統計學變量類型大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇統計學變量類型范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

一、數據統計分析的內涵

數據分析是指運用一定的分析方法對數據進行處理，從而獲得解決管理決策或營銷研究問題所需信息的過程。所謂的數據統計分析就是運用統計學的方法對數據進行處理。在實際的市場調研工作中，數據統計分析能使我們挖掘出數據中隱藏的信息，并以恰當的形式表現出來，并最終指導決策的制定。

二、數據統計分析的原則

（1）科學性。科學方法的顯著特征是數據的收集、分析和解釋的客觀性，數據統計分析作為市場調研的重要組成部分也要具有同其他科學方法一樣的客觀標準。（2）系統性。市場調研是一個周密策劃、精心組織、科學實施，并由一系列工作環節、步驟、活動和成果組成的過程，而不是單個資料的記錄、整理或分析活動。（3）針對性。就不同的數據統計分析方法而言，無論是基礎的分析方法還是高級的分析方法，都會有它的適用領域和局限性。（4）趨勢性。市場所處的環境是在不斷的變化過程中的，我們要以一種發展的眼光看待問題。（5）實用性。市場調研說到底是為企業決策服務的，而數據統計分析也同樣服務于此，在保證其專業性和科學性的同時也不能忽略其現實意義。

三、推論性統計分析方法

（1）方差分析。方差分析是檢驗多個總體均值是否相等的一種統計方法，它可以看作是t檢驗的一種擴展。它所研究的是分類型自變量對數值型因變量的影響，比如它們之間有沒有關聯性、關聯性的程度等，所采用的方法就是通過檢驗各個總體的均值是否相等來判斷分類型自變量對數值型因變量是否有顯著影響。（2）回歸分析。在數據統計分析中，存在著大量的一種變量隨著另一種變量的變化而變化的情況，這種對應的因果變化往往無法用精確的數學公式來描述，只有通過大量觀察數據的統計工作才能找到他們之間的關系和規律，解決這一問題的常用方法是回歸分析。回歸分析是從定量的角度對觀察數據進行分析、計算和歸納。

篇（2）

二、應用SPSS軟件的基本統分析

教學材料第二、三章內容為資料的整理與特征數的計算、概率和概率分布，結合教學內容SPSS上機實驗課應設置基本統計分析課程，該部分包括數據匯總報告和描述性統計分析兩方面的內容。基本統計分析可通過菜單欄的分析（Analyze）窗口進入，點擊分析欄之后，鼠標放置數據匯總報告（Reports）欄，即可顯示分層報告（OLAP—OnlineAna-lyticalProcessing）、數據匯總（CasesSummarize）、行匯總報告（ReportSummariesinRows）、列匯總報告選項（ReportSummariesinColumns）。其中分層報告主要用于中位數、最大值、最小值、方差、偏度系數等統計描述；數據匯總可用于對編輯窗口中的數據在結果窗口中羅列出來，以便瀏覽和打印，同時也可對數據的基本特征進行描述；行匯總報告可羅列原始數據，其格式是以觀察單位和統計量為行標目，以報告變量為列標目；列匯總報告主要用來生成按列顯示統計量計算結果的報告，同時也可以完成許多統計計算。當鼠標放置描述性統計分析（DescriptiveStatistics）位置后，選中響應的功能即可進入頻數分析（Frequen-cies）、描述性分析（Descriptives）、探索性分析（Ex-plore）、多維交叉表分析（Crosstabs）、比值分析（Ratio）窗口從而根據自己的目的進行響應的數據分析。

三、應用SPSS軟件的均值比較和方差分析

生物統計學基本知識熟悉之后，在隨后在課堂教學中會開始進行統計推斷和方差分析部分的內容。SPSS實驗課在此部分結合課堂教學相應的設置均值比較和方差分析上機內容。均值比較可通過菜單欄的分析（Analyze）窗口進入，點擊分析欄之后，鼠標放置數據均值比較（Com-pareMeans）上即可顯示相應分析欄：平均數基本分（Means）可用于定量資料的統計分析，按分組變量計算因變量的描述統計量值，如均值、方差、標準差、偏度、峰度等統計量，并顯示結果；單樣本T-test（One-SampleTTest）單樣本t檢驗主要用于樣本平均數和已知總體平均數的比較；獨立樣本T-tes（tInde-pendent-SamplesTTest）可用于檢驗兩個獨立樣本的總體平均數之間是否有顯著差異；配對樣本T-test（Paired-SamplesTTest）用于配對計量資料的比較，檢驗配對樣本差值的總體均數與0的差異有無顯著意義，以及配對樣本是否相關方差分析包括單因素方差分析和多因素方差分析。其中單向方差分析（One-WayANOVA）可通過均值比較（CompareMeans）進入，其用于完全隨機設計資料的多個樣本均數比較和樣本均數間的多重比較，也可進行多個處理組與一個對照組的比較。多因素方差分析可通過分析欄里的多因素方差分析（GeneralLinearModel）選項進入，進入之后會設置四個不同要求的選擇：單變量多因素方差分析（Univariate）可用于一個因變量受一個或多個自變量影響的方差分析；多因變量方差分析（Multivariate）主要用于多個因變量受一個或多個因素變量或協變量影響的方差分析；多因變量方差分析（Multivariate）對同一因變量進行重復測量的方差分析；混合效應分析（VarianceCompo-nents）用來估計每個隨機因素對因變量方差的貢獻。在分析過程中可根據不同的需要和要求，選擇相應的方差分析。

篇（3）

在培養目標上，兩類碩士差距就更加明顯了。學術型碩士要求可以進行基本的專業理論研究，有繼續進行高等理論研究的素質和潛力，其中的一部分人可以繼續攻讀本專業及相關金融、管理、經濟等相關專業的博士學位，學術性的碩士生更強調理論學習和理論基礎的訓練。專業學位碩士則要求較好的專業知識實用能力，了解掌握常用統計方法的思想和軟件應用，實踐能力強，具有分析解決帶復雜數據分析背景的實際問題的潛力，強調的是學生對實際問題的處理能力，各種統計方法的綜合運用及實戰能力。在國外發達國家，目前均有應用統計專業學位博士，就是說將來在我們國家，優秀的應用統計專業學位碩士可以進一步攻讀專業學位博士，這類博士應該對實際問題有敏銳的眼光，對各種實用的統計方法有全面的了解，知曉其長處與不足，可以解決復雜的實際數據分析問題，因此應用統計專業學位碩士的概率理論基礎訓練應更加傾向于實際，傾向于在統計學中大量用到的概率論知識。這就決定了對兩類碩士在概率論基礎知識要求方面有很大不同。在概率論基礎方面，由于兩類生源的本科知識體系中都是以《概率論與數理統計》課程為起點，概率論部分基本相同，內容是：概率基礎及公式，隨機變量及分布，隨機向量及分布，數字特征及計算。在碩士生階段應在此基礎上考慮兩類碩士的培養目標的差異，分別在概率基礎課程中安排不一樣的教學內容和重點。

篇（4）

正確運用統計方法的前提是良好的實驗設計。如果試驗前沒有良好的設計， 或者設計存在缺陷， 那么， 即使使用高級的計算機和復雜的統計方法處理數據， 也只能得到錯誤的結論。對于生物（醫學）研究者來說， 統計問題咨詢應該在一個研究項目開始之前， 而不是在研究數據出來以后。沒有系統學習過生物（醫學）統計學的許多實際工作者常常錯誤地認為統計分析是在試驗完成后才考慮的問題， 而且不考慮研究目的、 資料類型以及統計方法的前提條件等有關統計方法選擇的問題。需強調的是，實驗設計、 資料搜集與整理分析是科學研究的三個緊密聯系的階段， 而良好的設計是順利地進行實驗和收集數據、 分析數據的先決條件， 希望通過運用統計方法的計算來彌補設計上的錯誤是不可能的， 也是有害的[1]。

1 統計分析步驟

統計方法的選擇依賴于研究方案中的統計學設計。統計學設計是要求研究工作者， 根據研究目的規定研究因素， 選擇觀察指標， 確定研究對象的樣本含量， 擬定研究的實施方法及數據收集、 整理和分析的模式， 以達到用最少的人力、 物力和時間， 獲得可靠的結論。在實際工作中， 必須根據醫學研究目的、 設計類型、 資料性質、 樣本大小和分析過程中所遇到的各種實際情況等， 并結合專業方面的知識來恰當地選擇和運用統計分析方法， 才能做出正確的、 符合實際的結論。在區分了研究資料的反應變量和解釋變量的基礎上， 數據的統計分析主要回答兩個問題: 一是反應變量的差異是否可歸因于分組因素或對比因素？ 二是多個反應變量之間是否存在某種聯系？ 因此， 醫學科研數據統計分析大致分以下4個步驟。

1.1 數據整理 主要進行數據質量的核查、 異常值的處理， 考察數據分布及變量轉換等， 以及看數據是否符合特定統計方法所要求的條件。如計算均數和標準差要求數據基本上呈正態分布， 方差分析要求各組方差的差別不宜過大等。

1.2 統計描述 按分組因素或控制因素分組計算反應變量的基本統計量， 如均數、 百分率、 標準差、 標準誤等， 得出資料的大致輪廓和進一步分析方向。結果的表達方式主要是統計圖或統計表[2， 3]。

1.3 統計推斷 選擇和運用恰當的統計方法（見統計方法選擇）作詳細分析， 如均數間的差異比較進行t檢驗或方差分析、 反應變量間的相互關系進行相關分析、 反應變量與解釋變量的依存關系擬合各類回歸模型等等。各種假設檢驗得到的P值是下結論的主要依據[2-4]。

1.4 結果表達 將各種分析結果簡單明了地表達出來， 為專業上的分析討論提供統計學背景[4]。有條件的話， 前3個步驟應在計算機上借助統計軟件完成。另外， 以上4個步驟只是一種粗略地劃分， 對有些資料，統計描述即可得出較為明確的結論。對于隨機分組的實驗設計資料或隨機抽樣的調查資料， 一般可根據資料性質和分析目的找到恰當的統計方法。但對于對比性資料的分析， 往往需要同時用多種統計方法進行處理或擬合復雜的統計模型。

2 統計方法選擇

生物（醫學）科學研究從研究設計開始到數據的收集、 整理、 分析的全過程中， 統計學知識始終貫穿其中， 而統計分析方法的正確選擇在數據處理中至關重要。在研究方案制定時選擇何種統計分析方法取決于實驗的目的、 不同的設計類型、 觀察指標組成的資料性質和樣本大小等。

在研究設計時， 統計方法的選擇需考慮以下6個方面的問題: (1)看反應變量是單變量、 雙變量還是多變量; (2)看單變量資料屬于3種資料類型（計量、 計數及等級資料）中的哪一種; (3)看影響因素是單因素還是多因素; (4)看單樣本、 兩樣本或多樣本; (5)看是否是配對或配伍設計; (6)看是否滿足檢驗方法所需的前提條件， 必要時可進行變量變換， 應用參數方法進行假設檢驗往往要求數據滿足某些前提條件， 如兩個獨立樣本比較t檢驗或多個獨立樣本比較的方差分析， 均要求方差齊性， 因此需要做方差齊性檢驗。如果要用正態分布法估計參考值范圍， 首先要檢驗資料是否服從正態分布。在建立各種多重回歸方程時， 常需檢驗變量間的多重共線性和殘差分布的正態性。

不同的統計分析方法都有其各自的應用條件和適用范圍。實際應用時， 必須根據研究目的、 資料的性質以及所要分析的具體內容等選擇適當的統計分析方法， 切忌只關心P值的大小（是否

3 統計方法綜合運用實例

例 根據2001年進行的大規模調查， 已知某地健康青年男子身高均數為168.34 cm， 體重均數為57.20 kg， 同年在該地應征男性青年中隨機抽取120名男子， 測得其身高、 體重資料見表1， 試對該資料進行統計分析[1]。表1 120名應征男性青年的身高與體重資料

3.1 資料的分布特征和數字特征的統計描述 本例屬于單樣本雙變量計量資料。對該資料進行統計分析時， 首先應對每一個變量的分布類型及其特征進行統計描述， 編制直方圖或頻數表， 計算相應的統計描述指標， 然后在此基礎上選擇和運用恰當的統計方法進行統計推斷， 最后作出明確結論。

本例的身高、 體重頻數分布情況見圖1～2。由圖1可直觀看出， 身高的頻數分布特征為: 所有數據分布在155～182之間; 數據主要集中在164～173之間， 共有73人， 占總人數的60.8%; 各組段的頻數基本以168.5為中心呈對稱分布。因此， 可認為身高近似服從正態分布。而體重的頻數最多組段58～不在所有組段的中間位置， 各組段的頻數以61為中心呈不對稱分布（圖2）， 故可認為體重呈偏態分布。圖1 120名應征男性青年身高的頻數分布圖表2給出了資料分布的數字特征: 均數（x）、 標準差（s）、 中位數（Md）、 四分位數間距（QR）和全距（R）。為了進一步說明各變量是否服從正態分布， 表2也同時給出了偏度系數 由表2可見， 身高的|ug1|和|ug2|均小于1.65， 故可認為身高服從正態分布（矩法正態性檢驗）， 此結論與上述的直觀結果相同， 也與圖3的圖示法結論相同（散點幾乎都在一條直線上）。同理， 體重的|ug1|和|ug2|均大于1.65， 故可認為體重不服從正態分布， 此結論亦與上述的直觀結果相同， 顯然與圖4的圖示法結論也相同（散點不在一條直線上）。

由于身高近似服從正態分布， 且是大樣本數據， 故可用樣本均數168.84 cm代表身高的平均水平， 用樣本標準差5.19 cm代表身高的個體差異， 用x±1.96 s來描述身高的95%散布范圍， 即168.84±1.96×5.19=158.67～179.01 cm。由于體重不服從正態分布， 用中位數58.00 kg代表體重的平均水平， 用四分位數間距8.75 kg代表體重的個體差異， 用百分位數P2.5～P97.5描述體質量的95%參考值范圍， 即49.03～80.77 kg。

3.2 參數的點估計與區間估計 身高的均數: =X=168.84 cm， SX=0.47 cm， 95% CI=167.90～169.78 cm 。體重的均數: =X=57.67 kg， SX=0.63 kg， 95%CI=56.44～58.90 cm。體質瘦弱（體重≤50 kg ）檢出率: =p=17/120=14.17%， SP=3.18%， 95%CI=7.93%～10.41% 。身高與體重的相關系數: =r=0.4040， Sr=0.0842， 95%CI=0.2423～0.5435。本例n=120， 屬于大樣本數據， 由樣本均數分布規律可知， 雖然體重不是正態分布， 但在大樣本時， 其樣本均數近似服從正態分布， 故仍可用正態分布法進行總體均數的點估計與區間估計。相關系數也不服從正態分布， 故在計算ρ的95%CI時要進行反雙曲正切函數轉換。

3.3 假設檢驗 根據歷史資料， 已知10年前該地健康青年男子身高均數為166.50 cm， 體重均數為55.20 kg， 可通過假設檢驗回答: 本次調查結果所代表的該地健康青年男子的身高總體均數、 體重的總體均數、 是否比10年前提高了。

本例屬于大樣本資料， 可用樣本標準差作為總體標準差的估計值， 即身高標準差的估計值=S=5.19， 體重標準差的估計值=S=6.89， 分別進行單樣本u檢驗: 身高: u=4.98， P

同理， 還可以對體質瘦弱檢出率、 身高與體重的相關系數等作假設檢驗。

參考文獻

[1] 陳長生. 統計方法的綜合運用與統計結果的表達[A]. 徐勇勇. 醫學統計學[M]. 2版. 北京: 高等教育出版社， 2004.

篇（5）

統計學如何為數據挖掘服務，這是在“數據挖掘”飛速發展的今天，統計工作者必須回答的一個問題，我國廈門大學的朱建平教授提出：“統計學應該隨時關注數據分析，哪里有數據，哪里就應該有統計分析。”統計學是搜集、展示、分析和解釋數據的學科，它擁有非常深厚的理論基礎，并在社會生活的各個領域發揮著巨大的作用。近代統計學方法與信息處理的關系日益密切，作為信息處理的一個基本工具，統計學方法將發揮越來越重要的作用。

數據挖掘是近十幾年里發展起來的一門嶄新的學科，由于它與統計學都關心從數據中發現某種結構，因而從數據挖掘誕生之日起，就與統計學有了千絲萬縷的聯系。

一、統計學與數據挖掘的涵義

統計學是應用數學的一個分支，主要通過利用概率論建立數學模型，收集所觀察的系統數據，進行量化的分析、總結，進行推斷和預測，為相關決策提供依據和參考；它分為描述統計和推斷統計。描述統計包括對客觀現象的度量、調查方案的設計，對所收集的數據資料進行加工整理、綜合概括，通過圖示、列表等方式進行分析和描述。推斷統計是在搜集、整理監測樣本數據的基礎上，對有關總體做出推斷，其特點是根據隨機性的觀測樣本數據以及問題的條件和假定，對未知事務做出以概率形式表述的推斷。

數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的，人們事先不知道的，但又具有潛在價值的信息和知識（模型或規則）的過程。這個定義包括以下含義：數據源必然是真實的、大量的、含噪聲的；發現的知識可接受、可理解、可運用，并不要求發現放之四海皆準的知識，僅支持特定的發現問題。它能高度自動化的分析原有數據，做出目的性推理，從中挖掘出潛在的模式，從而幫助決策者調整策略，做出正確的決策。它融數據庫技術、人工智能技術、數理統計技術和可視化技術為一體，是一個多學科相互交叉又融合所形成的一個新興的具有廣泛應用前景的研究領域。

二、統計學與數據挖掘的聯系

（一）數據挖掘雖不同于統計分析，但許多挖掘技術又來源于統計分析，數據挖掘中有許多工作可以由統計方法來完成。比如預言算法（回歸）、抽樣、基于經驗的設計等。

（二）數據挖掘不是為了替代傳統的統計分析技術，相反，數據挖掘是統計分析方法的擴展和延伸。大多數的統計分析技術都基于完善的數學理論和高超的技巧，其預測的準確程度還是令人滿意的，但對于使用者的知識要求比較高。而隨著計算機能力的不斷發展，數據挖掘可以利用相對簡單和固定程序完成同樣的功能。

（三）數據挖掘技術的出現為統計學提供了一個嶄新的應用領域，也對統計學的理論研究提出了挑戰。數據挖掘技術有相當大的比重是由高等統計學中的多變量分析所支撐。

（四）統計學與數據挖掘的結合日益緊密。數學是傳統意義上統計學方法的首要工具，而計算機和網絡為代表的信息技術，正逐漸成為統計學應用的首要工具。隨著數據源的不斷膨脹和數據結構的日益復雜，單純依靠數據挖掘技術，已漸露力不從心之態，而統計學的同步發展，正不斷充實、完善著數據挖掘技術。因此，隨著信息化水平的提高，統計學與數據挖掘的應用平臺漸趨統一。

三、預測性挖掘中常用的統計學方法

數據挖掘中應用的統計學預測性方法主要有判別分析和回歸分析。其中，判別分析用于對離散型目標變量的預測，而回歸分析則主要用于對連續性目標變量的預測。

篇（6）

實際上，統計方法在應用于具體問題的時候，需要許多環節，其中最重要的是需要學生動手來推算該具體問題中涉及到的分布密度――特別是聯合密度、邊際密度與條件密度，演算方法應用中的變量變換及相應的分布密度，計算變量的數字特征，這些都是統計方法應用的基本環節，如果計算推演這一環節沒有經過扎實地訓練，那么在這一環節上經常會出錯，統計結論就可能是錯的。

上面的錯誤歸結起來并不是同學的統計學沒有學好，而是他(她)的概率論基本訓練沒有到位，因此有必要突出強調應用統計類課程所需要的重要知識點，在講授概率基礎課程時候加以特別強化訓練。最重要的知識點主要有：

1.列出基于已知分布密度推導各種特殊數據類型的廣義概率密度的相應方法。在實踐中最常用的數據類型主要有：一元連續型、多元連續型(常見且基本)，一元離散型、多元離散型(常見且基本)，同時具有離散型與連續型分量的多元數據(常見但不基本)，右刪失數據(工程與生物領域常見但不基本)、左截斷數據(不常用又不基本)，具有缺失分量的多元數據(常見但不基本)，都可以給出相應的方法求廣義概率密度。

2.概率基本公式應用與條件分布的演算。教會學生正確地寫出三大概率基本公式所需的各個要素，特別是關于條件概率及其密度的演算。重中之重有兩處：一是會求離散變量關于連續變量的廣義條件密度(十分常用)，二是會利用廣義條件密度及廣義邊際密度求離散變量與連續變量的廣義聯合密度(十分常用)。

篇（7）

Einstein College of Medicine

Biostatistics and

Epidemiology

A Primer for Health and

Biomedical Professionals

Third Edition

2004, 243pp.

Softcover $ 33.20

ISBN 0-387-40292-6

本書是由美國Albert Einstein醫學院流行病學和群體健康系流行病學室Sylvia Wassertheil Smoller教授編著的。第一版于1990年出版，第二版于1995年出版，現為第三版。本書的特點是根據流行病學和統計學的基本框架，使讀者理解流行病學與生物統計學的基本原理，理解“為什么做”和“做什么？”學會“如何做、如何解釋”。書中的內容都是臨床試驗和基礎研究中最常用的、或是在文獻中經常引用的。

全書共分9章。第1章講述科研方法問題，包括邏輯推理、變異、研究設計、變量的量化、無效假設、假設檢驗、檢驗錯誤的類型、顯著性水平等；第2章敘述概率的一些基本概念；第3章介紹常用的統計學檢驗方法；第4章介紹流行病學的基本概念，包括流行病學的應用、常用指標、流行病學研究類型、偏倚、混雜、交互、多變量分析等；第5章介紹篩檢的基本概念；第6章是敘述隨機對照臨床試驗；第7章介紹生活質量的評價，包括量表的結構、可靠性、真實性、敏感性（反應性）以及用量表評價生活質量的局限性；第8章介紹遺傳流行病學的基本概念，包括雙生子研究、連鎖和聯系分析、傳遞不平衡檢驗等；第9章闡述科研倫理學與統計學的關系。第8、9兩章的內容在人類研究中十分重要，是第三版新增加的，是一般流行病學或統計學入門書籍中所沒有的。

書后附有9項附錄，介紹正文中各種統計學計算的實例，以使讀者能夠更順利閱讀本書、以及如何實際計算，包括卡方、Z值及t-值的臨界值表、Fisher精確檢驗、幾組比較的Kruskal-Wallis非參數檢驗、相關系數計算、率的年齡調整、比值比的可信性、兩個變量的“J”或“U”型關系、量表記分改變的適宜性（敏感性）評價、以及遺傳學基本原理和知識。書后還附有參考文獻及建議閱讀的書目，讀者如需了解更深入的、超出本書范圍的內容、或涉及高等數學方面的內容，可閱讀這些推薦的教科書。書末附有主題索引，便于讀者檢索。

本書以科學的哲學和邏輯學原理，討論統計學檢驗的基本原理，而不是讓讀者去做具體的統計學檢驗。全書各章節都是獨立的，讀者可不按順序閱讀，只閱讀感興趣的部分。本書特別適合那些沒有或很少有數學背景的讀者，使他們能夠讀得懂、用得上。

本書內容既簡明，又適合范圍較廣的讀者需要，所闡述原理和方法適合多種領域，包括醫學、公共衛生、心理學、教育學。本書是一本簡明的流行病學與生物統計學教科書，適合從事臨床和基礎研究的醫生、醫學專業本科生、研究生，或非醫學專業學生參考，也可供程度較高的讀者、以及對生物統計學與流行病學的邏輯學和方法學感興趣的研究人員參閱。

烏正賚，教授

篇（8）

【關鍵詞】創傷嚴重度指數

a preliminary study on factors of trauma outcomes in chinese patients

department of health statistics, school of preventive medicine, fourth military medical university, xian 710033, china

【abstract】 aim: to review some important factors affecting the outcomes of trauma patients and to screen variables for the predictive model of trauma outcomes so that a new trauma scaling model more applicable to chinese patients can be established. methods: the database of discharge abstracts of trauma patients from more than 200 hospitals nationwide was used and a logistic regression model was fitted with the outcomes of patients as response and other 9 factors as predictors, including the anatomic injury severity grade by iss value. a stepwise regression method was used to select the variables and their parameters were estimated. results: six factors, namely, anatomic injury severity grade, complication status, age group, identity, operation status and financial support status were selected into the logistic regression model (p<0.05). several interactive effects were also selected in the model (p<0.05). conclusion: the anatomic injury severity grade is the most important factor affecting the outcomes of trauma patients, followed by the complication status and age. the effects of other factors are not so obvious and should be further analyzed.

【keywords】 trauma severity indices; logistic models; international classification of diseases; abbreviated injury scale; injury severity score

【摘要】 目的： 考察影響創傷結局的重要因素，初步篩選創傷患者結局預測模型的構成變量，為建立新的適合中國患者的創傷嚴重度評分方法進行有關評分模型的初步探討. 方法： 利用全國200余所醫院的創傷患者病案首頁數據，初選出包括iss評分所得嚴重度在內的9個相關的因素，將患者結局作為應變量擬合logistic回歸模型. 逐步回歸法篩選變量，并估計其影響作用的大小. 結果： 解剖嚴重程度、有無并發癥、年齡組、身份、是否接受手術、費用類型等6個因素對患者結局的影響有統計學意義(p<0.05)，被選入logistic回歸模型. 另外，某些因素的交互效應也一并被選入logistic回歸模型(p<0.05). 結論： 解剖嚴重度是影響創傷結局的最重要的因素，其次是有無并發癥和年齡等因素. 其余因素是否作為創傷評分模型應考察的因素需作進一步的探討.

0引言

創傷評分是目前創傷患者傷情評價的基本方法，在世界范圍內廣泛應用. 我國的創傷評分研究起步晚，目前尚未得到廣泛推廣和應用，其原因在于多數創傷評分方法操作復雜，應用條件苛刻，且大多數創傷評分模型是基于國外(歐美國家)患者的生理、解剖參數而確定，對于國內患者其適用性較差. 為建立一種適合國內創傷患者的簡單易行的創傷評分方法，我室提出基于創傷病種icd9(國際疾病分類)6位數編碼的創傷評分方法的構想，并且已經建立全部創傷病種icd9 6位數編碼與ais(簡明損傷定級)分值的對應關系表[1]. 通過iss評分方法對此對應關系的考察表明，此種通過icd9編碼轉換的方法所得的ais分值能夠很好地體現單個創傷的解剖嚴重度，可以作為創傷評分的解剖學參數[2]. 我們進一步探討了國內創傷患者結局的影響因素，為基于icd9 6位數編碼的創傷評分方法篩選其他模型變量，并從統計學角度考察各種因素對創傷患者結局的影響程度.

1資料和方法

1.1數據來源全國范圍內200余所大、中型醫院1998年全年收治的創傷患者病案首頁數據. 經數據清洗，排除治療結果中“未治”、“其他”或為空白的記錄，最終得符合研究要求的創傷患者記錄共112 749條. 其中男性88 622人，女性24 087人. 按年齡將患者分為3個年齡組，其中0~15歲16 382人，16~54歲87 242人，≥55歲9 125人. 地方人員94 935人，軍隊人員17 814人. 自費患者81 170人，非自費(公費或醫療保險等)患者31 579人. 單發傷70 345例，多發傷42 404例. 接受手術治療者54 176例，未接受手術者58 573例. 伴有創傷并發癥者582例，無并發癥者112 167例. 發生院內感染者1255例，未發生院內感染11 194例. 患者結局(出院時)中存活111 684人，死亡1065人.

1.2創傷評分方法(解剖評分)采用我室編制的icd9 6位數編碼與ais分值對應表，以創傷患者的出院診斷icd9編碼為基礎，換算出每一個出院診斷所對應的創傷的ais分值. 以turner osler的改良iss法[3](即不考慮創傷所在的身體區域，僅以ais分值最高的3處創傷計算iss分值)計算每位患者的iss分值. 再按照iss分值將全部患者分為三個解剖嚴重程度分組，iss 1~12者為輕，13~19者為中，20~75者為重[4]. 經以上分組后，全部患者中，輕度創傷患者93 343例，中度創傷患者9507例，重度創傷患者9899例.

1.3數據處理方法以患者的結局(存活或死亡)為應變量，將性別、年齡組、身份(軍隊或地方人員)、費用類型、創傷類型(單發傷或多發傷)、是否接受手術、有無并發癥、有無院內感染等因素與解剖嚴重程度分組一起作為自變量，擬合logistic回歸模型，考察各因素對患者結局的影響. 通過逐步logistic回歸分析，篩選有統計學意義的影響因素，并計算其對患者結局的作用大小. 為簡化計算過程和方便分析結果的專業解釋，此次分析僅考察各因素的主效應及其一階交互效應，其余高階交互效應假定為零.

2結果

2.1變量篩選結果經逐步logistic回歸分析，解剖嚴重程度、有無并發癥、年齡組、身份、是否接受手術、費用類型等6個因素對患者結局的影響有統計學意義(p<0.05)，被選入logistic回歸模型. 另外，解剖嚴重度與有無并發癥、是否接受手術、費用類型等3個因素的交互效應以及是否手術與有無并發癥的交互效應均有統計學意義(p<0.05)，一并被選入logistic回歸模型.

2.2模型擬合優度及各因素的效應大小使用以上篩選出的變量和交互效應對患者的結局重新擬合logistic回歸模型，模型擬合度統計量、自變量及交互效應項對模型的意義見tab 1. 可見費用類型的主效應無統計學意義，但與解剖嚴重度的交互效應卻有統計學意義.表1logistic模型擬合結果

各因素及交互效應項的參數估計值見tab 2. 其中各因素的水平值對應的具體含義見tab 3. 表2各因素及交互效應項的參數估計值(略)表3各因素的水平值對應的具體含義(略)

3討論

根據以上參數估計值，即可給出創傷患者結局的logistic回歸預測模型，各因素對患者結局的影響作用大小也可得以考察和比較. 從結果可以看出，解剖嚴重度分組是影響創傷結局的最重要的因素，解剖嚴重度越高，死亡概率越大. 其次是有無并發癥和年齡因素，有并發癥者死亡概率明顯增加，年齡越大，死亡概率越大. 此三個因素應在創傷評分模型中作為主要的因素來考察. 身份因素對結局的影響表現為地方人員死亡概率高于軍隊人員，這可能與軍隊人員具有良好的基本醫療保障有關. 費用類型的作用與身份因素存在相似之處，自費患者死亡概率高于非自費患者. 其余因素對結局雖然存在一定的影響，但影響程度均較輕，是否作為創傷評分模型應考察的因素需作進一步的探討. 各因素之間存在的交互效應，在建立新的創傷評分模型時也須加以重視，在進一步地考察確認之后，應通過適當的模型表達項使之得以充分體現.

以aisiss為基礎的解剖嚴重度評分，是世界范圍內廣泛應用的創傷評分方法，雖然在對患者結局的預測與評價方面效果有不盡如人意的地方，但可作為改良的創傷評分方法的基礎[5]. 有些因素，比如是否手術、是否院內感染等，均是在患者入院后才可收集的信息，不便作為評分模型的組成變量，僅能用作創傷患者結局的預測變量之一. 另外一些重要因素，如患者的血壓、心率、呼吸、體溫等生理指標，均是影響患者結局的重要因素[6]，應當作為創傷評分模型的重要變量，其對患者結局的影響程度也需要進行類似的考察和分析. 由于病案首頁數據在此類信息方面的缺失，此次無法一并進行分析，我們將在后續的研究中收集更為全面的數據，對各種有關的因素進行全面地分析.

此研究是建立基于icd9編碼的創傷評分模型的一次初步探索，是對部分影響因素的初步考察與分析. 但由于數據信息量的限制，研究的結果尚不能作為創傷評分模型的最終參考依據. 后續的研究工作需要收集更全面的數據，考察更多的因素，從臨床和統計學兩個方面對各種影響因素的作用進行全面的考察與分析，以期為建立一個合理的創傷評分模型提供依據.

【參考文獻】

[1] 薛富波，王玉琨，徐勇勇. 創傷國際疾病分類編碼向ais分值轉換規則的研究[j]. 中華創傷雜志，2003; 19(7): 385-388.

xue fb, wang yk, xu yy. converting rules from international classification of disease codes of trauma to abbreviated injury scale values [j]. chin j trauma, 2003; 19(7): 385-388.

[2] 王玉琨，薛富波，徐勇勇，等. 基于icd9編碼的iss創傷評分方法研究[j]. 創傷外科雜志，2004; 6(1): 28-30.

wang yk, xue fb, xu yy, et al. exploration of a newly developed trauma severity scaling method of iss based on icd9 codes [j]. j traumatic surg, 2004; 6(1):28-30.

[3] osler t, baker sp, long w, et al. a modification of the injury severity score that both improves accuracy and simplifies scoring [j]. j trauma, 1997; 43: 922-925.

[4] mackenzie ej, steinwachs dm, shankar b. classifying trauma severity based on hospital discharge diagnoses. validation of an icd9cm to ais85 conversion table [j]. med care， 1989; 27(4): 412-422.

[5] 楊柳青，任秀清，楊寧，等. 改良創傷評分(rts)與創傷嚴重度評分(iss)在創傷評估中的應用[j]. 川北醫學院學報，1998; 13(2): 20-22.

yang lq, ren xq, yang n, et al. applications of revised trauma score and injury severity score in trauma evaluations [j]. j north sichuan med coll, 1998; 13(2): 20-22.

篇（9）

二、地質統計學在礦山儲量分析當中的應用

地質統計學是以研究區域化變量為基礎的,以變異函數為研究工具,研究在空間上具有隨機性和結構性的自然現象的科學。地質統計學在礦山儲量分析當中的應用中的原理大致分為以下幾種：1.區域化變量區域化變量是地質統計學理論體系的核心基礎,在實踐中,鉆孔的位置。在絕大多數情況下是不隨機的。當兩個樣品在空間的距離很小時,樣品間會存在較強的相似性,而當距離很大時,相似性就會減弱或不存在。也就是說,樣品之間存在著某種聯系,這種聯系的強弱是與樣品的相對位置有關的,樣品之間的聯系在空間上既具有隨機性又具有位置之間的聯系。2.半變異函數的數學模型通常情況下樣品由于取樣、化驗誤差和礦化作用在短距離內的變化,在絕大多數情況下半變異函數在原點不等于零。也就是會存在塊金效應。但是地質統計學在礦山儲量分析當中的應用在實際工作中區域化變量的變化性很復雜,通常要計算幾個具有代表性的方向,然后通過結構分析,得到一個能代表其空間變異性的模型函數,由于區域化變量往往存在各向異性,不同方向上的半變異函數具有不同的變程,影響范圍是一橢球體,即各向異性橢球體。在確定空間搜索橢球體時,不僅需要指出塊金常數、基臺、變程,還需要指定一些參數:圓錐體的容差角、容差限、滯后距等,各個參數的意義用幾何圖形表示。當然應用地質統計學法對礦山儲量分析，被大部分人認為是一種較好的品位估值方法,尤其適用于品位變化大,礦巖界線由品位控制的礦床。在估值計算過程中,當有了足夠的地質鉆孔數據時,對礦床進行正式可行性評價時,選用地質統計學法是一種較好的方法,而在對礦床進行初步評價或是數據量不足時,就要首選較簡單的方法。基于地質統計學原理和礦體三維可視化建模技術的DIMINE礦業軟件,實現了按照不同的邊界品位動態圈定礦體,能夠以市場經濟為向導,快速計算出礦體范圍內的礦石量,并進行儲量分級,在此過程中所得到的各中間參數,可以為投資決策和日常管理提供必要的參考依據。

三、地質統計學在勘探網度優化方面的應用

地質統計學在勘探網度優化中的應用主要要注意以下的兩個個因素，其一是：構造復雜程度；二是煤層的穩定性。當勘探區的構造已經經過，詳細的勘探，構造問題基本解決之后，勘探網度優化主要的問題就是煤層的穩定性。當一個煤田有兩種或者是兩種以上的煤層穩定結構時、應該按照儲量和厚度占有優勢的那一個煤層類型選擇勘探網度的優化。應用地質統計學的方法對露天的在勘探網度進行優化，主要要分為兩個步驟：其一是建立地質變量的最佳理論變差函數；其二是應用地質變量的估計方差評價勘探過程對礦床的控制程度。

篇（10）

切口感染為所有外科術后最常見并發癥之一，當今社會無菌技術飛速發展及多種廣譜抗生素的應用可以降低其發生率，但盡管如此切口感染發病率仍比其他術后并發癥的發生率要高得多。術后切口感染嚴重影響病人的預后，對病人的術后康復引起嚴重的后果，而且還會給病人家庭增加巨大不必要的經濟負擔[1]。因此為了降低術后切口發病率，筆者通過回顧研究我院623例肝膽外科并發切口感染的病例，通過對比分析法總結其發生的因素及相對應的防范措施，現將具體情況總結如下。

1、資料與方法

1.1 一般資料 通過研究我院在2008年1月至2012年1月期間肝膽外科病例623例，其中男性399例，女性224例，年齡最大75歲，最小18歲，平均年齡55歲。623例患者實施的手術類型具體總結如下：肝移植，肝葉切除術，胰腺腫瘤切除術，胰十二指腸切除術，肝腫瘤切除術，膽總管探查引流術等。

1.2 方法 通過回顧分析研究我院在2008至2012年期間的切口感染病例，包括病人的病例，檔案記錄的查房單，病程單，輔助檢查結果，切口分泌物實驗室檢查結果，并將其按不同發病原因統一記錄于統計調查表中。

1.3統計學方法 應用SPSSl5.0軟件分析，計數資料采用百分比表示，數據對比采取X2校驗，P>0.05，差異無統計學意義，P

2、結 果

通過統計分析623例肝膽外科病人，術后發生切口感染的病例為123例，發病率為19.7%。通過具體的統計學方法χ2檢驗，發現能影響患者切口感染的確切因素有6個，分別為白細胞計數，手術時間長短，手術出血量，切口類型，醫用碘伏消毒程度，術中廣譜抗生素用量及種類。

2.1單因素Logistic回歸分析

以肝膽外科手術患者有無手術部位切口感染為因變量，以性別、年齡、職業、文化程度、生源地、居住所在地、婚姻狀況、經濟狀況、費用類別、居住狀況、工作壓力、經濟壓力、體型、手術季節、術前空腹血糖、術前糖化血紅蛋白、術前血紅蛋白量、術前血鈉水平、術前血清高敏C反應蛋白含量、術前白細胞升高程度、ASA麻醉評分、圍術期高血糖、手術時間、術中出血量、胃腸道營養、手術性質（急診或者擇期）、手術方式、手術室各區域布局、切口類型、手術切口長度、切口抗生素沖洗、是否放置引流、術后引流量、術后抗生素使用情況和基礎疾病自變量賦值后進行二分類Logistic回歸分析，結果發現手術室各區域布局合理、放置引流和抗生素切口沖洗是肝膽外科手術患者手術切口感染的保護因素，高齡、急診手術、手術時間長、手術切口長和Ⅲ類切口是肝膽外科手術患者手術切口感染的危險因素。

2.2 多因素Logistic回歸分析

以肝膽外科手術患者有無手術部位切口感染為因變量，選擇本研究進入肝膽外科手術患者手術切口感染單因素Logistic回歸分析方程的8個自變量為自變量進行多因素Logistic回歸分析，α入=0.05，α出=0.10，結果發現放置引流和抗生素切口沖洗是肝膽外科手術患者手術切口感染的保護因素，高齡、急診手術、手術時間長和Ⅲ類切口是肝膽外科手術患者手術切口感染的危險因素。

3、討 論

肝膽外科術后切口感染的危險因素與其他外科切口感染有許多共同點也有其特殊之處，主要特點是其感染的危險因素涉及患者本身與外科醫生的操作[3]，具體危險因素及防范對策總結如下：

3.1 切口類型 肝膽外科術后切口感染主要原因是受腹腔內腸源性細菌感染，由統計學資料顯示，Ⅲ型切口的感染率高達59.4%，但由于肝膽外科的特殊性，常常需要涉及到膽道切開，上消化道分離，肝小葉切除等Ⅱ，Ⅲ類型切口，且統計學顯示這兩種類型切口感染率均顯著高于Ⅰ型切口，所有增加了其術后發生切口感染的概率。因此為了降低其感染率，需要外科醫生在術前術后要做好無菌操作；仔細消毒切口；關閉腹腔前仔細沖洗腹腔，用碘伏反復消毒切口；術后放置腹腔引流且時刻保持引流管的暢通；選用抗生素需按照患者的引流液細菌實驗室檢查做相應的改變。

3.2 手術切口縫合 通過本次研究筆者還發現，切口的縫合好壞直接影響切口是否感染。由主刀醫師等經驗豐富的醫師縫合的切口感染率顯著低于實習醫生等非主刀醫師的縫合感染率。因此肝膽外科的切口感染與醫生的縫合經驗有密不可分的關系。所以外科醫生在縫合切口時因注意減少死腔，爭取一次性縫合，打結時松緊度適宜，嚴密縫合皮緣。

3.3 切口消毒及沖洗 作為所有外科手術，切口消毒都是一種非常簡單卻行之有效的一種規避切口感染的手段，經過外科長時間的發展，已經被醫學界廣泛認同，這也是無菌術提高的重要原因。最常用的沖洗液是無菌性生理鹽水，用其沖洗切口可以洗凈切口的細碎脂肪組織，灰塵，壞死組織的碎片等，可以顯著降低切口的帶菌量。切口的消毒肝膽外科廣泛使用碘伏。碘伏是單質碘與聚乙烯吡咯酮的不定性復合物，醫用碘伏濃度較低，其起著光譜殺菌的作用，對大多數細菌有殺滅作用，但其對蛋白質等不起損害作用，所以在醫學界被廣泛應用。經統計學資料顯示，切口經過碘伏消毒可以明顯降低其感染發生率。所以將無菌生理鹽水與碘伏聯合使用，是有效規避切口感染的重要手段。

3.4 術中失血量 由于肝膽外科手術入路的特殊性，肝臟等器官又是人體主要供血器官，所以術中出血極為多見。由于肝膽外科手術時間均長且操作復雜，所以病人可能會長時間的出去，經過大量輸注晶體補充液和人工血液，導致組織器官血供不足，組織缺氧，似的組織發生壞死等，降低切口的愈合力，及免疫力，所以迅速精準的操作，對外科醫生提出了更高的要求。所以在術前仔細檢查，做出正確的手術方案是必不可少的。

綜上所述，對肝膽外科術后切口感染的危險因素是多方面的，從筆者此次觀察發現的幾點危險因素，感染的發生除了與患者本身有關，但更多方面是關于外科醫生的操作，因此為了降低術后切口感染的發生概率，需要外科醫生嚴格實施無菌操作，注意細節，操作熟練迅速，最大程度的降低切口感染的發生概率。

參考文獻：

篇（11）

1 對象與方法

1.1 調查對象

調查對象為松江區腫瘤報告登記在案的1 700例現患惡性腫瘤患者，對象符合下列標準：①有病理學或細胞學診斷依據 (不受惡性腫瘤類型限制)；②年齡在18 歲以上；③自愿合作者；④簽署知情同意書；⑤既往無精神病史；⑥預計生存期≥3個月。

所有進入調查的患者均按要求簽署知情同意書，其中一般狀況調查表由隨訪醫生完成，FACT-G量表由患者自己完成。共收回有效問卷1 568份。

1.2 調查內容

1.2.1 一般狀況①社會特征資料: 患者性別、年齡、家庭平均收入、婚姻（未婚、已婚、離異、喪偶）、職業（干部、工人、農民、學生、自由職業、商業人員、離退休人員、無業及其他）、受教育程度（大學本科或以上、大專、高中、初中、小學、文盲），吸煙飲酒史及是否繼續工作、是否參加體育鍛煉（從不、每周1次、每周2～3次、每周4～5次和每周6～7次）、醫療費用來源（自費、公費、醫保以及合作醫療）等; ②疾病特征: 腫瘤診斷、分期、既往治療、患者是否知情（完全知情、部分知情以及不知情）、疼痛（無癌痛、輕度癌痛、中度癌痛及重度癌痛）、疼痛治療及療效的評價、不良反應等。

1.2.2 卡氏功能評分（KPS） 按0～100評分，評分標準參照《腫瘤診治規范》2002年版［2］。

1.2.3疼痛 采用數字疼痛分級法（NRS），根據疼痛程度分為：無（0分）、輕度（1～3分）、中度（4～6）、重度（7～10）。

1.2.4 QQL 采用FACT-G［3］自評量表（目前國際上最常采用的自評量表），該量表共包括6個部分，分別為身體狀況（Phy）、社交狀況（Soc）、與醫生關系（Doc）、情緒（Emo）、功能狀況（Func）、其他憂慮（Others）等，共44項。每1項有單獨計分，QQL的優劣與各部分評分及總分有關。

1.3 調查方法

調查采用問卷調查的方法。由經過培訓的社區醫師預約，親自到所抽取的調查對象家中，當面講清調查的目的、意義和要求，如果同意，簽署知情同意書，然后請他們當場接受調查，并填寫問卷。

1.4 統計方法

本研究所有數據采用Epidata 3.0軟件建立的數據庫錄入表格數據，數據錄入采用雙人雙份錄入。統計全部由SPSS 10.0軟件完成。具體方法為：①單因素方差分析，方差具有齊性時，選用Least-significant difference(LSD)法進行均數多重比較；變量方差不具有齊性時，采用秩和檢驗。②線性回歸分析，以FACT-G各維度評分作自變量，KPS評分為因變量，進行線性回歸分析。

2 結果

2.1 一般情況

本次調查1 568例，年齡18～80歲，平均（57.73±12.46）歲，其中男774例（49.4%）、女794例（50.6%）。前4位腫瘤分別為大腸癌、胃癌、乳腺癌、肺癌，分別占17.6%、14.4%、12.5%和7.9%；其次為食管癌（4.7%）、鼻咽癌（3.6%）、卵巢癌（2.2%）、肝癌（2.2%）等。早期惡性腫瘤（I、II期）占66.1%，III、IV期占33.9%；輕度癌痛者占14.4%，中度癌痛占4.1%，重度癌痛者占1.9%，無癌痛者占79.5%。有918例(58.5%)患者對自己病情完全了解（表1）。

2.2 影響惡性腫瘤患者QQL因素

對可能影響社區惡性腫瘤患者QQL的因素如年齡、婚姻狀況、家庭收入、本人受教育程度、職業狀況、知情狀況、體育活動狀況、醫療費來源、腫瘤類型、腫瘤分期、癌痛狀況等11個因素分別進行分析。方差分析表明，年齡對生活質量各維度評分的影響主要表現為：維度Phy、Doc與Emo在各年齡組間無統計學差異，P分別為0.483、0. 212、0.762，而Soc、Func項在各年齡組間存在統計學差異。

婚姻狀況對生活質量各維度評分的影響主要表現為：Doc與Emo兩項在不同婚姻狀況間無統計學差異，P分別為0.254、0.195，婚姻狀況對Phy、Func、Soc項的評分有統計學影響。

家庭收入、本人受教育程度對生活質量各維度評分的影響主要表現為：Phy、Doc項無統計學差異，Soc、Emo、Func項的評分有非常顯著統計學影響。職業狀況、醫療費來源對生活質量各維度評分的影響為：Phy、Emo項無統計學差異，Soc、Doc、Func項的評分有非常顯著統計學影響。體育活動狀況對生活質量各維度評分的影響除Doc、Emo無統計學差異外，余3項維度評分均有非常顯著統計學影響。

采用方差分析的方法比較不同腫瘤類型生活質量各維度評分，結果顯示，維度Soc 、Doc2項評分在不同腫瘤類型之間無統計學差異（P分別為0.246、0.891），而在其他3項維度評分上有統計學差異（P均

2.3 不同腫瘤類型的QQL情況

調查的病例中，胰腺癌QQL各維度評分均較低，而骨肉瘤、乳腺癌和卵巢癌評分相對較好（表3）。

2.4 KPS與QQL評分多元線性回歸分析

KPS為社區腫瘤隨訪中常用的簡化QQL評分方法，KPS的高低與FACT-G各維度評分均存在較好的相關性。線性回歸分析KPS與FACT-G各維度評分的相關性，結果顯示KPS與Phy、Soc、Doc、Emo、Func各項之間均存在線性相關，經標化后回歸系數和P值分別為0.492/0.000、0.100/0.000、0.092/0.000、0.374/0.000、0.366/0.000，見表4。

3 討論

腫瘤患者是一個特殊的群眾，隨著人群健康水平的提高，腫瘤患者的QQL越來越受到人們的關注。本次對社區中1 568名惡性腫瘤患者進行的QQL問卷調查，結果顯示，年齡、婚姻、身體狀況、情緒以及功能狀況均是影響惡性腫瘤患者QQL的重要因素。

不同腫瘤、不同分期患者的QQL也是有差別的［4］。調查結果表明，胰腺癌患者QQL是最差的，而骨肉瘤、乳腺癌和卵巢癌患者QQL則相對較好，這可能與胰腺癌本身惡性程度高，預后差，早期不易發現，就診時大多已是晚期有關［5］。而乳腺癌往往是自檢或體檢發現，大多發現時還是早期，且預后較好，生存期較長。因此，這些患者在經過完善的治療后，很多還可以繼續工作，疾病本身對她們QQL的影響不大。而不論哪一類型的腫瘤，越是早期的患者，越容易有獲得根治的機會，也就越容易有較高的QQL［6］。