老黄历后天宜干什么（这件事别在周末做）

为了一周一度的美好周末时光，小编特地做了张黄历图送给大家:

没想到这张图却引来了统计学同事挑剔的眼神……

故事是这样的：

有人说周末千万别去看病住院，因为在医疗保健系统中存在“周末效应”。

2014年7月, 丹麦的弗莱明医生在《卫生事务》杂志上发表的一项调查结果：通过研究在丹麦1995至2012期间的265万住院记录，发现与平日相比, 周末和节假日的死亡率超过了两倍。

2015年发表在《英国医学杂志》（BMJ）的另一篇研究更是指出：每到周末，确实“死”的更多。该研究是英国NHS的研究小组调查了2013到2014年的医疗记录。根据报告结果显示，30天内医院共接收了1590万名病患，其中最后去世者达到29万，总体死亡率为1.8%。但每到周五的死亡率会上升至2%，周六到10%，到周日则达15%，而周一又会下降至5%。

综合来看， 似乎周末真的不是去医院看病的合适时间。至少从之前研究人员给出的一些解释来看，“周末效应”与医院医护人员人手更少、专家人数更少、一些影像检查及介入性治疗无法立即进行有关，而这些医疗资源在工作日时间均可尽快获得。

然而这是真的吗？

统计师：“那可不一定！虽然周末的死亡率看上去要比平时高，但是却没有办法了解周末住院的病人和平时相比，是否具有可比性。”

就像在拳击比赛或举重比赛中，将不同重量级别的对手放在一起较量，这显然不公平。也就是说，如果不考虑平时的病人和节假日的病人在疾病严重程度上的区别，而直接进行死亡率的比较，可能无法得到一个准确的结论。

在临床试验中，为了保证试验组和对照组之间的可比性，病人会被随机分到试验组或对照组。在随机化的过程中，每个病人被分配到试验组的概率是一样的，从而保证了两组受试者的特征基本一致。

但是在周末效应这个案例中，病人在周末去医院看病住院的病种和病情，并非随机。而对这种已有的数据或是非干预的数据，无法再进行随机化，所以难免分析结论与真实情况存在偏差的可能性。

再举个例子，比如对药物有效性（比如死亡率）的比较中，如果A药物选取入组病例的都是年轻、病情较轻的病例，而B药物选择的却是年纪较大、病情较重的病例的进行研究分析的话，即使A药物比B药物在实验中的数据看上去更加有效，但是这未必就是事实。

那么，有没有什么方法能够离真相更进一步呢？

当然有！

病例对照研究是其中的一种方法，对于已经确诊的患有某种疾病的病人作为病例，在不患有该疾病的个体中找一个类似的对照，比如性别一样，年龄相近的。通过给每一个病例找一个相近的对照，再分析哪些因素可以导致疾病发生，这样可以减小分析中的偏倚。

在统计上，倾向性评分匹配（Propensity Score Matching）也可以用来帮助我们减少比较中的偏倚。倾向性评分类似于举重比赛中的体重，如果两个对象的倾向性评分越接近，则认为这两个对象的初始条件越一致。但是倾向性评分比体重有效多了，这是一种综合考虑个体各种因素的指标，把个体的可以观察到的各方面因素都归纳到一个数值上。

在进行分析时，选出倾向性评分接近的对象进入不同的比较组，通过这样的方法选出的两个比较组在倾向性评分上接近，在各个指标上两个比较组也会比较接近。基于这样的比较组进行分析，可以帮助我们减少偏倚。在无法进行随机试验的条件下，采用倾向性评分匹配的方法可以帮助我们进一步接近真相。

就像上面的例子，对于周末住院的病人和周中住院的病人，我们也需要了解病人的各方面的状况。通常情况下，如果疾病状况不严重，周末发病的病人也通常会等到工作日再去医院，而同样在周末发病，但是病情严重的病人会选择立即住院。这样看来，周末住院的病人可能病情更为严重。所以在分析时，一定要把这样的因素考虑进去，才会得到更为准确的结论。

统计师

“但是，”统计师说，“有一件事是我非常肯定的在周末切忌做的事！”

——忌加班。

于是小编只好修改图片：

送给大家！祝大家周末健康快乐！

本文原创作者：岗哥

数据之门非典型理想主义开锁匠

参考文献：

[1] F Madsen et al. High Levels Of Bed Occupancy Associated With Increased Inpatient And Thirty-Day Hospital Mortality In Denmark. Health Affairs 2014 33:7, 1236-1244

[2] N Freemantle et al. Increased mortality associated with weekend hospital admission: a case for expanded seven day services? BMJ 2015; 351 :h4596

,