McNemar检验概览

在一般的病例对照研究中，研究者将一个对照组与一个病例组进行比较。作为整体，对照组应与病例组相似（无疾病情况除外）。另一种执行病例对照研究的方法是在年龄、性别、职业、所在地和其他相关变量的基础上将个体病例组与个体对照组进行匹配。这是专门针对McNemar检验设计的研究类型。

在常用列联表上显示和分析匹配病例对照研究的数据会模糊病例组和对照组相匹配的事实。匹配使实验结果更具说服力，所以分析时应将其纳入考虑。

示例

下面是一些样本数据：

研究者研究了134例病例和134个匹配对照者，总共268名受试者。表中的每个条目代表一个配对（一例病例和一个对照者）。+和 - 标签是指曾暴露于或没有暴露于假定风险因素或风险敞口的人。

这不是列联表，所以常用的列联表分析没有多大用处。事实证明，优势比的计算方法非常简单。病例组和对照组都暴露于风险因素的13对受试者没有提供关于风险因素和疾病之间关联性的信息。同样，病例组和对照组中没有暴露于风险因素的92对受试者也没有提供任何信息。优势比按其他两个值的比值计算：病例组暴露于风险因素，但对照组没有按配对分开的受试者对；对照组暴露于风险因素，但病例组没有按配对分开的受试者对。在本示例中，风险因素和疾病之间关联性的优势比为25/4 = 6.25。置信区间的计算公式非常复杂（见S. Selvin《流行病学数据统计分析》第2版第286页）。优势比的95%置信区间介于2.158到24.710之间。

使用二项式检验通过Prism计算P值

当阅读有关McNemar检验的书籍时，大多数都会解释如何进行卡方计算。Prism不会这样做，不过我们提供的免费网络计算器会进行解释。二项式检验问了同样的问题，但更为精确，特别是小型研究。使用Prism执行下列步骤：

1.创建“部分组成整体”数据表。

2.在A列的前两行中输入不和谐配对的数量。例如，输入25和4。

3.点击“分析”，选择比较观察计数和预期计数的分析。

4.选择以百分比形式输入预期值，并输入50作为两个预期百分比。

5.选择二项式检验，而非卡方检验。

6. 对于样本数据，P值小于0.0001。 P值回答了该问题：如果疾病和风险因素之间确实没有关联，那么进入这一分析的两个值会相差如此之远，甚至更远的概率是多少？

用McNemar检验通过QuickCalc计算P值

GraphPad的免费网络QuickCalc使用卡方近似法计算McNemar检验。调用两个不同的数字（25和4）R和S。QuickCalc使用下列等式计算卡方：

对于此示例，卡方 = 13.79，有一个自由度。双尾P值为0.0002。如果风险因素和疾病之间确实没有关联，则观察到的优势比有0.02%的几率会远离1.0（没有关联性）。

上述公式使用了Yates修正（上述公式中的“ - 1”）。此修正有时会显示为“ - 0.5”。如果选择使用Prism的卡方法，则根本不会应用到Yates修正。我们建议您选择二项式检验，而非选择卡方法（这是一种近似法），因为前者是一种精确的检验，而后者需要考虑是否应用Yates修正以及要使用哪种修正。