1、常用实验设计方法,医学研究中常用的实验设计方法有：1. 完全随机设计2. 配对设计3. 配伍组设计4. 交叉设计5. 析因试验设计6. 拉丁方设计7. 正交试验设计8. 均匀设计,常用实验设计方法,完全随机设计是根据试验处理数将全部受试对象随机地分成若干组，然后再按组实施不同处理的设计。这种设计保证每个受试对象都有相同机会接受任何一种处理，而不受试验人员主观倾向的影响。在医学研究等试验中，当试验条件特别是受试对象的初始条件比较一致时，可采用完全随机设计。这种设计应用了重复和随机两个原则，因此能使试验结果受非处理因素的影响基本一致，真实反映出试验的处理效应。,常用实验设计方法,完全随机设计（co
2、mpletely random design） ：,不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，故亦称单因素实验设计。 该设计常用于将受试对象按随机化原则分配到处理组和对照组中，各组样本例数可以相等，也可以不等，但相等时效率高。 优点：设计和统计分析方法简单易行； 缺点：只分析一个因素，不考虑个体间的差异，因而要求各观察单位要有较好的同质性，否则，需扩大样本含量。,常用实验设计方法,完全随机设计（completely random design） ：,设计方法,先将实验对象编号，按预先规定，利用随机排列表（或随机数字表）的随机数字将实验对象随机分配到各组中去（用随机排列表
3、进行分组时，各组例数相等；用随机数字表进行分组时，各组例数常不相等，故常用前者）。例：按完全随机设计方法将10只小鼠随机分 配到甲、乙两组。,常用实验设计方法,完全随机设计（completely random design） ：,二、试验结果的统计分析 对于完全随机试验的统计分析，由于试验处理数不同，统计分析方法也不同。（一）处理数为2 两个处理的完全随机设计也就是非配对设计，对其试验结果采用非配对设计的 t 检验法进行统计分析。,完全随机设计（completely random design） ：,常用实验设计方法,（二）处理数大于2 若获得的资料各处理重复数相等，则采用各处理重复数相等的单
4、因素试验资料方差分析法分析；若在试验中，因受到条件的限制或受试动物出现疾病、死亡，或病人中途退出等使获得的资料各处理重复数不等，则采用各处理重复数不等的单因素试验资料方差分析法分析。 完全随机设计的优缺点 完全随机设计是一种最简单的设计方法，主要优缺点如下： 完全随机设计的主要优点1、设计容易 处理数与重复数都不受限制，适用于试验条件、环境、试验动物差异较小的试验。,完全随机设计（completely random design） ：,常用实验设计方法,2、统计分析简单 无论所获得的试验资料各处理重复数相同与否，都可采用 t 检验或方差分析法进行统计分析。（二）完全随机设计的主要缺点1、由于未
5、考虑非试验因素的影响，将其归入试验误差，试验误差较大，试验的精确性较低。2、在试验条件、环境、试验动物差异较大时，不宜采用此种设计方法。,常用实验设计方法,完全随机设计（completely random design） ：,将受试对象按配对条件配成对子，再按随机化原则把每对中的两个个体分别分配到实验组或对照组。常用于动物实验。 配对条件：一般以主要的非实验因素作为配比条件。动物实验中，常将同性别、同窝别、体重相近的两个动物配成一对；人群试验中，常将性别和年龄、生活条件、工作条件相同或相近的两个人配成对子。 某些医学实验研究中的自身对照也可看作是配对设计，如某指标治疗前后的比较（平行样本）；同
6、一受试对象不同部位、不同器官的比较；同一标本不同检测方法的比较。,配对设计（paired design） ：,常用实验设计方法,设计方法,例 试将已配成10对的20只小鼠随机分配到甲、乙两组。 先将小鼠编号，如第一对第一受试者编号为1.1，第二受试者编号为1.2，余仿此。再从随机排列表中随机指定某行，例如第6行，依次将09之间的随机数字录于受试者编号下，舍去1019之间的数字，并规定随机数字为奇数时取甲乙顺序，偶数时取乙甲顺序。,常用实验设计方法,配对设计（paired design） ：,分组结果 甲组：1.2、2.2、3.1、4.2、5.1、6.2、7.1、8.2、9.1、10.1 乙组：
7、1.1、2.1、3.2、4.1、5.2、6.1、7.2、 8.1、9.2、10.2,设计方法,常用实验设计方法,配对设计（paired design） ：,配对设计（paired design） ：,配对设计是处理数为2的随机区组设计。其优点是结果分析简单，试验误差通常比非配对设计小，但由于试验对象配对要求严格，不允许将不满足配对要求的试验对象随意配对。,常用实验设计方法,配对设计（paired design） ：,相当于配对的扩展，即将几个受试对象按一定条件配成区组，再将每一区组的受试对象随机分配到各个处理组中。,随机区组设计(randomized block design),A 接受甲处理
8、 实验对象配成区组随机分配区组中 B 接受乙处理C 接受丙处理D 接受丁处理,常用实验设计方法,随机区组设计(randomized block design),根据局部控制的原则，如将同窝、同性别、体重基本相同的动物划归一个区组 ，每一区组内的动物数等于处理数，并将各区组的试验动物随机分配到各处理组，这种设计称为随机区组设计。,常用实验设计方法,设计方法,例 按体重和年龄为配比条件将12只雌性小鼠配成4个区组，试对每个区组内的3只小鼠随机分配，分别给予甲、乙、丙3种饲料。,常用实验设计方法,随机区组设计(randomized block design),设计方法,先给动物编号：第1配伍组为13
9、号，第2配伍组为46号，第3配伍组为79号，第4配伍组为1012号；再从随机排列表中，任意指定连续的4行，如第1215行，每行只取随机数字13，其余舍去，依次列于各配伍组的受试者编号下，并规定随机数字为1的小鼠喂以甲饲料，为2的小鼠喂以乙饲料，为3的小鼠喂以丙饲料。分配结果如下：,随机区组设计(randomized block design),随机区组设计的优缺点 （一）随机区组设计的主要优点 1、设计与分析方法简单易行。2、在对试验结果进行分析时，能将单位组间的变异从试验误差中分离出来，有效地降低了试验误差，因而试验的精确性较高。 3、把条件一致的受试动物分在同一区组，再将同一区组的受试动物
10、随机分配到不同处理组内，加大了处理组之间的可比性。,常用实验设计方法,随机区组设计(randomized block design),（二）随机区组设计的主要缺点 当处理数目过多时，各区组内的受试动物数数目也过多，要使各单位组内受试动物的初始条件一致将有一定难度，因而在随机区组设计中，处理数以不超过20为宜。配对与配伍组设计是按配比条件配对或配伍，考虑了个体差异的影响，可分析处理因素和个体差异对实验效应的影响，所以又称两因素实验设计，比完全随机设计的检验效率高；可减少样本含量。,常用实验设计方法,随机区组设计(randomized block design),常用实验设计方法,交叉设计（cro
11、ss-over design）,设计方法,先将条件相近的观察对象配对并编号（如1.1，1.2；2.1，2.2；3.1，3.2 或1,2；3,4；5,6； ），再用随机分组方法将各对对象分配到A、B两组；其中一个观察对象在第阶段接受A处理，第阶段接受B处理；另一个观察对象在第阶段接受B处理，第阶段接受A处理。要求观察对象的例数为偶数。 A、B两种处理在全部试验过程中“交叉”进行，故称交叉试验设计。该设计中A、B处理方式处于先后2个试验阶段的机会均等，因而平衡了试验顺序的影响，能把处理方法间的差别与时间先后间的差别分开来分析。,交叉设计（cross-over design）,设计方法,例 某研究者
12、欲通过12只大白鼠研究A、B两种参数电针刺激后痛域值上升情况，同时还考虑了个体差异与A、B顺序对痛域值的影响。试作交叉设计。 设计如下：先将12只大白鼠按条件相近者配对并依次编号（1.1,1.2；2.1,2.2；3.1,3.2； 或1,2；3,4；5,6 ），再任意指定随机数字表中的任一行（如第6行），并规定随机数字为奇数时，对子中的单号观察单位先用A后用B，双号观察单位先用B后用A；随机数字为偶数时，对子中的单号观察单位先用B后用A，双号观察单位先用A后用B。,交叉设计（cross-over design）,设计方法,分组结果：1、4、5、8、9、11号大白鼠用药顺序是 A B ，2、3、6
13、、7、10、12号大白鼠用药顺序是 B A。,交叉设计（cross-over design）,交叉设计（cross-over design）,设计方法,统计分析方法,交叉设计（cross-over design）,统计分析方法,交叉设计（cross-over design）,统计分析方法,交叉设计（cross-over design）,是在自身配对设计基础上发展起来的，该设计考虑了1个处理因素（A、B两水平），2个与处理因素无交互作用的非处理因素（试验阶段和受试对象）对试验结果的影响。 优点：具备自身配对设计的全部优点，如减少个体间的差异，减少样本含量；能控制时间因素（试验阶段）对处理因素的影
14、响，因而优于自身对照设计；各试验对象均接受了试验因素和对照，符合医德要求。,优缺点,交叉设计（cross-over design）,适用条件及应注意的问题,1.处理因素只有2水平（A、B），且两个非处理因素（试验阶段、受试对象）与处理因素间无交互作用。 2.要求两阶段间须有一定间隔时间，以消除前阶段治疗措施的残留效应，保证两阶段的起始条件一致；间隔时间的长短可参照药典或预试验中药物在血清中的衰减速度； 3.两次观察的时间不能过长，处理效应不能持续过久； 4.适用于病情较稳定、病程可以分阶段、短期治疗可见疗效的疾病； 5.为消除患者的心理作用或防止研究者的暗示，一般 多采用盲法。,交叉设计（cr
15、oss-over design）,是一种将两个或多个因素的各水平交叉分组，进行实验（或试验）的设计。 不仅可以检验各因素内部不同水平间有无差异，还可检验两个或多个因素间是否存在交互作用。若因素间存在交互作用，表示各因素不是独立的，一个因素的水平发生变化，会影响其它因素的实验效应；反之，若因素间不存在交互作用，表示各因素是独立的，任一因素的水平发生变化，不会影响其它因素的实验效应。,析因实验设计（factorial experimental design）,常用实验设计方法,设计方法,该设计是通过各因素不同水平间的交叉分组进行组合的。因此，总的实验组数等于各因素水平数的乘积。例如，2个因素各有3
16、个水平时，实验组数为33=9；4个因素各有2个水平时，实验组数为24=16。所以，应用析因实验设计时，分析的因素数和各因素的水平数不宜过多。一般因素数不超过4，水平数不超过3。 常见的设计模型有22析因实验设计、222析因实验设计和2232析因实验设计。,常用实验设计方法,析因实验设计（factorial experimental design）,22析因设计属两因素析因实验设计，其它的两因素析因实验设计还有23，33，24，34等。两因素析因实验设计用于研究 A、B 两个因素内部不同水平间有无差异，特别是研究 A、B 因素间是否存在交互作用（AB）的情况。 22析因设计是指有2个因素，每个因
17、素各有2个水平，共有4个组合。设 A1代表 A 因素的1水平，A2代表 A因素的2水平；设 B1代表 B 因素的1水平，B2代表 B因素的2水平。交叉组合后的22析因设计模型如下：,22析因设计：,析因实验设计（factorial experimental design）,对于22析因设计，可分析A1 与A2 间、B1 与B2 间有无差别， 还可分析A、B因素间是否存在交互作用（AB）的情况。（ AB为一级交互作用）,设计方法,22析因设计：,析因实验设计（factorial experimental design）,例 某医师欲研究A、B两药是否有治疗缺铁性贫血的作用，以及两药间是否存在交互
18、作用。用何试验设计可达到研究者的研究目的，并做出设计分组。 该研究目的既要分析A、B两药是否有治疗缺铁性贫血的作用，又要分析两药间有无交互作用，可用析因设计。 根据题意，设A、B两药有“用”与“不用”2个水平，符合22析因设计。用A1、A2和B1、B2分别表示“用”与“不用”A药和B药；按22析因设计有4个实验组，分别为A1B1、A1B2、A2B1和A2B2。设计分组如下：,设计方法,22析因设计：,析因实验设计（factorial experimental design）,考虑到A2B2是空白对照组，应加“一般疗法”。为保证各实验组的均衡性，其它组也应加“一般疗法”。第1组（A1B1）：A药
19、 + B药 + 一般疗法。第2组（A1B2）：A药 + 一般疗法。第3组（A2B1）：B药 + 一般疗法。第4组（A2B2）：一般疗法。,设计方法,22析因设计：,析因实验设计（factorial experimental design）,22析因设计实验结构统计分析：,析因实验设计（factorial experimental design）,22析因设计实验结构统计分析：,析因实验设计（factorial experimental design）,22析因设计实验结构统计分析：,析因实验设计（factorial experimental design）,222析因设计属三因素析因实验设计，
20、其它的三因素析因实验设计可以是223，233，333等。三因素析因实验设计不仅可研究A、B、C三因素内部不同水平间有无差异，还可研究因素间是否存在一级交互作用（如AB，AC，BC）和二级交互作用（ABC）的情况。 222析因设计是指有3个因素，每个因素各有2个水平，共有8个组合。设A1、B1、C1分别代表A、B、C因素的1水平，A2、B2、C2分别代表A、B、C因素的2水平，交叉组合后的222析因设计模型如下：,222析因设计：,析因实验设计（factorial experimental design）,设计方法,222析因设计可分析A、B、C因素内部不同水平间有无差别，还可分析是否存在一级或
21、二级交互作用（AB、AC、BC 和 ABC）。,222析因设计：,析因实验设计（factorial experimental design）,例 某农科所研究猪的性别和不同饲料（大豆粉中加14%或12%蛋白质，玉米中加与不加0.6%己氨酸）对猪体重增加的影响，用何设计并进行分组。 根据研究目的应考虑到猪的性别、饲料对猪体重的影响，还应考虑到因素间可能存在交互作用，宜用析因设计。该研究有三个因素：实验动物猪（雌、雄），大豆粉（加14%蛋白质、加12%蛋白质），玉米（加0.6%己氨酸、不加0.6%己氨酸）；每个因素均有2个水平，符合222析因实验设计。,设计方法,222析因设计：,析因实验设计（f
22、actorial experimental design）,设： A1（母猪）、A2（公猪）B1（大豆粉 + 14%蛋白质）、 B2（大豆粉 + 12%蛋白质）C1（玉米 + 0.6%己氨酸）、C2（玉米）按222析因实验设计有 8 个实验组，设计分组如下：,设计方法,222析因设计：,析因实验设计（factorial experimental design）,A1B1C1：母猪、大豆粉 + 14%蛋白质、玉米 + 0.6%己氨酸 A1B1C2：母猪，大豆粉 + 14%蛋白质，玉米 A1B2C1：母猪，大豆粉 + 12%蛋白质，玉米 + 0.6%己氨酸 A1B2C2：母猪，大豆粉 + 12%蛋
23、白质，玉米 A2B1C1：公猪，大豆粉 + 14%蛋白质，玉米 + 0.6%己氨酸 A2B1C2：公猪，大豆粉 + 14%蛋白质，玉米 A2B2C1：公猪，大豆粉 + 12%蛋白质，玉米 + 0.6%己氨酸 A2B2C2：公猪，大豆粉 + 12%蛋白质，玉米,设计方法,222析因设计：,析因实验设计（factorial experimental design）,222析因设计统计分析方法：,2232析因设计属四因素析因实验设计，其它的四因素析因实验设计可根据研究目的而设，如2222，。四因素析因实验设计除研究A、B、C、D四个因素内部不同水平间有无差异外，还可研究因素间是否存在一级交互作用（A
24、B，AC，AD，BC，BD，CD）二级交互作用（ABC，ABD，ACD，BCD）三级交互作用（ABCD）。,设计方法,2232析因设计,2232析因设计用于有四个因素，其中三个因素有2个水平，一个因素有3个水平，共有24个组合，其设计模型如下：,设计方法,2232析因设计,优点 析因实验设计是一种高效率的实验设计方法，不仅能够分析各因素内部不同水平间有无差别，还具有分析各种组合（两个或多个因素不同水平间）的交互作用的功能。 缺点 与正交试验设计相比，属全面试验。因此，研究的因素数与水平数不宜过多。,设计方法,2232析因设计,拉丁方设计是从横行和直列两个方向进行双重局部控制，使得横行和直列两向
25、皆成单位组的设计。在拉丁方设计中，每一行或每一列都成为一个完全单位组，而每一处理在每一行或每一列都只出现一次，也就是说，在拉丁方设计中，试验处理数=横行单位组数=直列单位组数=试验处理的重复数。,拉丁方设计（Latin square design）,常用实验设计方法,在对拉丁方设计试验结果进行统计分析时，由于能将横行、直列二个单位组间的变异从试验误差中分离出来，因而拉丁方设计的试验误差比随机单位组设计小，试验精确性比随机单位组设计高。 拉丁方简介（一） 拉丁方 以 n 个 拉 丁 字 母 A， B，C，为元素，列出一个 n阶方阵，若这 n个拉丁方字母在这 n 阶方阵的每一行、 每一列都出现、且
26、只出现一次，则称该 n阶方阵 为nn阶拉丁方。,拉丁方设计（Latin square design）,例如： A B B A B A A B为22阶拉丁方，22阶拉丁方只有这两个。A B CB C AC A B为33阶拉丁方。,拉丁方设计（Latin square design）,第一行与第一列的拉丁字母按自然顺序排列的拉丁方，叫标准型拉丁方。33阶标准型拉丁方只有上面介绍的1种，44阶标准型拉丁方有4种，55阶标准型拉丁方有56种。若变换标准型的行或列，可得到更多种的拉丁方。在进行拉丁方设计时，可从上述多种拉丁方中随机选择一种；或选择一种标准型，随机改变其行列顺序后再使用。,拉丁方设计（La
27、tin square design）,（二）常用拉丁方 在 动 物 试 验 中，最 常 用 的 有33，44，55，66阶拉丁方。下面列出部分标准型拉丁方，供进行拉丁方设计时选用。,拉丁方设计（Latin square design）,拉丁方设计（Latin square design）,设计的基本要求,必须是3个因素的实验，且3个因素的水平数相等（若3因素的水平数略有不同，应以主要处理因素的水平数为主，其它2因素的水平数可进行适当调整）； 三因素间是相互独立的，均无交互作用； 各行、列、字母所得实验数据的方差齐。,设计方法,拉丁方设计（Latin square design）,设计步骤,根据
28、主要处理因素的水平数，确定基本型拉丁方，并从专业角度使另两个次要因素的水平数与之相同； 先将基本型拉丁方随机化，然后按随机化后的拉丁方阵安排实验。可通过对拉丁方的任两列交换位置，或/和任两行交换位置实现随机化； 规定行、列、字母所代表的因素与水平，通常用字母表示主要处理因素。,设计方法,拉丁方设计（Latin square design）,例 某肿瘤研究所拟通过动物实验研究4种抗癌药物的抑癌作用，同时考虑4个不同剂量、瘤株对抗癌药物的作用。用何实验设计可达此研究目的？（实验过程是用4种瘤株匀浆接种小白鼠，7d后分别用4种抗癌药物，各取4种不同剂量腹腔注射，每日1次，连续10d，停药1d，处死后
29、解剖测瘤重） 本研究有3个因素：抗癌药物、剂量和瘤株，各因素皆有四水平，其中抗癌药物为主处理因素；从专业角度已知三因素间无交互作用，用拉丁方设计。其设计步骤如下：,设计方法,拉丁方设计（Latin square design）,1.因三因素均有四个水平，选用44基本型拉丁方。 2.对44基本型拉丁方随机化：,设计方法,拉丁方设计（Latin square design）,3. 规定行、列、字母所代表的因素与水平 本例规定： “字母” A、B、C、D 分别代表四种不同的抗癌药物； “列”为瘤株种类，肉瘤180（S180）、肝肉瘤（HS）、艾氏 腹水瘤（EC）和网状细胞瘤（ARS）分别以、代表；
30、“行”为剂量，以1、2、3、4分别代表由小到大的4个不同剂量；然后按随机化后的拉丁方阵安排实验，其实验设计模型见下表：如第一行第一列为接种S180匀浆的小白鼠注射剂量为1的C抗癌药物；依次类推。,设计方法,拉丁方设计（Latin square design）,设计方法,拉丁方设计（Latin square design）,试验结果的统计分析拉丁方设计试验结果的分析，是 将两个单位组因素与试验因素一起，按 三因素试验单独观测值的方差分析法进行 ，但 应 假 定 3个因素之间不存在交互作用。将横行单位组因素记为 A ，直列单位组因素记为B，处理因素记为C，横行单位组数、直列单位组数与处理数记为r，
31、对拉丁方试验结果进行方差分析的数学模型为：,拉丁方设计（Latin square design）,拉丁方设计（Latin square design）,试验结果的统计分析,拉丁方设计（Latin square design）,试验结果的统计分析,拉丁方设计（Latin square design）,四、拉丁方设计的优缺点 （一）拉丁方设计的主要优点1、精确性高 拉丁方设计在不增加试验单位的情况下，比随机单位组设计多设置了一个单位组因素，能将横行和直列两个单位组间的变异从试验误差中分离出来，因而试验误差比随机单位组设计小，试验的精确性比随机单位组设计高。2、试验结果的分析简便,拉丁方设计（Lat
32、in square design）,（二）拉丁方设计的主要缺点因为在拉丁设计中 ，横行单位组数 、直列单位组数、试验处理数与试验处理的重复数必须相等，所以处理数受到一定限制。若处理数少，则重复数也少，估计试验误差的自由度就小，影响检验的灵敏度；若处理数多，则重复数也多，横行、直列单位组数也多，导致试验工作量大，且同一单位组内试验动物的初始条件亦难控制一致。因此，拉丁方设计一般用于5-8个处理的试验。在采用4个以下处理的拉丁方设计时 ，为了使估计误差的自由度不少于12，可采用 “复拉丁方设计” ，即同一个拉丁方试验重复进行数次，并将试验数据合并分析，以增加误差项的自由度。,拉丁方设计（Latin
33、 square design）,应当注意，在进行拉丁方试验 时，某些单位组因素，如药物的代谢阶段，试验因素的各处理要逐个地在不同阶段实施，如果前一阶段有残效，在后一阶段的试验中，就 会 产 生系统误差而影响试验的准确性。此时应根据实际情况，安排适当的试验间歇期以消除残效。另外，还要注意，横行、直列单位组因素与试验因素间不存在交互作用 ，否 则 不能采用拉丁方设计。,注意事项,拉丁方设计（Latin square design）,拉丁方的行与列皆为配伍组，可用较少的重复次数获得较多的信息；双向误差控制，使观察单位更加区组化和均衡化，进一步减少实验误差，比配伍组设计优越。 要求三因素的水平数相等且无交互作用。虽当三因素的水平数不等时，可通过调整次要因素的水平数以满足设计的要求，但有时无法达到；况且因素间可能存在交互作用，故在实际工作中有一定的局限性。 当因素的水平数（）较少时，易受偶然因素的影响。为了提高精确度，可应用 m 个拉丁方设计。,注意事项,拉丁方设计（Latin square design）,
