衛生統計學是應用數統計學的原理與方法研究居民健康狀況以及衛生服務領域中資料的收集、整理和分析的一門科學。下面是應屆畢業生小編為大家編輯整理的2017公衛執業醫師衛生統計學考點，希望對大家考試有所幫助。
佇列研究意義：
大多數慢性病都是歷時多年的一個過程所形成。在此期間發生的許多事件都可能起致病作用。對一群人在某種病尚未明顯發生前，對某個(或某些)可能起病因作用或保護作用的事件的後果進行隨訪監測，是一種從“困”觀“果”的研究方法。
佇列研究(又譯為定群研究、群組研究)就是這樣研究病因的一種流行病學方法。研究物件是加入研究時未患所研究疾病的一群人，根據是否暴露於所研究的病因(或保護因子)或暴露程度而劃分為不同組別，然後在一定期間內隨訪觀察不同組別的該病(或多種疾病)的發病率或死亡率。如果暴露組(或大劑量組)的率顯著高於未暴露組(或小劑量組)的率，則可認為這種暴露與疾病存在聯絡，並在符合一些條件時有可能是因果聯絡。
各組除了暴露有無或程度不同之外，其他可能影響患病或死亡的重要因素應具有可比性(均衡性)。但並不要求除暴露狀況外一切方面都可比，這在觀察性研究中實際上是做不到的。有些因素可在資料分析中得到控制。
佇列研究所觀察的結局是可疑病因引起的效應(發病或死亡)，除了所研究的一種病，還可能與其他多種疾病也有聯絡，這樣就可觀察一個因素的多種效應，而這正是佇列法不可取代的用途。
根據作為觀察終點的事件在研究開始時是否已經發生，可把佇列研究分為前瞻性與回顧性兩類。
另有一種雙向型的佇列研究，適於研究對人體兼有短期與長期效應的因素，可用回顧性佇列法研究前者而用前瞻性佇列法研究後者。
還有一種把病例對照法與前瞻法結合起來的設計。其特點是用佇列法建起佇列(研究物件)並隨訪發現其中發生的病例，然後用病例對照法調查病例及佇列中適於作對照的一部分人的暴露史。這裡，病例與對照都來自一個界定明確、有基線資料記錄的佇列，暴露史的質量較高，還可以有病例尚未發病時的實驗室檢驗記錄，而且可以省去對佔絕對多數的未發病成員的暴露史調查。
佇列研究從方法上來說並不比病例對照法複雜，但實際進行起來卻問題較多，因為觀察人數多、期限長，組織工作複雜，開支龐大。但是，佇列法是一種重要的醫學觀察方法，已經為解決現代醫學的一些迫切問題(例如癌症和心血管病)做出重要貢獻，所以作為臨床醫生也應該對其原理有所瞭解，而且這對於科學思維能力和批判地閱讀能力的培養，也是大有裨益的。
病例|對照匹配
匹配(matching)或稱配比，即要求對照在某些因素或特徵上與病例保持一致，目的是對兩組進行比較時排除匹配因素的干擾。如以年齡做匹配因素，使兩組在年齡構成上類似或一樣，在分析比較兩組資料時，可避免由於兩組年齡構成的差別對疾病和因素關係的影響，從而更真實地反映研究因素與疾病的關係。匹配分為頻數匹配與個體匹配。
(1)頻數匹配(frequency matching)：
明確或估計出匹配變數每一層的病例數，然後從備選對照中選擇對照，直至達到每層所要求的數目，不一定要求絕對數相等，重要的是比例相同。例如，病例組中男女各半，則對照組中也應一樣。
(2)個體匹配(individual matching)：
即以病例和對照個體為單位進行匹配。1：1匹配，為每一個病例配一名對照，又稱配對(pair matching)，1：2、1：3、…、1：R匹配時，直接稱為匹配。
定量指標一般要求在一定範圍內匹配。例如年齡匹配，病例為50～59歲組，則對照亦應為50～59歲組。或者要求對照在±2歲、±3歲或±5歲等範圍內匹配，如要求對照與病例的年齡之差在±3歲之內，則一個39歲的病例，其對照的年齡應當在36～42歲之間。
在病例對照研究中採用匹配的目的，首先在於提高研究效率，增加分析指標的精確度(即可信區間變窄)。其次在於控制混雜因素的作用。匹配的特徵或變數必須是已知的混雜因子，或有充分的理由懷疑為混雜因子，否則不應匹配。
匹配的同時也增加了選擇對照的難度。而且一旦對某個因素做了匹配，我們將不能再分析該因素與疾病的關係，也不能充分分析它與其他因素的互動作用。把不必要的專案列入匹配，企圖使病例與對照儘量一致，就可能徒然丟失資訊，增加工作難度，結果反而降低了研究效率。這種情況稱為匹配過頭(over-matching)，應當注意避免。一般除性別、年齡之外，對其他因素是否進行匹配，須持慎重態度，以防止匹配過頭，徒增費用和難度。
應用直線迴歸注意：
1、作迴歸分析要有實際意義，不能把毫無關聯的兩種現象，隨意進行迴歸分析，忽視事物現象間的內在聯絡和規律;如對兒童身高與小樹的生長資料進行迴歸分析既無道理也無用途。另外，即使兩個變數間存在迴歸關係時，也不一定是因果關係，必須結合專業知識作出合理解釋和結論。
2、直線迴歸分析的資料，一般要求應變數Y是來自正態總體的隨機變數，自變數X可以是正態隨機變數，也可以是精確測量和嚴密控制的值。若稍偏離要求時，一般對迴歸方程中引數的估計影響不大，但可能影響到標準差的估計，也會影響假設檢驗時P值的真實性。
3、進行迴歸分析時，應先繪製散點圖(scatter plot)。若提示有直線趨勢存在時，可作直線迴歸分析;若提示無明顯線性趨勢，則應根據散點分佈型別，選擇合適的曲線模型(curvilinear modal)，經資料變換後，化為線性迴歸來解決。一般說，不滿足線性條件的情形下去計算迴歸方程會毫無意義，最好採用非線性迴歸方程的方法進行分析。
4、繪製散點圖後，若出現一些特大特小的離群值(異常點)，則應及時複核檢查，對由於測定、記錄或計算機錄入的錯誤資料，應予以修正和剔除。否則，異常點的`存在會對迴歸方程中的係數a、b的估計產生較大影響。
5、迴歸直線不要外延。直線迴歸的適用範圍一般以自變數取值範圍為限，在此範圍內求出的估計值稱為內插(interpolation);超過自變數取值範圍所計算的稱為外延(extrapolation)。若無充足理由證明，超出自變數取值範圍後直線迴歸關係仍成立時，應該避免隨意外延。
定量資料頻數分佈簡介：
將資料按照某種標準(標誌)劃分成不同的組別，每個組別稱為一個組段。組段之間的距離稱為組距，一般為等距。各組段的觀察值個數稱為頻數，將分組標誌和相應的頻數列表，即得到頻數分佈表，簡稱頻數表。
從頻數表便於觀察離群值和異常值，還可以看出頻數分佈的兩個重要特徵：集中趨勢和離散趨勢。集中趨勢是指觀察值向中央部分集中的傾向;離散趨勢是指觀察值的分散情況。
頻數表還可以揭示頻數分佈的型別，即對稱分佈和偏態分佈。對稱分佈是指集中位置在中間，左右兩側的頻數基本對稱。偏態分佈，又稱不對稱型分佈，指頻數分佈不對稱，集中位置偏向一側。若集中位置偏向數值較小的一側，稱為正偏態;若集中位置偏向數值較大的一側，稱為負偏態。
頻數表可以較直觀地揭示資料分佈的集中趨勢和離散趨勢，而統計指標可從數量上較準確地描述其集中位置和離散程度。定量資料的頻數分佈型別不同，描述其集中位置和離散程度的指標也不同。
病因推斷因素：
從流行病學觀點，有四類因素在疾病病因中起作用。它們每種都可能是必需因素，但每種單獨則很少是引起某種疾病或狀態的充分病因。它們是：
(1)易患因素：如年齡、性別、過去的疾病可以形成對某病因的易感狀態。
(2)誘發因素：如缺乏營養、低收入、居住條件不良及醫療保健不宜等可促發疾病。相反的狀況又有助於疾病恢復、維持健康。
(3)速發因素：如暴露於某特異病原因子(agent)或有害因子能促進發病。
(4)加強因素：屢次暴露於致病因子或做不適宜的重工作，可以加重已發生的疾病或狀態。
聯絡特異性簡介：
某種疾病僅與某務虛因素有聯絡而與其他因素無關，這種聯絡是特異的。例如傳染病與其病原體之間的聯絡是特異的。孕婦在孕早期感染風疹病毒，其分娩的新生兒常用先天性白內障。早年這類報告較多，但均未證明孕婦患風疹是胎兒畸形之因，後又發現僅在妊娠八年級個月內感染風疹病毒才能導致胎兒發生這類畸形，這個特異性就大大地加強了兩者的因果聯絡。由一種因素引起多種疾病、或由多種因素導致一種疾病的情況下，其聯絡的特異性往往不明顯。
聯絡的特異性常常與聯絡強度有關。例如吸菸與肺癌的相對危險度為12.9，而吸菸與其他疾病的相對危險度均在2以下。總之一個具有特異性的聯絡，能使病因假設更易被人們所接受，若特異性不明顯也不能立即否定因果關係的存在，應將問題的各方面再作進一步調查，可能找到某些特殊因素。
