数据的统计分析分为参数检验以及非参数检验；参数检验包括t检验和方差分析等要求临床数据来自于正态总体并且总体方差相等；然而在实际的临床工作中，医务工作者收集到的临床数据或者实验科研数据，通常并不能满足这些条件，也没有办法通过数据转换使数据符合参数检验的条件，这时参数检验就不适用，而需要一种不依赖于总体分布的类型的统计方法来分析这类资料，即非参数检验，也称为任意分布检验，可以推断总体分布是否相同，而不是推断总体参数是否相等。
那么非参数检验的适用资料有哪些呢？一、有序分类资料（等级资料），例如治疗效果分为无效、有效、治愈的资料或者化验结果分无、轻度、中度、重度的资料等等；二、偏态分布资料，临床数据呈偏态或者极度偏态，而又未经变换或者变换后仍不能达到正态分布；三、分布不明的资料，对于一些罕见病的病例数可能很少（比如小于30例）且不趋向正态分布的资料或者一些分布形态不明的新型的临床指标；四、不同分组临床数据的方差明显不齐并且不易变换达到齐性的资料；五、分组内的个别样本值偏离过大的资料，需要强调的是这里偏离过大指的是随机的偏离，而不是过失误差；六、开口分组资料，例如年龄<18岁、脑脊液白细胞计数>6等等只给出一个上限或者下限，一端或者两端没有明确数值的资料。
非参数检验方法很多，可以按照研究目的及数据类型等进行选择，检验效率较高且常用的是秩和检验。Wilcoxon配对法即配对定量资料的秩和检验，是对配对差值进行检验，例如对艾滋病患者进行高效抗逆转录病毒治疗，分析治疗前以及治疗后半年的CD4细胞是否有改变；对于完全随机设计的两组定量资料或者等级资料则可以用两个独立样本的秩和检验，常用Wilcoxon秩和检验和Mann-Whitney U检验，例如分析比较神经梅毒患者以及隐性梅毒患者的血清TRUST滴度有没有差异；对于于完全随机设计的多组资料分析，则要用多个样本的秩和检验即Kruskal-Wallis法（H检验），比如分析比较有症状神经梅毒患者、无症状神经梅毒患者以及隐性梅毒患者的血清TRUST滴度有没有差异；对于随机取组设计资料，可用Friedman M秩和检验，例如将30例患者按照性别、体重分成10组，每组随机服用药物A、药物B、安慰剂（对照）计算某指标前后变化，分析药物A、药物B的疗效。
非参数检验可以不受总体分布的限制，因此在临床中应用广泛；但是对于适用参数检验的资料，如果用非参数检验处理，常常会损失部分信息，降低统计检验效率，即犯II型错误的概率比参数检验大。因此，对于符合参数检验条件或者转换后符合参数检验的的临床数据，最好应用参数检验，而当临床数据不符合参数检验条件时，则可以应用非参数检验，此时检验效能更高，即使样本量较少，而且临床数据偏离正态性越远，非参数检验的优势越明显。
LinkLab——最符合医生习惯的新型电子数据库采集系统 “一站式”医学科研管理工具！ LinkLab帮您轻松做科研 成为更好的临床医生！
联系客服
