最受科学家欢迎的3个统计学方法

Posted on by

也许时间是一切问题的答案。
《自然》杂志2014年10月评出的最重要的100篇论文，引用率最高的三篇统计学论文分别是：
No.1 Kaplan–Meier Estimator
第一名是美国统计学家Edward Kaplan和Paul Meier在1958年发表的文章[2]中提到的方法，现在习惯于叫Kaplan–Meier估计（实际上当时二位统计学家分别投稿，主编说服两人将各自内容合为一篇文章，造就经典之作），谷歌学术不完全统计引用率目前超过52565次。
No.2 Cox Regression Models
第二名是英国统计学家David Cox在1972年发表的论文中[3]提到的方法，同第一名一样也是聚焦于生存分析，现在习惯叫Cox回归。谷歌学术不完全统计引用率目前超过46148次。
No.3 Bland–Altman plot
第三名是英国统计学家Martin Bland和Douglas Altman在1986年发表的一篇论文提供的方法[4]，文中介绍了一种以可视化方式评价两种测量方法的一致性，现在习惯叫Bland–Altman图，谷歌学术不完全统计引用率目前超过38635次。

临床研究观察指标A和尿酸的关系，研究对象来自不同医院，尿酸测量方法不同怎么办？这样的现象在临床研究中非常常见！关键指标在不同实验室测量，简单粗暴地混在一起分析，肯定是要被审稿人质疑的，怎么办？可以用“测量方法一致性评价Bland-Altman”的方法，构建不同测量方法的可互换函数，进行相互转换解决上述问题。
参考文献：

  1. http://www.nature.com/news/the-top-100-papers-1.16224
  2. Kaplan EL, M.P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association 53, 25 (1958).
  3. Cox, D. Regression Models and Life-Tables. Journal of the Royal Statistical Society 34, 34 (1972).
  4. Bland, J.M. & Altman, D.G. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 1, 307-10 (1986).
​

Comments are closed.