时间：2022-07-19 02:55:32
导语：在医学统计学教学研究的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了一篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
摘要:生物信息学的蓬勃发展已使医学研究由宏观逐步探索到微观。医学统计学作为一门医学院校的基础课程，其理论和方法在医学研究的新要求下其理论和方法也有了新的发展与应用。将生物信息学知识带入医学统计学课堂教学，介绍医学统计学的新发展，不但能使学员了解到本学科的前沿研究内容，有效地激发学员的学习兴趣，还能使他们掌握生物信息学研究的工具，提高今后从事医学科研工作的能力。
关键词:生物信息学医学统计学课堂教学
生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。
目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：
一、概率分布
概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。
借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。
在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。
二、假设检验
假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。
假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。
这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。
例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。
如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。
但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。
三、一些高级统计方法在基因研究中的应用
（一）聚类分析
聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。
聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。
近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。
（二）判别分析
判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。
判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。
在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。
（三）相关分析
相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。
我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。
生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。
四、意义
生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。
在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。
一、教材改革
1增强教学内容的针对性
职业教育倡导以能力为本位，这点和应试教育是完全不同的，在教授理论知识的同时，更应注重学生实践能力的培养。传统的教育内容包括3方面：基本概念和方法，公式来源、推导和详细的手工计算步骤，统计结果的解释与分析[2]。虽然掌握基本的知识点能使学生更好地理解、应用相关的统计学知识，但对一名医学生而言，冗长的公式推导、诸多公式的适用范围等都是枯燥的。所以，笔者认为医学生只要掌握统计学思考问题的基本方式、解决问题的基本思路和一些基本的统计学方法及其应用的前提条件以及结果的解释即可。医学统计学教材应重点介绍医学中常用的统计方法，并将统计理论与医学实际数据结合在一起，增加学生的感性认识。最后，还应适当增加统计软件部分，对医学生而言，重点是培养统计思维和解决实际问题的能力。
2教学方式、方法改革
在教学中遵循从典型事例的个别特点推出同类事物的普遍特征，再由普遍特征上升到掌握事物的发展规律原则，提高学生对客观世界的认识。和传统的教师讲授、学生听的方法不同，案例教学法侧重实践和案例的讲解分析，以启迪学生思维，强调教学过程中学生的主动参与，引导学生运用已学理论知识，去分析、归纳、演绎、推理、总结，从而达到巩固知识的目的。在案例教学法中，应严格筛选案例，案例应是多维的，形成一个反映统计学不同内容和不同方法的统计教学案例体系。案例应尽可能做到简单、常见、典型、有针对性，能够反映本学科的重点和难点。教师在筛选案例时还应做到紧扣章节内容，若用一个案例可以贯穿前后章节的知识点，则教师应反复讲解让学生加深理解。案例教学具有针对性、实践性、应用性、示范性及团体合作等优点，能克服传统统计学教学中的弊端，在教学中可将其与传统的讲授相结合。另外，教师也可以采用直观、有趣的方式进行教学，例如采用统计漫画、统计诗歌、统计幽默等方式，寓教于乐，使枯燥乏味的统计学课程变得生动有趣。
3增加上机实训时间
实践的主要目的是加强学生的职业技能培训，理论联系实际。对于医学统计学教学而言，应增加学生上机练习的时间，提高上机练习的效率。教师可在上课前录入相关数据，减少学生因输入大量数据而占用课堂的教学、练习时间。在上机实训中注重培养学生综合应用统计学知识的能力，使学生所学的知识系统化、条理化。在应用软件方面，让学生掌握Excel统计图表绘制、基本数据整理编辑功能。SPSS是一款界面友好、易学易用、功能强大的国际通用统计软件包，它基本包括了医学统计学常见、常用的内容，学生学习起来积极性较高，教师讲授重点是t检验、卡方检验、方差分析等内容。在理论课上，可选用功能比较全面的计算器（具有普通运算和统计运算两方面功能）。学生对于计算器的一般运算和函数运算的功能较为熟悉，但对于计算器的统计学功能了解甚少，所以在理论课上安排使用计算器统计功能的教学，在较短时间内轻松完成复杂的计算，可减少课堂时间的占用，提高效率，使教师有更多的时间指导学生。在案例教学实践中，以统计软件作为案例教学的辅助工具，不仅可以满足学生对大量数据进行处理和分析的需要，而且统计分析结果以图形的形式表现出来，可使案例教学更加直观，加深学生对相关知识的理解。
二、加强学生的专业思想教育
1突出学科重要性
首先，应向学生阐明医学统计学的重要性。医学统计学是研究医学领域内数据的科学，是一种方法学，它能指导医学生在医学研究与实践中有效地获取数据、正确地分析数据以合理地解释所得到的结果。因此在教学中应以医学为背景，注重解决实际问题能力的培养。虽然我们发现在校生对统计学的重要性普遍认识不足，但医学生只要经历一定的临床工作或医学科研后，就会真正体会到统计学的重要性，知道统计学知识对他们很重要，并渴望有机会弥补统计学知识[3]。
2激发学生学习兴趣
针对本课程数据多、公式多、推导多、运算多等特点，在理论授课时注意语言的易懂、幽默性，思维的严谨、合理性，内容的有趣、互动性，尽量把抽象的概念、难理解的公式直观化，使学生便于理解。抽象的问题变得生动、形象、具体，从而增加课堂信息容量，提高学生学习兴趣。在上机实训时，充分利用计算工具，使学生比较熟练地运用计算器和统计软件，简化运算过程，提高学习积极性[4]。另外，在有条件的情况下，可以让学生参与到教师的科研课题中，带学生进入统计学的科研领域，激发学生学习兴趣。
三、提高教师自身素质
提高教学质量的关键在于教师，没有高素质的教师就难以培养出高素质的学生。高职学校与普通高校在人才培养方面是有区别的，必须体现出其职业教育的特色———学有所长、学有所用，使学生能够真正适应社会，服务社会[5]。因此，高职高专教师应具备扎实的理论功底，合理优化的专业知识结构，在课堂上真正成为学生学习知识的顾问，解决问题的参谋。医学统计学是一门应用型学科，它要求教师不但要精通统计学的基本原理和方法，还要有一定的医学背景，这样在授课过程中，才能将理论与实践有机地联系起来。此外，还要求教师具有熟练的计算机操作能力、较高的外语水平和统计方法的实际应用能力。
四、改革考核方式
考核是教学的重要环节，可以评价学生的学习效果和教师的教学质量，以指导教学、推动教学。传统的考核方式以笔试为主，考核方式改革后，减少了笔试成绩在期末总评中的比例，增加上机考核成绩所占比例，两项成绩在期末总评中的比例可达60%~80%，其余20%~40%由平时上机练习、课堂提问、讨论课等平时成绩组成。另外在理论、实训考试中既要注重知识应用的考核，又要注重案例分析的考核，从而不断培养学生的逻辑思维和分析能力。（本文作者：杨艳单位：保山中医药高等专科学校）
一、概率分布
概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。
借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。
在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。
二、假设检验
假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。
假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。
这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。
例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。
如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。
但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。三、一些高级统计方法在基因研究中的应用
（一）聚类分析
聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。
聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。
近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。
（二）判别分析
判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。
判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。
在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。
（三）相关分析
相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。
我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。
生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。
四、意义
生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。
在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。
还有一些医学统计学方法目前也逐渐应用于生物信息学研究中，诸如：遗传算法、熵理论等等。但这些方法已经超出了医学统计学课堂教学的范围，我们将尝试在第二课堂或选修课中，作为补充知识进行讲授，供那些学有余力的学员学习交流摘要:生物信息学的蓬勃发展已使医学研究由宏观逐步探索到微观。医学统计学作为一门医学院校的基础课程，其理论和方法在医学研究的新要求下其理论和方法也有了新的发展与应用。将生物信息学知识带入医学统计学课堂教学，介绍医学统计学的新发展，不但能使学员了解到本学科的前沿研究内容，有效地激发学员的学习兴趣，还能使他们掌握生物信息学研究的工具，提高今后从事医学科研工作的能力。
关键词:生物信息学医学统计学课堂教学
教育是科技进步和经济振兴的基础，在全国上下贯彻落实《中国教育发展改革和发展纲要》《中共中央国务院关于深化教育改革全面推进素质教育的决定》和全国教育工作会议精神的今天，高等教育为适应这一新形式，推进素质教育，培养大批高质量、高素质的各类专门人才已进行着多方面的改革。
众所周知，医学是理论性、实践性很强的学科。医学统计学更是一门既有复杂理论知识，又有丰富应用技巧的医学专业基础课程。它是科研设计、资料的搜集、整理和分析的灵魂，应用于居民健康状况评价、医疗卫生实践和医学科研，涉及基础医学、临床医学、预防医学等多学科领域。其教学内容贯穿于研究设计到论文撰写的全过程。如何适应新形势，迅速推广医学统计学的基础知识，在满足医学科研需要的同时实现医学统计学的自身发展，是医学统计教育面临的重要课题。我国医学统计教育面临的主要问题是：①教学对象的数学基础普遍较差，教学手段落后。②医学研究进一步向宏观和微观发展，信息数据更加复杂化、多元化和大数量化。我们利用多媒体计算机辅助教学CAI系统具备较好的独立性、可参与性与知识的全面、系统性，以及多媒体组合的高效性等诸多优点，解决了上述问题。利用多媒体技术，我们可以让学生做到“所学即所见、所闻即所学”，适当拓宽内容的深度和广度，提高灵活性，大大增强学生的参与感和实践能力，以创造传统教学手段所达不到的效果。同时，还可利用计算机对学生的学习进行评估并决定进度，实现因材施教。
进入21世纪以后，信息技术飞速发展，现代统计工具从计算器发展到计算机为主，能应用相关的统计软件处理医学科研数据已成为必备的能力。否则，一方面有人不懂得选用正确的统计方法，使大量的信息和统计数据得不到有效的利用；另一方面又盲目使用计算机和统计软件，不管是什么研究类型的数据都简单地交给计算机处理，用计算机取代统计，势必造成大量统计方法的滥用和误用。医学研究的许多数据关系到病人的治疗、转归，甚至生死，统计方法的误用会导致严重的论理问题。我们利用计算机、统计软件、多媒体教学课件相结合，使课堂教学摆脱大量的繁琐演算的束缚，在单位时间内讲授的信息量将会大幅度增加。统计学教学不再是数据的罗列和公式的堆砌，而是研究设计的艺术和数据表达的艺术，并使学生体会到统计思维和推理的乐趣。
近年来我们进行了一些改革措施，取得了相应的成果，现总结如下：
一、积极申报院级教学研究立项的课题：
(1)医学统计学多媒体CAI教学系统的研究和应用（2001年）
(2)医学研究生统计学课程教学模式的改革（2002年）
(3)《心理统计学》多媒体课件的制作及题库的构建（2004年）
另外开了《医学科研数据管理与统计分析》选修课
二、进行了一系列的教学改革措施：
(1)教学内容上所进行的改革，具体做到了“四增三减”：减少了目前已无必要讲授的详细手工计算步骤与技巧；减少了复杂的公式推导，改为公式内涵的剖析；减少了部分浅显内容，改为自学或课堂讨论；增加了“实验设计和调查设计”；增加了“医学统计学软件使用”；增加了“多元统计分析”；增加了“医学统计应用错误的诊断”。
(2)在教学手段上进行了以下几方面的改革：建立了医学统计学多媒体CAI教学系统；开设了统计学电脑实验课；开设了“医学统计应用错误的诊断”讨论课。
(3)在考试内容和形式上的改革：着重考核医学统计学综合分析能力以及正确应用统计方法和纠正错误能力。不考死记硬背、公式和定理。
三、发表相关论文：
(1)医学科研论文中t检验误用分析皖南医学院学报2002，21（2）
(2)医学科研论文中x2检验误用分析皖南医学院学报（论文待发表）
(3)皖南地区中学生伤害危险因素的病例对照研究，中华流行病学杂志，2003，24(7)
(4)胆石病病因的临床流行病学研究现代预防医学2001，28（4）
四、编写的教材：
(1)《医学科研方法与临床流行病学》（2003.8，安徽大学出版社）
(2)《预防医学》（第2版）（2003.8，人民军医出版社）
(3)《心理统计学》（2004.8，安徽大学出版社与北京科学技术出版社）
(4)《心理评估学》（2004.5，安徽大学出版社与北京科学技术出版社）
(5)《卫生统计学实习指导》（2003.10，安徽大学出版社）
(6)《流行病学实习指导》（2002.8，中国科学技术大学出版社）
五、成果创新点：
(1)将统计学软件、多媒体教学模式首次引入我院医学统计学教学之中；
(2)将统计思维和科研创造性实践相结合，注重学生科研能力的培养；
(3)改革了医学统计学的教学内容、教学手段、考试方法；
(4)首次在我院学生中开设“医学科研统计应用错误的诊断”讨论形式的教学模式
(5)特别注重教师主导作用与学生能动性统一
(6)编写“医学统计学”相关教材
六、成果应用情况：
(1)已经将改革的内容应用于我院专科生、本科生和硕士生的“医学统计学”；
(2)在本科生和硕士生的教学手段上采用“多媒体CAI教学”模式；
(3)在考试内容已作了相应的改革；
(4)已经将“医学科研统计应用错误的诊断”应用于皖南医学院学报的论文审阅之中。
以上是对近年来“医学统计教学模式改革”的总结，我们突出了“医学统计学教学课件、医学统计学软件和医学统计应用错误的诊断”三方面的教学改革，敬请各位专家评审，不足之处，请多提宝贵意见，非常希望我们的教学成果能得到各位专家的肯定。
【摘 要】医学统计教学改革以讲授SPSS统计软件，结合中医学专业最新国内外相关研究成果中的统计设计和统计方法，解决目前医学统计教学中存在的潜在问题，有效地提高中医药院校学生的统计实践能力和专业科研能力。
【关键词】医学统计学；教学改革；科研论文；SPSS软件
医学统计学是医药专业学生的必修课程之一，此课程的教学效果直接关系到医学专业和药学专业学生的科研能力，因此我校基于中医学专业本硕连读实验班《医学统计学》课程施行了教学改革，采用双语教学模式，结合SPSS软件讲授英文医学论文中的统计设计与统计方法，提高学生的基本科研素养，培养学生统计设计思维和解决科研中遇到的实际问题的能力。
1 增加统计软件SPSS实验课
医学统计课程定理内容较多且抽象难懂，而医学院校的学生数学基础薄弱，传统的教学方式会使学生对医学统计的理论知识难理解，也会导致医学统计学的教学效果不达标。因此，在教学改革实验课上进行SPSS的讲解和教学演示，教授学生统计软件SPSS菜单中的统计方法英文表达和如何解读统计软件输出的结果，这样可以简化计算过程，提高学生学习医学统计的学习兴趣，还能行之有效的增强学生解决实际问题的能力。SPSS统计软件具有操作简单，容易被学生掌握。过去用计算器要经过很多步骤计算和画图，现在用统计软件画出来的频数直方图、散点图、箱图、回归曲线既快又准。SPSS统计软件教学大量地节省了教学的板书时间，增加了学生的信息量，开阔了学生的统计知识面，进一步达到医学统计学教学改革的目的，即不是注重传统的统计概念，而是更专业的强调医学统计学的使用条件和具体实施方法，发挥统计的实际应用作用。
2 进行医学统计学的双语教学
本次教改的主要目的是要提高学生的科研能力，而目前的现状是中医药在医学研究发展方面的贡献没有西医显著，所以这就要求我们加紧与国外医学研究者增加交流，把我们的最新成果用统计学验证其医学方面的研究意义。因此，中医药院校的学生应在提高自身的统计学应用能力的前提下，熟悉英文表达，在日常教学中逐渐用英语把实验结果和统计学方法用英文表达出来，那么这种教育改革对于学生自身素质的提高、社会竞争力的提高都是非常有帮助的。所以在本次教改日中，我们增加了统计学专业术语的英文表达方式，真正的达到学以致用的目的，也是为我们的国粹――中医与中药的国际化发展增添一份力量。
3 注重统计分析，实现医学统计学的专业课题融合
医学课题完成的质量与水平离不开统计分析，只有正确、有效的医学统计分析，才能得出可信的结论。医学统计分析是将医学专业知识与统计学知识相结合，运用统计学原理和方法虽所得资料进行科学的加工、整理和分析，用正确的统计指标和方法描述取得的结果，并作出科学的推断。在课题的具体研究中，实验设计和统计方法的选择是学生遇到的最大困难，大多数学生能想到的统计方法不是相关回归就是t检验或方差分析，并没有在实验之前想好课题研究的统计设计方案。因此，在本次教学改革中我们对常用的设计方案：完全随机设计、配对设计、随机区组设计、拉丁方设计、序贯设计、析因设计、正交设计等，并结合课题做了具体的实例讲解，实现了医学统计学的专业课题融合。
教学中增加前沿国际学术论文统计方法分析环节，一是，看医学论文中的统计方法表达方式，二是，和学生专业融合，学到最新最快的医学研究方向，当然这要和医学专业的专业课教师先沟通，筛选适合学生参考学习的科学研究结果。
4 网络教学，增加师生交流
使用网络教学进行第二课堂辅助教学。本次教学改革为了提高医学统计课程教学质量，充分利用教学资源增加师生交流的网络教学。在我校的校园青果软件中，在医学统计课程的网页中制作了常用的统计模型和统计实例分析，极大地丰富了教学资源和教学手段。同时帮助学生校正修改参加大学生创业项目和大学生挑战杯项目中所遇到的统计问题，进一步增加了学生学习医学统计学的积极性，使学生能主动地参与医学统计学的科研实践，提高了教学效果。
购物车(0)