7, 1236-1244

[2] N Freemantle et al. Increased mortality associated with weekend hospital admission: a case for expanded seven day services? BMJ 2015; 351 :h4596

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部