搜尋結果
2020年8月27日 · 就是整個尿尿過程出口的瞬間最高速度，同時配合尿尿圖形的形狀來診斷，可以簡稱「尿圖」。. 正常人尿流速大約 25ml／sec 以上，隨著年紀增長會越來越慢；但是至少 15ml/sec 以上，就不會覺得排尿不順。. 尿圖的形狀正常人長的像是鐘型曲線：. 圖片來源：翻攝 ...
2017年4月10日 · 1.首先，是尿的「顏色」 只要從尿的顏色來看，就知道水喝得夠不夠；如果尿的顏色太黃，表示水喝得太少，要多補充水分，如果白到清清如水，表示喝太多水，不要再喝太多，以免水喝太多也可能有水中毒的危險，只要尿色維持清澈淡黃色，表示水喝得剛好。
2020年9月18日 · 1.「空腹血糖值」 ，在空腹八小時後抽血，正常狀況血糖值應小於100 mg/dL，若血糖值超過126 mg/dL就算糖尿病。 2.「隨機血糖值」 ，正常會於140 mg/dL以下，若超過200 mg/dL且合併有多吃、多喝、多尿等症狀，建議進行口服糖水測試，來診斷糖尿病。 3.抽血檢驗「醣化血色素（簡稱為HbA1C）」 ，醣化血色素代表患者三個月內平均的血糖值，正常的標準是在5.7%以下，若發現數值超過6.5%，則代表罹患糖尿病。 圖片來源： 照護線上. 糖尿病常常沒有症狀！ 血糖剛開始超標時，患者幾乎都不自覺，沒有任何不適，大家常聽到的「多吃、多喝、多尿」三多症狀，往往要到血糖值高到一定程度才會跑出來 。
2020年11月16日 · 壓力越大導致膀胱不停收縮！. 排尿量逐漸減少. 一般正常人每日排尿次數不應該超過8次，每一次尿量大約是300-400ml ，但女老師的膀胱已嚴重萎縮，每次排尿只有100ml左右。. 萬芳醫院婦產科主治醫師張宇琪說明：「根據臨床上觀察，一半以上有膀胱過動症的患者 ...
- 不應該只因為 p 值超出顯著性水準，就認定實驗結果沒有差異或關聯
- P 值到底是什麼？
- 假設檢驗：藉由 p 值決定是否接受虛無假設
- 常態分佈：可用 3Σ 法則檢驗數據有效性
- P 值：數據是否支持虛無檢設的檢驗數字
- 統計顯著性：決定是否要推翻虛無假設
發佈這篇文章的三位統計學家，分別是瑞士巴塞爾大學的動物學教授 Valentin Amrhein，加州大學洛杉磯分校的流行病學的統計學教授 Sander Greenland，伊利諾伊州埃文斯頓西北大學的統計學方法學家和行銷學教授 Blake McShane。 他們提出：「我們永遠不應該僅僅因為 p 值大於 0.05 之類的閾值而得出『沒有差異』或『沒有關聯』，或者等價，因為信賴區間包括零。我們也不應該斷定兩項研究之間存在衝突，因為一項研究結果具有統計學意義，另一項則沒有。這些錯誤會浪費研究工作並誤導政策決策。」 （註： α 顯著性水準，是接受或拒絶原假設的機率分界點，如果 p<α，就認為在 1-α 的信賴水平下，樣本觀測值與總體假設值之間的差異是顯著的，因而不能接受原假設，即拒絶原假設。 大家...
猶記得當我作為暑期學生在歐洲核子研究中心進行第一次海外實習時（註：歐洲核子研究中心，法語為 Conseil Européenn pour la Recherche Nucléaire，簡稱 CERN，位於瑞士日內瓦西部接壤法國的邊境，是世界上最大的粒子物理學實驗室，同時也是全球資訊網的發祥地。最近以探測到「上帝粒子」—希格斯玻色子（Higgs boson）而為大眾所熟知），那時候大多數人還在談論著希格斯玻色子的發現，即使已經確認希格斯玻色子的發現滿足 5 個標準差閾值。（即 p 值為 0.0000003） 然而，那時候我對 p 值、假設檢驗甚至統計顯著性都一無所知。接下來的事你猜對了。我 google 了 p-value 這個詞，看了維基百科後我卻更困惑了…… 所以 p 值的真正含義是什麼呢...
在討論 p 值的含義之前，讓我們先理解假設檢驗吧。p 值是用於確定我們結果的統計顯著性的，而我們的最終目標就是要確定我們結果的統計顯著性。 統計顯著性是建立在下面這三個簡單的概念上的： 假設檢驗是用來檢驗利用樣本數據所得到的虛無假設（null hypothesis）是否符合總體特徵。對立假設（alternative hypothesis，也稱研究假設）則是當虛無假設被認為是錯誤的時候你需要接受的假設。 換句話說，我們首先要建立虛無假設，然後用樣本數據檢驗虛無假設是否成立。如果不成立，那我們就接受對立假設。就這麼簡單。 為了判斷虛無假設是否成立，我們需要用 p 值來衡量它的統計顯著性。如果數據更傾向於支持對立假設，那我們就拒絶虛無假設，接受對立假設。這將在後面的部分中進一步解釋。 讓我們用一個...
常態分佈是一個用來描述數據分佈特徵的機率密度函數，常態分佈有兩個參數：平均值 μ 和標準差 σ。平均值描述的是數據分佈的集中趨勢，它決定了常態分佈的峰值位置；標準差描述的是數據分佈的離散趨勢，它決定了這些值與平均值的距離。 常態分佈通常與 68-95-99.7 法則（即 3σ 法則）聯繫在一起。（如上圖所示） 68% 的數據在平均值的 1 個標準差內 95% 的數據在平均值的 2 個標準差內 99.7% 的數據在平均值的 3 個標準差內 還記得我在開頭談到希格斯玻色子的發現時，提到的 5 個標準差的閾值嗎（”five sigma”threshold）？ 5σ 是指 99.9999426696856% 的數據都能夠證實確實發現了希格斯玻色子。這是一個嚴格設置的閾值，以避免任何潛在的錯誤信號。 ...
終於說到了 p 值！之前的那些內容只是一個鋪陳，現在有請我們的主角— p 值登場！但是，為了理解這個神秘的 p 值，以及它是如何應用到假設檢驗中去的，你們還是不能把先前說到的那些還給我。 如果你還記得上面的內容，那麼恭喜你，接下來你讀到的會是這篇文章中最精采的部分。這裡，我們不用維基百科所給出的關於 p 值的定義，而是用我們之前提到過的披薩配送時間！ 回想一下，我們曾為了檢驗平均配送時間是否大於 30 分鐘，而隨機抽取了一些披薩配送時間。如果最終結果支持披薩店的說法（即平均配送時間不多於 30 分鐘），我們就不推翻虛無假設；否則，就拒絶它。 在這裡 p 值就派上用場了：我手頭這些數據足以說明披薩配送時間不多於三十分鐘，即虛無假設是正確的嗎？而 p 值正是用機率回答了這一問題。p 值越小，證據...
最後，我們將此前提到的所有內容放在一起，並檢測結果是否具有統計顯著性，只有 p 值是不夠的，我們還需要設置一個閾值（又叫做顯著性水平 α）。每次實驗之前都應該預先設置好 α 以防偏差。如果觀察到的 p 值小於 α 值，那麼我們就認為結果具有統計顯著性。通常我們將 α 值設定為 0.05 或 0.01（這個值的設定取決於你所要研究的問題）。 如前所述，假設實驗前我們就把 α 值設定為 0.05，因為 p 值為 0.03，低於 α 值，所以我們認為所得到的結果具有統計顯著性。 為了方便參考，下面列出整個實驗的基本步驟： 不可否認的是，p 值本來就讓很多人困惑不已。作為一名數據科學家，Admond Lee 也是花了很長時間才真正理解了 p 值的含義以及如何將它應用到決策過程中去。但是不要過度依賴 ...
2021年9月13日 · 此外，邱冠明醫師提到：「胸悶、胸痛、容易喘都是心血管疾病的相關症狀，如果過去曾經有類似的經驗，建議在健檢時考慮加上『運動心電圖』的檢查。. 」在提供保護的情況下給予適當的壓力和負擔，可以進一步確定是否有心肌缺氧的徵狀。. 「透過 抽血、X ...
2021年11月8日 · 男女的 BMI 值（身體質量指數）都應該維持在正常範圍，尤其女性病患在更年期後，賀爾蒙的變化，容易導致身體脂肪分佈逐漸傾向於男性的類型，嚴重度會大幅上升，而中年發福是很常見的現象，也是造成睡眠呼吸中止症的一大元兇。
