最后，我们开始进行统计。您是否曾看过任何医疗保健研究出版物的方法和结果部分，并注意到所使用的各种统计检验？ 您可能会遇到 t 检验、Mann-Whitney-U 检验、Wilcoxon 检验、费雪精确检验以及无处不在的卡方检验等术语。 你可能会问，为什么要做这么多检验呢？ 这与数据类型有关。 本周我将讨论数据的不同之处，这些不同之处决定了我们可以使用哪种类型的统计检验来了解我们的数据。

几乎没有医疗专业人员不熟悉 p 值。 它通常被理解为 0.05 的分水岭值。 如果通过收集数据点对研究问题进行评估，而统计分析显示的值小于 0.05，我们就认为这证明发现了某种显著差异，至少在统计学上是这样。 目前的文献中充满了对无处不在的 p 值的质疑，以及为什么它并不像我们许多人所认为的那样是灵丹妙药。本周，你将对 p 值的概念有一个直观的了解。在此基础上，我将介绍概率论的核心--中心极限定理和数据分布。

一般来说，研究人员心中都有一个需要回答的问题。每个人都可能对这个问题（或答案）有自己的看法，但研究人员会通过设计实验和调查研究结果来寻找答案。首先，我们将了解假设，以及假设与合乎道德、无偏见的研究和报告之间的关系。我们还将讨论置信区间，我认为置信区间是医疗保健研究中最不为人所知且经常被曲解的价值之一。文献中用于比较数值数据点值的最常用检验方法是 t 检验、方差分析和线性回归。 在最后一课中，我们将仔细研究这些检验方法，但更重要的可能是它们的严格假设。

文献中最常见的统计检验是 t 检验。 事实上，t 检验有很多种，但大多数人最熟悉的当然是 Student's t 检验及其无处不在的 p 值。 不过，并非所有人都知道，Student 这个名字实际上是威廉-戈塞特（William Gosset，1876 - 1937 年）使用的笔名。 参数检验有非常严格的假设条件，必须满足这些条件才能合理使用。 在本课中，我们将仔细研究这些检验，但也许更重要的是它们的严格假设。 一旦你了解了这些，你就能识别这些检验在什么情况下使用不当。

恭喜您您已经进入了 "了解临床研究 "课程的最后一周。在这一课中，我们将了解检验在发现疾病存在与否方面的作用，帮助我们选择合适的检验，以及如何解释阳性和阴性结果。 我们将解读灵敏度、特异性、阳性和阴性预测值。本课程结束时将进行期末考试，以测试您在本课程中学到的知识和应用。希望您喜欢本课程，并希望它能帮助您理解临床研究。