發布時間：2022-07-19 02:55:32
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的1篇醫學統計學教學研究，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
摘要:生物信息學的蓬勃發展已使醫學研究由宏觀逐步探索到微觀。醫學統計學作為一門醫學院校的基礎課程，其理論和方法在醫學研究的新要求下其理論和方法也有了新的發展與應用。將生物信息學知識帶入醫學統計學課堂教學，介紹醫學統計學的新發展，不但能使學員了解到本學科的前沿研究內容，有效地激發學員的學習興趣，還能使他們掌握生物信息學研究的工具，提高今后從事醫學科研工作的能力。
關鍵詞:生物信息學醫學統計學課堂教學
生物信息學融合了生物技術、計算機技術、數學和統計學的大量方法，已逐漸成為發現生命過程中所蘊涵知識的一門重要學科。其基本問題主要包括：DNA分析、蛋白質結構分析、分子進化。醫學統計學作為醫科院校的基礎課程之一，長期以來其理論和方法就廣泛應用于臨床醫學、基礎醫學的各類研究中。隨著生物新技術的誕生，在推動生物信息學發展的同時，醫學研究對象也由宏觀的病人、生物組織拓展到微觀的基因領域，所面對的實驗數據在性質和結構上也都有所不同，這對醫學統計學的應用提出了新的更高的要求。
目前，醫學統計學的很多原理和方法已成功地應用于這些新研究之中，并在此基礎之上有了新的發展和改進。如概率分布的知識與序列相似性分析、蛋白質分類等技術密切相關；方差分析、非參數檢驗方法經改進和結合后在基因表達數據的前期分析中發揮了較好的作用；而聚類分析、判別分析、相關分析這些大家所熟知的統計學方法更是在基因分類和調控網絡的建立中得到了廣泛的應用。在進行醫學統計學課堂教學時加入生物信息學方面的應用實例，不僅可以使學員了解本學科研究的前沿和醫學、生物信息學研究的新發展，還可以提高學員對于醫學統計學理論學習的興趣，掌握先進的生物實驗數據分析方法，提高今后從事醫學科研的能力。下面，本文在回顧醫學統計學授課主要內容的基礎上，就醫學和生物信息學中的可能應用舉例如下：
一、概率分布
概率分布（probabilitydistribution）是醫學統計學中多種統計分析方法的理論基礎。授課內容一般包括：二項分布、Possion分布、正態分布、t分布、F分布等。
借助概率分布常?？梢詭椭覀兞私馍笜说奶卣鳌⑨t學現象的發生規律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據正態分布和t分布的原理計算得到；許多醫學試驗的“陽性”結果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區間估計等；而一定人群中諸如遺傳缺陷、癌癥等發病率很低的非傳染性疾病患病數或死亡數的分布，單位面積（或容積）內細菌數的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現象進行研究。
在生物信息學中概率分布也有一定應用。例如，Poisson分布可以用于基因（蛋白質）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質（或DNA）數據與公開數據庫進行相似性序列比對。對于序列a和b，BLAST發現的高得分匹配區稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據Poisson分布的性質計算得到。
二、假設檢驗
假設檢驗（hypothesis）是醫學統計學中統計推斷部分的重要內容。假設檢驗根據反證法和小概率原理，首先依據資料性質和所需解決的問題，建立檢驗假設；在假設該檢驗假設成立的前提下，采用適當的檢驗方法，根據樣本算得相應的檢驗統計量；最后，依據概率分布的特點和算得的檢驗統計量的大小來判斷是否支持所建立的檢驗假設，進而推斷總體上該假設是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數檢驗方法。
假設檢驗為醫學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數）與該年齡段兒童應有的標準平均身高（總體均數）做u檢驗，其檢驗結果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發育水平提供參考。又如，醫學中常?？梢圆捎胻檢驗、秩和檢驗比較兩種藥物的療效有無差別；用?2檢驗比較不同治療方法的有效率是否相同等等。
這些假設檢驗的方法在生物實驗資料的分析前期應用較多，但由于研究目的和資料性質不同，一般會對某些方法進行適當調整和結合。
例如，基于基因芯片實驗數據尋找差異表達基因的問題?；蛐酒╣enechip）是近年來實驗分子生物學的技術突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設定實驗條件下的表達數據。為了從這海量的數據中尋找有意義的信息，在對基因表達數據進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復測量數據看作一個樣本，尋找差異表達基因的問題其實就可以采用假設檢驗方法加以解決。
如果表達數據服從正態分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。
但是，由于表達數據很難滿足正態性假定，目前常用的方法基于非參數檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統計量對基因排秩，用秩代替表達值本身；其次，為排秩統計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統計量有：任一特定基因在重復序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統計量，其中，s是M的標準差；以及用經驗Bayes方法修正后的t-統計量：，修正值a由M的方差s2的均數和標準差估計得到。
三、一些高級統計方法在基因研究中的應用
（一）聚類分析
聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據聚類對象的某些性質與特征，運用統計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統計分析方法，其基本內容包括：相似性度量方法、系統聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。
聚類分析可以幫助我們解決醫學中諸如：人的體型分類，某種疾病從發生、發展到治愈不同階段的劃分，青少年生長發育分期的確定等問題。
近年來隨著基因表達譜數據的不斷積累，聚類分析已成為發掘基因信息的有效工具。在基因表達研究中，一項主要的任務是從基因表達數據中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關聯性。這種探索完全未知的數據特征的方法就是聚類分析，生物信息學中又稱為無監督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數據對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據聚類結果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數據而言，系統聚類法易于使用、應用廣泛，其結果——系統樹圖能提供一個可視化的數據結構，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯接法(AverageLinkageClustering)一般能給出較為合理的聚類結果2。
（二）判別分析
判別分析（discriminantanalysis）是根據觀測到的某些指標的數據對所研究的對象建立判別函數，并進行分類的一種多元統計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經網絡（ANNs）和支持向量機（SVMs）。
判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎迅速發展起來的一門科學。如臨床醫生根據患者的主訴、體征及檢查結果作出診斷；根據各種癥狀的嚴重程度預測病人的預后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預報，環境污染程度的堅定及環保措施、勞保措施的效果評估等。
在生物信息學針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準確分類，如，基因的功能類、樣本歸結于疾?。ㄕ＃顟B等等。當利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學中又稱為有監督的分析（SupervisedAnalysis）。例如，基因表達數據分析中，對于已經過濾的基因，前三種方法的應用較為簡單。而支持向量機（SVMs）和人工神經網絡（ANNs）是兩種較新，但很有應用前景的方法。
（三）相關分析
相關分析（correlationanalysis）是醫學統計學中研究兩變量間關系的重要方法。它借助相關系數來衡量兩變量之間的關系是否存在、關系的強弱，以及相互影響的方向。其基本內容包括：線性相關系數、秩相關系數、相關系數的檢驗、典型相關分析等。
我們常?？梢越柚嚓P分析判斷研究者所感興趣的兩個醫學現象之間是否存在聯系。例如，采用秩相關分析我們發現某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關關系；采用線性相關方法發現中年女性體重與血壓之間具有非常密切的正相關關系等等。
生物信息學中可以利用相關分析建立基因調控網絡。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關分析所研究的正是兩者之間的調控關系。如采用線性相關系數進行兩基因關系的分析時，其大小反應了基因調控關系的強弱，符號則反應了兩基因是協同關系（相關系數為正），還是抑制關系（相關系數為負）。
四、意義
生物信息學不僅是醫學統計學的研究前沿，更是醫學研究由宏觀向微觀拓展的重要領域，其研究內容已逐漸為多數醫學院校的學員了解和熟悉。而如何對新技術產生的生物實驗數據進行準確合理的分析，卻成為生物信息學研究的主要瓶頸之一。
在醫學統計學課堂教學中引入生物信息學實例，而不僅僅局限于常見的醫學、衛生領域的例子，將難以理解的統計理論和方法與前沿的生物實例相結合，拓寬了學員的視野，提高了學員的學習興趣，更可以加深對所學知識的理解；與此同時，使學員掌握了生物實驗數據的先進分析方法，擴大了學員的知識面，提高了他們今后開展醫學科研工作的能力。
一、教材改革
1增強教學內容的針對性
職業教育倡導以能力為本位，這點和應試教育是完全不同的，在教授理論知識的同時，更應注重學生實踐能力的培養。傳統的教育內容包括3方面：基本概念和方法，公式來源、推導和詳細的手工計算步驟，統計結果的解釋與分析[2]。雖然掌握基本的知識點能使學生更好地理解、應用相關的統計學知識，但對一名醫學生而言，冗長的公式推導、諸多公式的適用范圍等都是枯燥的。所以，筆者認為醫學生只要掌握統計學思考問題的基本方式、解決問題的基本思路和一些基本的統計學方法及其應用的前提條件以及結果的解釋即可。醫學統計學教材應重點介紹醫學中常用的統計方法，并將統計理論與醫學實際數據結合在一起，增加學生的感性認識。最后，還應適當增加統計軟件部分，對醫學生而言，重點是培養統計思維和解決實際問題的能力。
2教學方式、方法改革
在教學中遵循從典型事例的個別特點推出同類事物的普遍特征，再由普遍特征上升到掌握事物的發展規律原則，提高學生對客觀世界的認識。和傳統的教師講授、學生聽的方法不同，案例教學法側重實踐和案例的講解分析，以啟迪學生思維，強調教學過程中學生的主動參與，引導學生運用已學理論知識，去分析、歸納、演繹、推理、總結，從而達到鞏固知識的目的。在案例教學法中，應嚴格篩選案例，案例應是多維的，形成一個反映統計學不同內容和不同方法的統計教學案例體系。案例應盡可能做到簡單、常見、典型、有針對性，能夠反映本學科的重點和難點。教師在篩選案例時還應做到緊扣章節內容，若用一個案例可以貫穿前后章節的知識點，則教師應反復講解讓學生加深理解。案例教學具有針對性、實踐性、應用性、示范性及團體合作等優點，能克服傳統統計學教學中的弊端，在教學中可將其與傳統的講授相結合。另外，教師也可以采用直觀、有趣的方式進行教學，例如采用統計漫畫、統計詩歌、統計幽默等方式，寓教于樂，使枯燥乏味的統計學課程變得生動有趣。
3增加上機實訓時間
實踐的主要目的是加強學生的職業技能培訓，理論聯系實際。對于醫學統計學教學而言，應增加學生上機練習的時間，提高上機練習的效率。教師可在上課前錄入相關數據，減少學生因輸入大量數據而占用課堂的教學、練習時間。在上機實訓中注重培養學生綜合應用統計學知識的能力，使學生所學的知識系統化、條理化。在應用軟件方面，讓學生掌握Excel統計圖表繪制、基本數據整理編輯功能。SPSS是一款界面友好、易學易用、功能強大的國際通用統計軟件包，它基本包括了醫學統計學常見、常用的內容，學生學習起來積極性較高，教師講授重點是t檢驗、卡方檢驗、方差分析等內容。在理論課上，可選用功能比較全面的計算器（具有普通運算和統計運算兩方面功能）。學生對于計算器的一般運算和函數運算的功能較為熟悉，但對于計算器的統計學功能了解甚少，所以在理論課上安排使用計算器統計功能的教學，在較短時間內輕松完成復雜的計算，可減少課堂時間的占用，提高效率，使教師有更多的時間指導學生。在案例教學實踐中，以統計軟件作為案例教學的輔助工具，不僅可以滿足學生對大量數據進行處理和分析的需要，而且統計分析結果以圖形的形式表現出來，可使案例教學更加直觀，加深學生對相關知識的理解。
二、加強學生的專業思想教育
1突出學科重要性
首先，應向學生闡明醫學統計學的重要性。醫學統計學是研究醫學領域內數據的科學，是一種方法學，它能指導醫學生在醫學研究與實踐中有效地獲取數據、正確地分析數據以合理地解釋所得到的結果。因此在教學中應以醫學為背景，注重解決實際問題能力的培養。雖然我們發現在校生對統計學的重要性普遍認識不足，但醫學生只要經歷一定的臨床工作或醫學科研后，就會真正體會到統計學的重要性，知道統計學知識對他們很重要，并渴望有機會彌補統計學知識[3]。
2激發學生學習興趣
針對本課程數據多、公式多、推導多、運算多等特點，在理論授課時注意語言的易懂、幽默性，思維的嚴謹、合理性，內容的有趣、互動性，盡量把抽象的概念、難理解的公式直觀化，使學生便于理解。抽象的問題變得生動、形象、具體，從而增加課堂信息容量，提高學生學習興趣。在上機實訓時，充分利用計算工具，使學生比較熟練地運用計算器和統計軟件，簡化運算過程，提高學習積極性[4]。另外，在有條件的情況下，可以讓學生參與到教師的科研課題中，帶學生進入統計學的科研領域，激發學生學習興趣。
三、提高教師自身素質
提高教學質量的關鍵在于教師，沒有高素質的教師就難以培養出高素質的學生。高職學校與普通高校在人才培養方面是有區別的，必須體現出其職業教育的特色———學有所長、學有所用，使學生能夠真正適應社會，服務社會[5]。因此，高職高專教師應具備扎實的理論功底，合理優化的專業知識結構，在課堂上真正成為學生學習知識的顧問，解決問題的參謀。醫學統計學是一門應用型學科，它要求教師不但要精通統計學的基本原理和方法，還要有一定的醫學背景，這樣在授課過程中，才能將理論與實踐有機地聯系起來。此外，還要求教師具有熟練的計算機操作能力、較高的外語水平和統計方法的實際應用能力。
四、改革考核方式
考核是教學的重要環節，可以評價學生的學習效果和教師的教學質量，以指導教學、推動教學。傳統的考核方式以筆試為主，考核方式改革后，減少了筆試成績在期末總評中的比例，增加上機考核成績所占比例，兩項成績在期末總評中的比例可達60%~80%，其余20%~40%由平時上機練習、課堂提問、討論課等平時成績組成。另外在理論、實訓考試中既要注重知識應用的考核，又要注重案例分析的考核，從而不斷培養學生的邏輯思維和分析能力。（本文作者：楊艷單位：保山中醫藥高等?？茖W校）
一、概率分布
概率分布（probabilitydistribution）是醫學統計學中多種統計分析方法的理論基礎。授課內容一般包括：二項分布、Possion分布、正態分布、t分布、F分布等。
借助概率分布常?？梢詭椭覀兞私馍笜说奶卣?、醫學現象的發生規律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據正態分布和t分布的原理計算得到；許多醫學試驗的“陽性”結果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區間估計等；而一定人群中諸如遺傳缺陷、癌癥等發病率很低的非傳染性疾病患病數或死亡數的分布，單位面積（或容積）內細菌數的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現象進行研究。
在生物信息學中概率分布也有一定應用。例如，Poisson分布可以用于基因（蛋白質）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質（或DNA）數據與公開數據庫進行相似性序列比對。對于序列a和b，BLAST發現的高得分匹配區稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據Poisson分布的性質計算得到。
二、假設檢驗
假設檢驗（hypothesis）是醫學統計學中統計推斷部分的重要內容。假設檢驗根據反證法和小概率原理，首先依據資料性質和所需解決的問題，建立檢驗假設；在假設該檢驗假設成立的前提下，采用適當的檢驗方法，根據樣本算得相應的檢驗統計量；最后，依據概率分布的特點和算得的檢驗統計量的大小來判斷是否支持所建立的檢驗假設，進而推斷總體上該假設是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數檢驗方法。
假設檢驗為醫學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數）與該年齡段兒童應有的標準平均身高（總體均數）做u檢驗，其檢驗結果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發育水平提供參考。又如，醫學中常?？梢圆捎胻檢驗、秩和檢驗比較兩種藥物的療效有無差別；用?2檢驗比較不同治療方法的有效率是否相同等等。
這些假設檢驗的方法在生物實驗資料的分析前期應用較多，但由于研究目的和資料性質不同，一般會對某些方法進行適當調整和結合。
例如，基于基因芯片實驗數據尋找差異表達基因的問題?；蛐酒╣enechip）是近年來實驗分子生物學的技術突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設定實驗條件下的表達數據。為了從這海量的數據中尋找有意義的信息，在對基因表達數據進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復測量數據看作一個樣本，尋找差異表達基因的問題其實就可以采用假設檢驗方法加以解決。
如果表達數據服從正態分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。
但是，由于表達數據很難滿足正態性假定，目前常用的方法基于非參數檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統計量對基因排秩，用秩代替表達值本身；其次，為排秩統計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統計量有：任一特定基因在重復序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統計量，其中，s是M的標準差；以及用經驗Bayes方法修正后的t-統計量：，修正值a由M的方差s2的均數和標準差估計得到。三、一些高級統計方法在基因研究中的應用
（一）聚類分析
聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據聚類對象的某些性質與特征，運用統計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統計分析方法，其基本內容包括：相似性度量方法、系統聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。
聚類分析可以幫助我們解決醫學中諸如：人的體型分類，某種疾病從發生、發展到治愈不同階段的劃分，青少年生長發育分期的確定等問題。
近年來隨著基因表達譜數據的不斷積累，聚類分析已成為發掘基因信息的有效工具。在基因表達研究中，一項主要的任務是從基因表達數據中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關聯性。這種探索完全未知的數據特征的方法就是聚類分析，生物信息學中又稱為無監督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數據對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據聚類結果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數據而言，系統聚類法易于使用、應用廣泛，其結果——系統樹圖能提供一個可視化的數據結構，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯接法(AverageLinkageClustering)一般能給出較為合理的聚類結果2。
（二）判別分析
判別分析（discriminantanalysis）是根據觀測到的某些指標的數據對所研究的對象建立判別函數，并進行分類的一種多元統計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經網絡（ANNs）和支持向量機（SVMs）。
判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎迅速發展起來的一門科學。如臨床醫生根據患者的主訴、體征及檢查結果作出診斷；根據各種癥狀的嚴重程度預測病人的預后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預報，環境污染程度的堅定及環保措施、勞保措施的效果評估等。
在生物信息學針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準確分類，如，基因的功能類、樣本歸結于疾病（正常）狀態等等。當利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學中又稱為有監督的分析（SupervisedAnalysis）。例如，基因表達數據分析中，對于已經過濾的基因，前三種方法的應用較為簡單。而支持向量機（SVMs）和人工神經網絡（ANNs）是兩種較新，但很有應用前景的方法。
（三）相關分析
相關分析（correlationanalysis）是醫學統計學中研究兩變量間關系的重要方法。它借助相關系數來衡量兩變量之間的關系是否存在、關系的強弱，以及相互影響的方向。其基本內容包括：線性相關系數、秩相關系數、相關系數的檢驗、典型相關分析等。
我們常?？梢越柚嚓P分析判斷研究者所感興趣的兩個醫學現象之間是否存在聯系。例如，采用秩相關分析我們發現某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關關系；采用線性相關方法發現中年女性體重與血壓之間具有非常密切的正相關關系等等。
生物信息學中可以利用相關分析建立基因調控網絡。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關分析所研究的正是兩者之間的調控關系。如采用線性相關系數進行兩基因關系的分析時，其大小反應了基因調控關系的強弱，符號則反應了兩基因是協同關系（相關系數為正），還是抑制關系（相關系數為負）。
四、意義
生物信息學不僅是醫學統計學的研究前沿，更是醫學研究由宏觀向微觀拓展的重要領域，其研究內容已逐漸為多數醫學院校的學員了解和熟悉。而如何對新技術產生的生物實驗數據進行準確合理的分析，卻成為生物信息學研究的主要瓶頸之一。
在醫學統計學課堂教學中引入生物信息學實例，而不僅僅局限于常見的醫學、衛生領域的例子，將難以理解的統計理論和方法與前沿的生物實例相結合，拓寬了學員的視野，提高了學員的學習興趣，更可以加深對所學知識的理解；與此同時，使學員掌握了生物實驗數據的先進分析方法，擴大了學員的知識面，提高了他們今后開展醫學科研工作的能力。
還有一些醫學統計學方法目前也逐漸應用于生物信息學研究中，諸如：遺傳算法、熵理論等等。但這些方法已經超出了醫學統計學課堂教學的范圍，我們將嘗試在第二課堂或選修課中，作為補充知識進行講授，供那些學有余力的學員學習交流摘要:生物信息學的蓬勃發展已使醫學研究由宏觀逐步探索到微觀。醫學統計學作為一門醫學院校的基礎課程，其理論和方法在醫學研究的新要求下其理論和方法也有了新的發展與應用。將生物信息學知識帶入醫學統計學課堂教學，介紹醫學統計學的新發展，不但能使學員了解到本學科的前沿研究內容，有效地激發學員的學習興趣，還能使他們掌握生物信息學研究的工具，提高今后從事醫學科研工作的能力。
關鍵詞:生物信息學醫學統計學課堂教學
教育是科技進步和經濟振興的基礎，在全國上下貫徹落實《中國教育發展改革和發展綱要》《中共中央國務院關于深化教育改革全面推進素質教育的決定》和全國教育工作會議精神的今天，高等教育為適應這一新形式，推進素質教育，培養大批高質量、高素質的各類專門人才已進行著多方面的改革。
眾所周知，醫學是理論性、實踐性很強的學科。醫學統計學更是一門既有復雜理論知識，又有豐富應用技巧的醫學專業基礎課程。它是科研設計、資料的搜集、整理和分析的靈魂，應用于居民健康狀況評價、醫療衛生實踐和醫學科研，涉及基礎醫學、臨床醫學、預防醫學等多學科領域。其教學內容貫穿于研究設計到論文撰寫的全過程。如何適應新形勢，迅速推廣醫學統計學的基礎知識，在滿足醫學科研需要的同時實現醫學統計學的自身發展，是醫學統計教育面臨的重要課題。我國醫學統計教育面臨的主要問題是：①教學對象的數學基礎普遍較差，教學手段落后。②醫學研究進一步向宏觀和微觀發展，信息數據更加復雜化、多元化和大數量化。我們利用多媒體計算機輔助教學CAI系統具備較好的獨立性、可參與性與知識的全面、系統性，以及多媒體組合的高效性等諸多優點，解決了上述問題。利用多媒體技術，我們可以讓學生做到“所學即所見、所聞即所學”，適當拓寬內容的深度和廣度，提高靈活性，大大增強學生的參與感和實踐能力，以創造傳統教學手段所達不到的效果。同時，還可利用計算機對學生的學習進行評估并決定進度，實現因材施教。
進入21世紀以后，信息技術飛速發展，現代統計工具從計算器發展到計算機為主，能應用相關的統計軟件處理醫學科研數據已成為必備的能力。否則，一方面有人不懂得選用正確的統計方法，使大量的信息和統計數據得不到有效的利用；另一方面又盲目使用計算機和統計軟件，不管是什么研究類型的數據都簡單地交給計算機處理，用計算機取代統計，勢必造成大量統計方法的濫用和誤用。醫學研究的許多數據關系到病人的治療、轉歸，甚至生死，統計方法的誤用會導致嚴重的論理問題。我們利用計算機、統計軟件、多媒體教學課件相結合，使課堂教學擺脫大量的繁瑣演算的束縛，在單位時間內講授的信息量將會大幅度增加。統計學教學不再是數據的羅列和公式的堆砌，而是研究設計的藝術和數據表達的藝術，并使學生體會到統計思維和推理的樂趣。
近年來我們進行了一些改革措施，取得了相應的成果，現總結如下：
一、積極申報院級教學研究立項的課題：
(1)醫學統計學多媒體CAI教學系統的研究和應用（2001年）
(2)醫學研究生統計學課程教學模式的改革（2002年）
(3)《心理統計學》多媒體課件的制作及題庫的構建（2004年）
另外開了《醫學科研數據管理與統計分析》選修課
二、進行了一系列的教學改革措施：
(1)教學內容上所進行的改革，具體做到了“四增三減”：減少了目前已無必要講授的詳細手工計算步驟與技巧；減少了復雜的公式推導，改為公式內涵的剖析；減少了部分淺顯內容，改為自學或課堂討論；增加了“實驗設計和調查設計”；增加了“醫學統計學軟件使用”；增加了“多元統計分析”；增加了“醫學統計應用錯誤的診斷”。
(2)在教學手段上進行了以下幾方面的改革：建立了醫學統計學多媒體CAI教學系統；開設了統計學電腦實驗課；開設了“醫學統計應用錯誤的診斷”討論課。
(3)在考試內容和形式上的改革：著重考核醫學統計學綜合分析能力以及正確應用統計方法和糾正錯誤能力。不考死記硬背、公式和定理。
三、發表相關論文：
(1)醫學科研論文中t檢驗誤用分析皖南醫學院學報2002，21（2）
(2)醫學科研論文中x2檢驗誤用分析皖南醫學院學報（論文待發表）
(3)皖南地區中學生傷害危險因素的病例對照研究，中華流行病學雜志，2003，24(7)
(4)膽石病病因的臨床流行病學研究現代預防醫學2001，28（4）
四、編寫的教材：
(1)《醫學科研方法與臨床流行病學》（2003.8，安徽大學出版社）
(2)《預防醫學》（第2版）（2003.8，人民軍醫出版社）
(3)《心理統計學》（2004.8，安徽大學出版社與北京科學技術出版社）
(4)《心理評估學》（2004.5，安徽大學出版社與北京科學技術出版社）
(5)《衛生統計學實習指導》（2003.10，安徽大學出版社）
(6)《流行病學實習指導》（2002.8，中國科學技術大學出版社）
五、成果創新點：
(1)將統計學軟件、多媒體教學模式首次引入我院醫學統計學教學之中；
(2)將統計思維和科研創造性實踐相結合，注重學生科研能力的培養；
(3)改革了醫學統計學的教學內容、教學手段、考試方法；
(4)首次在我院學生中開設“醫學科研統計應用錯誤的診斷”討論形式的教學模式
(5)特別注重教師主導作用與學生能動性統一
(6)編寫“醫學統計學”相關教材
六、成果應用情況：
(1)已經將改革的內容應用于我院專科生、本科生和碩士生的“醫學統計學”；
(2)在本科生和碩士生的教學手段上采用“多媒體CAI教學”模式；
(3)在考試內容已作了相應的改革；
(4)已經將“醫學科研統計應用錯誤的診斷”應用于皖南醫學院學報的論文審閱之中。
以上是對近年來“醫學統計教學模式改革”的總結，我們突出了“醫學統計學教學課件、醫學統計學軟件和醫學統計應用錯誤的診斷”三方面的教學改革，敬請各位專家評審，不足之處，請多提寶貴意見，非常希望我們的教學成果能得到各位專家的肯定。
【摘 要】醫學統計教學改革以講授SPSS統計軟件，結合中醫學專業最新國內外相關研究成果中的統計設計和統計方法，解決目前醫學統計教學中存在的潛在問題，有效地提高中醫藥院校學生的統計實踐能力和專業科研能力。
【關鍵詞】醫學統計學；教學改革；科研論文；SPSS軟件
醫學統計學是醫藥專業學生的必修課程之一，此課程的教學效果直接關系到醫學專業和藥學專業學生的科研能力，因此我?；谥嗅t學專業本碩連讀實驗班《醫學統計學》課程施行了教學改革，采用雙語教學模式，結合SPSS軟件講授英文醫學論文中的統計設計與統計方法，提高學生的基本科研素養，培養學生統計設計思維和解決科研中遇到的實際問題的能力。
1 增加統計軟件SPSS實驗課
醫學統計課程定理內容較多且抽象難懂，而醫學院校的學生數學基礎薄弱，傳統的教學方式會使學生對醫學統計的理論知識難理解，也會導致醫學統計學的教學效果不達標。因此，在教學改革實驗課上進行SPSS的講解和教學演示，教授學生統計軟件SPSS菜單中的統計方法英文表達和如何解讀統計軟件輸出的結果，這樣可以簡化計算過程，提高學生學習醫學統計的學習興趣，還能行之有效的增強學生解決實際問題的能力。SPSS統計軟件具有操作簡單，容易被學生掌握。過去用計算器要經過很多步驟計算和畫圖，現在用統計軟件畫出來的頻數直方圖、散點圖、箱圖、回歸曲線既快又準。SPSS統計軟件教學大量地節省了教學的板書時間，增加了學生的信息量，開闊了學生的統計知識面，進一步達到醫學統計學教學改革的目的，即不是注重傳統的統計概念，而是更專業的強調醫學統計學的使用條件和具體實施方法，發揮統計的實際應用作用。
2 進行醫學統計學的雙語教學
本次教改的主要目的是要提高學生的科研能力，而目前的現狀是中醫藥在醫學研究發展方面的貢獻沒有西醫顯著，所以這就要求我們加緊與國外醫學研究者增加交流，把我們的最新成果用統計學驗證其醫學方面的研究意義。因此，中醫藥院校的學生應在提高自身的統計學應用能力的前提下，熟悉英文表達，在日常教學中逐漸用英語把實驗結果和統計學方法用英文表達出來，那么這種教育改革對于學生自身素質的提高、社會競爭力的提高都是非常有幫助的。所以在本次教改日中，我們增加了統計學專業術語的英文表達方式，真正的達到學以致用的目的，也是為我們的國粹――中醫與中藥的國際化發展增添一份力量。
3 注重統計分析，實現醫學統計學的專業課題融合
醫學課題完成的質量與水平離不開統計分析，只有正確、有效的醫學統計分析，才能得出可信的結論。醫學統計分析是將醫學專業知識與統計學知識相結合，運用統計學原理和方法雖所得資料進行科學的加工、整理和分析，用正確的統計指標和方法描述取得的結果，并作出科學的推斷。在課題的具體研究中，實驗設計和統計方法的選擇是學生遇到的最大困難，大多數學生能想到的統計方法不是相關回歸就是t檢驗或方差分析，并沒有在實驗之前想好課題研究的統計設計方案。因此，在本次教學改革中我們對常用的設計方案：完全隨機設計、配對設計、隨機區組設計、拉丁方設計、序貫設計、析因設計、正交設計等，并結合課題做了具體的實例講解，實現了醫學統計學的專業課題融合。
教學中增加前沿國際學術論文統計方法分析環節，一是，看醫學論文中的統計方法表達方式，二是，和學生專業融合，學到最新最快的醫學研究方向，當然這要和醫學專業的專業課教師先溝通，篩選適合學生參考學習的科學研究結果。
4 網絡教學，增加師生交流
使用網絡教學進行第二課堂輔助教學。本次教學改革為了提高醫學統計課程教學質量，充分利用教學資源增加師生交流的網絡教學。在我校的校園青果軟件中，在醫學統計課程的網頁中制作了常用的統計模型和統計實例分析，極大地豐富了教學資源和教學手段。同時幫助學生校正修改參加大學生創業項目和大學生挑戰杯項目中所遇到的統計問題，進一步增加了學生學習醫學統計學的積極性，使學生能主動地參與醫學統計學的科研實踐，提高了教學效果。
