科学精神的培养二科研的基本训练

科学精神的培养二科研的基本训练内容摘要：

组别 汇总表 （下为论文中的 “ 三线表 ” ） No\指标 组数 个数 Age Height Weight BMI BP …… 组 1 X均值 S标准差 X2卡方值 P值 df自由度 …… 组 2 X均值 S标准差 X2卡方值 P值 df自由度 …… Age Height Weight BMI BP TGFβmRNA TGFβ蛋白 … X均值 177。 S X2 P df 分析结果得出结论（ 1） 如何面对结果。 • 与预计相符的结果 • 禁止舍弃部分数据使之与设想相符 • 直观结果与统计结果 • 一旦结果 与预计不符 ， 我们如何寻找原因。 是操作失误还是。 统计学与结果 • 从设计一开始就选择正确的统计方法：如变量的选择 重点和首先要看的 ——变量是否为正态分布 • 透过表面看统计：是否真有“差异”，即差异是否有统计学意义上的显著性 • 人：多因素分析 • 动物和细胞模型：单因素分析 分析结果得出结论（ 2） 数据核实与误差分析 • 资料核实：是否匹配、分层，分组是否合理 • 数据核实与误差分析：区分偶然误差和系统误差 • 方法评估 • 善于找出新发现或与文献矛盾之处 • 不怀疑并充分重视新发现 补漏： • 增加对照组数目和例数 • 例数不够统计学要求 • 重复出现系统误差的实验 • 补充对照 • 反复核实反对前人论点的主要证据 • 设计新的反证 • 扩充和深化课题 阴性结果表明了什么 ? • 真阴性 (true negative)，即实验药物没有疗效； • 假阴性 (type II error 或 beta)，即实验药物有疗效，但检测不出来，或者说 Power不够大。 Power与样本数大小有关 , 样本数增加 ,则 Power增加； • 如何知道样本数是否足够 ? 可计算 Power。 • 只有假阴性的情况，通过增加样本数，才会造成疗效结果的差异呈现统计学显著性，即呈现本来就存在的阳性结果。 • 对于真阴性 , 无论样本多大，差异都不会转变。 • 设计良好的临床实验，实验开始前，就应计算好具体的样本数，以满足于足够的 Power(至少达到 80%)。 阳性结果又表明了什么 ? • 真阳性，即实验药物确实有疗效； • 假阳性 (type I error或 alpha)。 虽然允许假阳性的发生机率一般预先设定为小于 ，但是，当用于表达疗效的指标为多项 (multiple outes)或试验组为多组 (multiple parison groups)时，假如仍按原来设定作为判断每一个统计比较是否则有意义时，会出现总假阳性机率增加并超过 ，或更高。 • 解决方法之一为缩小域值 (如 Bonferroni correction) • 临床试验报告中把增加的假阳性结果与其它作为阳性结果一起报道的例子不少见，即使刊登在著名医学学术期刊上的不少论文，作者似乎未曾考虑过或文中没有任何关于控制假阳性的描述。 结果无法重现怎么办。 • 发表论文时，详写操作，试剂，目的是为保证别人重现结果。 因此，自己的实验在同一条件下进行。 • 我们在实验过程中，确实也发现某些实验数据较难重复。 原因： 1. 试剂纯度不符合要求或使用了不同批次、厂商的试剂； 2. 实验对象有变：动物品系不纯、细胞来源不明 … 3. 反应的操作存在误差：突出表现在称量 、加样等环节； 4. 为了保证实验数据的可重复性，我们必须遵循或者建立一套标准的反应流程 (Mannuals of Operation Protocols Standard, MOPS)或 SOP(Standard Operation Protocol) 研究生通病：改 MOP • 为什么技术员老师次次都能做出来的实验我不能。 • 按照一套标准的实验方法进行操作，对于新手更为重要 • 事实上，很多文献的处理方法是不完善的，也在不断变化的。 所以才会有专门的丛书来总结。 • 有些文献的结果是很难重复的 • 有些操作是完全没有必要的 • 有些是错误的 • 也有可能作者故意有所保留。 • 提高我们的实验室素养，其中之一就在于判断文献的正确与否，而不是盲从。 研究生是怎样炼成的 • 首先，天天泡在实验室，先当下手，套近乎， • 想一想，为什么要这样操作，不懂就问 • 其次，不。