具体描述
由于电脑硬体、软体与统计方法的日新月异，使得统计学在生物医学领域中，扮演举足轻重的角色，本书内容主要为下列三大类：
一、类别资料处理。包括：二向列联表、三向列联表……等。
二、存活分析。包括：Kaplan-Meier、Cox回归、参数存活模型、危险比例检定、时间共变数、韦伯分配、指数分配……等。存活分析的事件时间资料也常出现在其他不同领域中，如：企业存活时间（商业）、客户忠诚度（行销）、法人预警分析（金融）、再就业时间（经济）、假释到再犯时间（法学）和可靠度分析（工业）等等。
三、流行病学工具。包括：病例控制、Mantel-Haenszel、ROC分析……等。
Stata操作简便，给予使用者足够的自订空间。不但可使用简单的视窗指令，还能因应需求自行修改、添加或撰写程式，扩充性极强。在运算速度上，也比SPSS及SAS更快。
本书是一本非常有用的Stata工具书，对初学或想领略高等统计的读者，相信定有很大的收获
本书特色
●Stata功能强大，可以选单操作，也可自行输入指令，能满足初级者到高阶者的需求。
●本书详尽介绍生物医学领域必学的分析技术，包含类别资料处理、存活分析、流行病学、病例控制、筛检工具与ROC曲线等。
●实用范例资料档，搭配视觉化操作说明，让您迅速成为Stata统计高手。
●完整且札实的范例解析，帮助您触类旁通，让您的报告、论文大升级。
●由于电脑与统计的日新月异，使生医统计也延伸至以下研究领域：生态、农业、商业、社会科学……
◎随书附赠资料档光碟，建议使用Stata 14版本执行。
一、类别资料处理。包括：二向列联表、三向列联表……等。
二、存活分析。包括：Kaplan-Meier、Cox回归、参数存活模型、危险比例检定、时间共变数、韦伯分配、指数分配……等。存活分析的事件时间资料也常出现在其他不同领域中，如：企业存活时间（商业）、客户忠诚度（行销）、法人预警分析（金融）、再就业时间（经济）、假释到再犯时间（法学）和可靠度分析（工业）等等。
三、流行病学工具。包括：病例控制、Mantel-Haenszel、ROC分析……等。
Stata操作简便，给予使用者足够的自订空间。不但可使用简单的视窗指令，还能因应需求自行修改、添加或撰写程式，扩充性极强。在运算速度上，也比SPSS及SAS更快。
本书是一本非常有用的Stata工具书，对初学或想领略高等统计的读者，相信定有很大的收获
本书特色
●Stata功能强大，可以选单操作，也可自行输入指令，能满足初级者到高阶者的需求。
●本书详尽介绍生物医学领域必学的分析技术，包含类别资料处理、存活分析、流行病学、病例控制、筛检工具与ROC曲线等。
●实用范例资料档，搭配视觉化操作说明，让您迅速成为Stata统计高手。
●完整且札实的范例解析，帮助您触类旁通，让您的报告、论文大升级。
●由于电脑与统计的日新月异，使生医统计也延伸至以下研究领域：生态、农业、商业、社会科学……
◎随书附赠资料档光碟，建议使用Stata 14版本执行。
著者信息
作者简介
张绍勋
学历：国立政治大学资讯管理博士
现任：国立彰化师范大学专任教授
经历：致理技术学院专任副教授
研究助理简介
张任坊
国立海洋大学商船系
张博一
国立中央大学通讯工程研究所
张绍勋
学历：国立政治大学资讯管理博士
现任：国立彰化师范大学专任教授
经历：致理技术学院专任副教授
研究助理简介
张任坊
国立海洋大学商船系
张博一
国立中央大学通讯工程研究所
图书目录
Chapter 01 最小平方法(OLS) vs. 类别(Categorical) 资料分析
1-1 Stata是地表最强大之统计软体
1-1-1 Stata统计功能
1-1-2 类别资料之列联表，Stata对应的指令
1-1-3 Stata流行病(epidemiologists)之选择表对应的指令
1-2 医学实验设计种类、重要性
1-2-1 流行病学的研究法：实验性vs.观察性
1-2-2 统计与实验设计功能之对应关系
1-2-3 OLS回归模型之重点整理
1-2-4 单变量vs.多变量统计
1-3 二个类别变数之分析
1-3-1 类别变数之适用条件
1-3-2 卡方检定：关联性分析
1-3-2a 卡方检定之介绍
1-3-2b 卡方检定之Stata实作
1-3-3 胜算比(OR)、ROC曲线、敏感度/ 特异性：logistic回归
1-3-3a Odds ratio之意义
1-3-3b Odds ratio之STATA实作
1-3-3c 二元依变数之模型：逻辑斯回归之实例
1-3-3d ROC曲线面积、敏感度/ 特异性
1-4 流行病之类别资料统计表( 同质性检定)
1-4-1 二发生率(Incidence-rate ratio)之列联表(ir and iri指令)
1-4-2 世代研究风险比(Cohort study risk-ratio)之列联表(cs、csi指令)
1-4-3 病例对照(case-control)列联表(cc and cci、tabodds、mhodds指令)
1-4-4 分群组之失败率(failure odds by category)列联表(tabodds指令)
1-4-5 配对病例对照研究(matched case-control)(mcc、mcci指令)
1-5 三向列联表(Three-Way Contingency Tables)
1-5-1 三向列联表、Mantel-Haenszel同质性检定(tab3way、cc指令)
1-6 类别依变数之三种回归，谁误差小就谁优
1-6-1 类别依变数之三种回归，谁优？(reg、logit、probit指令)
1-7 对数线性模型(Log linear Models)之列联表(ipf、「glm ..., fam(pois) link(log)」指令)
1-8 Nominal依变数：Multinomial Logistic回归之多项选择(mlogit、mlogtest、test、prchange、listcoef指令)
1-8-1 Multinomial Logistic回归之解说
1-8-2 Multinomial Logistic回归之实作
1-9 配对资料(Matched Pairs)模型：Conditional logistic回归(先「clogit, group( 配对) or」指令、再tabulate指令)
1-10 Logit回归之练习题
Chapter 02 (半参数)Cox存活分析：临床研究最重要统计法
2-1 存活分析(survival analysis)介绍
2-1-1 存活分析之定义
2-1-2 为何存活分析是临床研究最重要的统计法？
2-1-3 存活分析之三种研究目标
2-1-4 存活分析之研究议题
2-1-5 设限资料(censored data)
2-1-6 存活时间T之机率函数
2-1-7 Cox存活分析vs. Logit模型／ probit模型的差异
2-2 Stata存活分析/ 绘图表之对应指令、新增统计功能
2-3 存活分析范例：除草有助幼苗存活率吗？
2-3-1 生命表(life table)
2-3-2 存活分析范例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)]
2-4 Cox比例危险模型(proportional hazards model)(stcox 指令)
2-4-1 f(t)机率密度函数、S(t)存活函数、h(t)危险函数、H(t)累积危险函数
2-4-2 Cox比例危险模型之回归式解说
2-4-3 危险函数的估计(hazard function)
2-4-4 Cox比例危险模型之配适度检定
2-4-5 Cox模型之相对风险(relative risk, RR)
2-5 Kaplan-Meier存活模型
2-5-1 Kaplan-Meier估计法(product-limit Estimate)
2-5-2 存活分析法：Kaplan-Meier vs.韦伯分布(参数存活模型)
2-5-3 Kaplan-Meier存活函数(依序sts graph、ltable或sts list、stci、stmh、stcox指令)
2-5-4 存活分析之检定法：Cox比例危险模型(stcox)指令
2-6 脆弱性之Cox模型(Cox regression with shared frailty)
2-6-1 脆弱性之Cox模型：「stcox, shared( 脆弱变数)」指令
Chapter 03 参数存活分析(偏态之依变数有6种分布可搭2种脆弱模型)
3-1 参数存活分析(parametric survival analysis)有六种模型
3-1-1a 可靠度之品质管理(韦伯分布常搭配accelerated failure-time)
3-1-1b Cox比例危险模型(PHM)及加速失败时间模型(accelerated failure time, AFT)
3-1-2 参数存活分析之介绍(streg指令)
3-1-3 6种参数存活模型：韦伯及对数分布尚可搭2种脆弱模型(streg)
3-2 连续随机变数(存活时间T)的6种机率密度函数(PDF)
3-2-1 机率密度函数(probability density function)
3-2-2 Weibull分布(非常态分布、右偏态)：存活分析最重要分布
3-2-3 指数(Exponential) 分布：可靠度模型之失效时间的机率分布
3-2-4 Gompertz分布：偏态分布
3-2-5 对数逻辑分布(Log-logistic)：偏态分布
3-2-6 对数常态(Log-normal)分布：偏态分布
3-2-7 广义(generalized)gamma分布
3-3 存活时间机率函数(连续型态vs.离散型态)
3-3-1 连续型态之存活时间机率函数
3-3-2 离散型态之存活时间机率函数
3-4 带偏态之依变数：参数存活分析(streg指令)
3-4-1 脆弱性(frailty) 模型
3-4-2 加速失败时间(Accelerated Failure Time)模型
3-4-3 配对后Weibull存活模型搭配accelerated failure time：发电机寿命(streg指令)
3-4-4 每位病人发生多重失败事件(multiple failures)之Weibull存活模型(streg指令)
3-4-5 五种参数模型(广义Gamma、韦伯...)，谁优？验证治癌新药效：(streg、test指令)
3-4-6 Weibull存活模型(带有脆弱性gamma): 癌症死亡之个人因子(streg指令)
3-4-7 指数回归(搭配accelerated failure-time)：肝癌之个人危险因子(streg指令)
Chapter 04 存活模型之进阶
4-1 风险模型延伸(Extensions of the Proportional Hazards Model)
4-2 竞争风险回归(Competing-risks regression)(stcrreg指令)
4-2-1 竞争风险之应用：违约及提前清偿行为模型系数估计
4-2-2 范例：竞争风险(Competing-risks)回归(stcrreg指令)
4-3 纵贯面调查法：肺癌存活模型(svy: stcox 指令)
4-4 panel-data参数存活模型[xtstreg , shared(panel变数)指令]
4-4-1 追踪资料(panel-data)
4-4-2 追踪资料(panel-data) 存活分析[xtstreg, shared (panel 变数) 指令]
4-5 多层次(multilevel)参数存活模型(mestreg指令)
4-5-1 Multilevel存活模型
4-5-2 多层次参数存活模型(mestreg...||分层变数)
Chapter 05 最小平方法(OLS)回归vs. Logistic回归
5-1 了解各类型回归分析
5-1-1 各类型回归之适用情境
5-1-2 线性回归之基本概念
5-2 最小平方法(OLS) 回归7个假定的诊断及补救法
5-3 Binary依变数：Linear Probability, Probit及Logistic回归
5-3-1 Logistic回归介绍
5-3-2 Logistic指令的事后检定
5-3-3 Logistic范例：年龄与罹患冠心病(CHD)关系
5-4 Binary依变数(失业否预测)：OLS,Probit及Logistic回归三者比较
Chapter 06 流行病学统计法：ROC曲线分析
6-1 流行病学(Epidemiology)
6-1-1 流行病学之研究法：观察法及实验法
6-1-2a 观察法：描述性vs.分析性研究
6-1-2b 观察法：前瞻性vs.回溯性研究；纵贯面vs.横断面研究
6-1-3 实验法
6-1-4 Stata流行病(epidemiologists)之选择表对应的指令
6-1-5 流行病学之ROC法的应用领域
6-1-6 临床试验常用术语解释
6-1-7 频率(frequency)的指标：生命统计测量值
6-2 Receiver operating characteristic(ROC)分析：判别检验工具的准确性
6-2-1 流行病统计法：ROC缘由
6-2-2 ROC曲线原理：2×2混淆矩阵
6-2-3a Type I误差α及Type II误差β：ROC图切断点的由来
6-2-3b 评估不同筛检工具之分类准确性(accuracy)：ROC图
6-2-4 筛检工具的绩效(performance)：同一筛检工具不同检验值切断点的选择
6-2-5 ROC法之分析步骤
6-2-6 参数的ROC
6-3 ROC分析之Stata范例
6-3-1 如何提升ROC研究设计之品质
6-3-2a 二个Logistic回归谁优？(logit、lroc、roccomp指令)
6-3-2b ROC绘图法：三个检验工具之准确度，谁优？(roccomp、rocgold指令)
6-3-3 Parametric ROC models：风险评级最佳断点？(rocfit指令)
6-3-4 Nonparametric ROC模型之风险评级最佳断点(roctab指令)
1-1 Stata是地表最强大之统计软体
1-1-1 Stata统计功能
1-1-2 类别资料之列联表，Stata对应的指令
1-1-3 Stata流行病(epidemiologists)之选择表对应的指令
1-2 医学实验设计种类、重要性
1-2-1 流行病学的研究法：实验性vs.观察性
1-2-2 统计与实验设计功能之对应关系
1-2-3 OLS回归模型之重点整理
1-2-4 单变量vs.多变量统计
1-3 二个类别变数之分析
1-3-1 类别变数之适用条件
1-3-2 卡方检定：关联性分析
1-3-2a 卡方检定之介绍
1-3-2b 卡方检定之Stata实作
1-3-3 胜算比(OR)、ROC曲线、敏感度/ 特异性：logistic回归
1-3-3a Odds ratio之意义
1-3-3b Odds ratio之STATA实作
1-3-3c 二元依变数之模型：逻辑斯回归之实例
1-3-3d ROC曲线面积、敏感度/ 特异性
1-4 流行病之类别资料统计表( 同质性检定)
1-4-1 二发生率(Incidence-rate ratio)之列联表(ir and iri指令)
1-4-2 世代研究风险比(Cohort study risk-ratio)之列联表(cs、csi指令)
1-4-3 病例对照(case-control)列联表(cc and cci、tabodds、mhodds指令)
1-4-4 分群组之失败率(failure odds by category)列联表(tabodds指令)
1-4-5 配对病例对照研究(matched case-control)(mcc、mcci指令)
1-5 三向列联表(Three-Way Contingency Tables)
1-5-1 三向列联表、Mantel-Haenszel同质性检定(tab3way、cc指令)
1-6 类别依变数之三种回归，谁误差小就谁优
1-6-1 类别依变数之三种回归，谁优？(reg、logit、probit指令)
1-7 对数线性模型(Log linear Models)之列联表(ipf、「glm ..., fam(pois) link(log)」指令)
1-8 Nominal依变数：Multinomial Logistic回归之多项选择(mlogit、mlogtest、test、prchange、listcoef指令)
1-8-1 Multinomial Logistic回归之解说
1-8-2 Multinomial Logistic回归之实作
1-9 配对资料(Matched Pairs)模型：Conditional logistic回归(先「clogit, group( 配对) or」指令、再tabulate指令)
1-10 Logit回归之练习题
Chapter 02 (半参数)Cox存活分析：临床研究最重要统计法
2-1 存活分析(survival analysis)介绍
2-1-1 存活分析之定义
2-1-2 为何存活分析是临床研究最重要的统计法？
2-1-3 存活分析之三种研究目标
2-1-4 存活分析之研究议题
2-1-5 设限资料(censored data)
2-1-6 存活时间T之机率函数
2-1-7 Cox存活分析vs. Logit模型／ probit模型的差异
2-2 Stata存活分析/ 绘图表之对应指令、新增统计功能
2-3 存活分析范例：除草有助幼苗存活率吗？
2-3-1 生命表(life table)
2-3-2 存活分析范例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)]
2-4 Cox比例危险模型(proportional hazards model)(stcox 指令)
2-4-1 f(t)机率密度函数、S(t)存活函数、h(t)危险函数、H(t)累积危险函数
2-4-2 Cox比例危险模型之回归式解说
2-4-3 危险函数的估计(hazard function)
2-4-4 Cox比例危险模型之配适度检定
2-4-5 Cox模型之相对风险(relative risk, RR)
2-5 Kaplan-Meier存活模型
2-5-1 Kaplan-Meier估计法(product-limit Estimate)
2-5-2 存活分析法：Kaplan-Meier vs.韦伯分布(参数存活模型)
2-5-3 Kaplan-Meier存活函数(依序sts graph、ltable或sts list、stci、stmh、stcox指令)
2-5-4 存活分析之检定法：Cox比例危险模型(stcox)指令
2-6 脆弱性之Cox模型(Cox regression with shared frailty)
2-6-1 脆弱性之Cox模型：「stcox, shared( 脆弱变数)」指令
Chapter 03 参数存活分析(偏态之依变数有6种分布可搭2种脆弱模型)
3-1 参数存活分析(parametric survival analysis)有六种模型
3-1-1a 可靠度之品质管理(韦伯分布常搭配accelerated failure-time)
3-1-1b Cox比例危险模型(PHM)及加速失败时间模型(accelerated failure time, AFT)
3-1-2 参数存活分析之介绍(streg指令)
3-1-3 6种参数存活模型：韦伯及对数分布尚可搭2种脆弱模型(streg)
3-2 连续随机变数(存活时间T)的6种机率密度函数(PDF)
3-2-1 机率密度函数(probability density function)
3-2-2 Weibull分布(非常态分布、右偏态)：存活分析最重要分布
3-2-3 指数(Exponential) 分布：可靠度模型之失效时间的机率分布
3-2-4 Gompertz分布：偏态分布
3-2-5 对数逻辑分布(Log-logistic)：偏态分布
3-2-6 对数常态(Log-normal)分布：偏态分布
3-2-7 广义(generalized)gamma分布
3-3 存活时间机率函数(连续型态vs.离散型态)
3-3-1 连续型态之存活时间机率函数
3-3-2 离散型态之存活时间机率函数
3-4 带偏态之依变数：参数存活分析(streg指令)
3-4-1 脆弱性(frailty) 模型
3-4-2 加速失败时间(Accelerated Failure Time)模型
3-4-3 配对后Weibull存活模型搭配accelerated failure time：发电机寿命(streg指令)
3-4-4 每位病人发生多重失败事件(multiple failures)之Weibull存活模型(streg指令)
3-4-5 五种参数模型(广义Gamma、韦伯...)，谁优？验证治癌新药效：(streg、test指令)
3-4-6 Weibull存活模型(带有脆弱性gamma): 癌症死亡之个人因子(streg指令)
3-4-7 指数回归(搭配accelerated failure-time)：肝癌之个人危险因子(streg指令)
Chapter 04 存活模型之进阶
4-1 风险模型延伸(Extensions of the Proportional Hazards Model)
4-2 竞争风险回归(Competing-risks regression)(stcrreg指令)
4-2-1 竞争风险之应用：违约及提前清偿行为模型系数估计
4-2-2 范例：竞争风险(Competing-risks)回归(stcrreg指令)
4-3 纵贯面调查法：肺癌存活模型(svy: stcox 指令)
4-4 panel-data参数存活模型[xtstreg , shared(panel变数)指令]
4-4-1 追踪资料(panel-data)
4-4-2 追踪资料(panel-data) 存活分析[xtstreg, shared (panel 变数) 指令]
4-5 多层次(multilevel)参数存活模型(mestreg指令)
4-5-1 Multilevel存活模型
4-5-2 多层次参数存活模型(mestreg...||分层变数)
Chapter 05 最小平方法(OLS)回归vs. Logistic回归
5-1 了解各类型回归分析
5-1-1 各类型回归之适用情境
5-1-2 线性回归之基本概念
5-2 最小平方法(OLS) 回归7个假定的诊断及补救法
5-3 Binary依变数：Linear Probability, Probit及Logistic回归
5-3-1 Logistic回归介绍
5-3-2 Logistic指令的事后检定
5-3-3 Logistic范例：年龄与罹患冠心病(CHD)关系
5-4 Binary依变数(失业否预测)：OLS,Probit及Logistic回归三者比较
Chapter 06 流行病学统计法：ROC曲线分析
6-1 流行病学(Epidemiology)
6-1-1 流行病学之研究法：观察法及实验法
6-1-2a 观察法：描述性vs.分析性研究
6-1-2b 观察法：前瞻性vs.回溯性研究；纵贯面vs.横断面研究
6-1-3 实验法
6-1-4 Stata流行病(epidemiologists)之选择表对应的指令
6-1-5 流行病学之ROC法的应用领域
6-1-6 临床试验常用术语解释
6-1-7 频率(frequency)的指标：生命统计测量值
6-2 Receiver operating characteristic(ROC)分析：判别检验工具的准确性
6-2-1 流行病统计法：ROC缘由
6-2-2 ROC曲线原理：2×2混淆矩阵
6-2-3a Type I误差α及Type II误差β：ROC图切断点的由来
6-2-3b 评估不同筛检工具之分类准确性(accuracy)：ROC图
6-2-4 筛检工具的绩效(performance)：同一筛检工具不同检验值切断点的选择
6-2-5 ROC法之分析步骤
6-2-6 参数的ROC
6-3 ROC分析之Stata范例
6-3-1 如何提升ROC研究设计之品质
6-3-2a 二个Logistic回归谁优？(logit、lroc、roccomp指令)
6-3-2b ROC绘图法：三个检验工具之准确度，谁优？(roccomp、rocgold指令)
6-3-3 Parametric ROC models：风险评级最佳断点？(rocfit指令)
6-3-4 Nonparametric ROC模型之风险评级最佳断点(roctab指令)
图书序言
二、世代研究(Cohort study)
世代研究又称追踪性研究、前瞻性研究或纵贯性研究，是一种探索病因的流行病学研究方法。其做法是在人群中抽取一个样本，按是否暴露(expose) 于某种可疑病因( 危险因子) 或暴露程度分组，经过一段追踪观察，最后比较各组的发病率或死亡率，对因果关系作出估计。世代研究适用于发病率较高的疾病，也适用于环境污染对健康影响的评价。该方法的优点是在两组对比中( 开始时的健康状况一样) 直接观察致病因子与发病的关系，不存在回忆性偏差，且能计算发病率、死亡率和相对危险性。缺点是观察时间长，可发生失访偏差；如观察发病率低的疾病则需大量人力，费用高、时间长。
世代研究是研究一开始将研究对象( 不一定是有病的人) 随机地分派至两组，其中一组是暴露组(exposed group) 另一组则是未暴露组(unexposed group)，至于暴露的因子则是研究者关心的变数，例如抽菸与肺癌的关系或居住在高压电附近与脑部病变的关系。然后往后追踪一段期间，就会观察到暴露组与未暴露组都有人发生事件(event，例如疾病)，此时就可计算两组发生事件比例的比较，例如追踪10 年后抽菸组发生肺癌的比例为3% 而未抽菸组罹患肺癌比例为1%，接着进而透过统计分析评估究竟暴露因子( 抽菸) 是否与事件( 肺癌) 有所关联。
世代研究是非常具有因果推论效力的研究设计，但是非常耗时也非常耗费成本，以抽菸跟肺癌来说，可能至少的追踪期要10 年以上才有意义。另外一方面也因为追踪期很长，研究参与对象会有失去追踪(lost to follow up) 的问题。
1-4-3 病例对照(case-control) 列联表(cc and cci、tabodds、mhodds 指令)
流行病学的研究设计类型包括：个案报告(case report)、病例分析(case analysis)、现况调查(cross section study)、病例对照研究(case control study)、世代研究(cohort study)、临床试验(clinical trial)。这些方法的论证因果递增强度，由小到大依序为：个案报告 < 病例分析 < 现况调查 < 病例对照研究 < 世代研究 < 临床试验，并以「同期随机对照试验」论证强度最高。
病例对照研究是流行病学的其中一种研究设计。它是一种较廉宜及惯常使用的流行病学研究，只需少数的研究人员( 甚至只是一个) 及单一的设备，且不涉及有结构的试验。它的方法是指向一系列的重要发现及先例，其可信性却有受质疑的地方，但因它过往的成功，现时广泛被医学界所接受。
世代研究又称追踪性研究、前瞻性研究或纵贯性研究，是一种探索病因的流行病学研究方法。其做法是在人群中抽取一个样本，按是否暴露(expose) 于某种可疑病因( 危险因子) 或暴露程度分组，经过一段追踪观察，最后比较各组的发病率或死亡率，对因果关系作出估计。世代研究适用于发病率较高的疾病，也适用于环境污染对健康影响的评价。该方法的优点是在两组对比中( 开始时的健康状况一样) 直接观察致病因子与发病的关系，不存在回忆性偏差，且能计算发病率、死亡率和相对危险性。缺点是观察时间长，可发生失访偏差；如观察发病率低的疾病则需大量人力，费用高、时间长。
世代研究是研究一开始将研究对象( 不一定是有病的人) 随机地分派至两组，其中一组是暴露组(exposed group) 另一组则是未暴露组(unexposed group)，至于暴露的因子则是研究者关心的变数，例如抽菸与肺癌的关系或居住在高压电附近与脑部病变的关系。然后往后追踪一段期间，就会观察到暴露组与未暴露组都有人发生事件(event，例如疾病)，此时就可计算两组发生事件比例的比较，例如追踪10 年后抽菸组发生肺癌的比例为3% 而未抽菸组罹患肺癌比例为1%，接着进而透过统计分析评估究竟暴露因子( 抽菸) 是否与事件( 肺癌) 有所关联。
世代研究是非常具有因果推论效力的研究设计，但是非常耗时也非常耗费成本，以抽菸跟肺癌来说，可能至少的追踪期要10 年以上才有意义。另外一方面也因为追踪期很长，研究参与对象会有失去追踪(lost to follow up) 的问题。
1-4-3 病例对照(case-control) 列联表(cc and cci、tabodds、mhodds 指令)
流行病学的研究设计类型包括：个案报告(case report)、病例分析(case analysis)、现况调查(cross section study)、病例对照研究(case control study)、世代研究(cohort study)、临床试验(clinical trial)。这些方法的论证因果递增强度，由小到大依序为：个案报告 < 病例分析 < 现况调查 < 病例对照研究 < 世代研究 < 临床试验，并以「同期随机对照试验」论证强度最高。
病例对照研究是流行病学的其中一种研究设计。它是一种较廉宜及惯常使用的流行病学研究，只需少数的研究人员( 甚至只是一个) 及单一的设备，且不涉及有结构的试验。它的方法是指向一系列的重要发现及先例，其可信性却有受质疑的地方，但因它过往的成功，现时广泛被医学界所接受。
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有