麦克内马尔检验概览

在通常的病例对照研究中，研究者会将一组对照组与一组病例组进行比较。作为整体，对照组应与病例组具有相似性（除患病情况外）。进行病例对照研究的另一种方法是，根据年龄、性别、职业、居住地及其他相关变量，将个别病例与个别对照进行配对。麦克尼马尔检验正是为此类研究而设计的。

若将配对病例对照研究的数据展示并分析在普通的列联表中，会掩盖病例与对照组之间已进行配对这一事实。配对能增强研究的统计效力，因此分析时应当将其纳入考量。

示例

以下是一些示例数据：

研究人员研究了134例病例和134例匹配的对照组，共计268名受试者。表格中的每一条记录代表一对（一名病例和一名对照）。“+”和“-”标记分别指接触或未接触该假定风险因素或暴露的人群。

这并非列联表，因此常规的列联表分析方法在此并不适用。事实证明，优势比的计算其实相当简单。在13对病例和对照均接触了风险因素的配对中，无法获得关于风险因素与疾病之间关联性的信息。同样，在92对病例和对照均未接触风险因素的配对中，也无法获得相关信息。 优势比的计算方法是将另外两组数据进行比值：即病例接触了风险因素而对照未接触的配对数，除以对照接触了风险因素而病例未接触的配对数。在本示例中，风险因素与疾病关联的优势比为25/4 = 6.25。 置信区间的计算公式较为复杂（参见S. Selvin所著《流行病学数据统计分析》第2版第286页）。该优势比的95%置信区间为2.158至24.710。  

使用Prism软件通过二项式检验计算P值

在阅读关于麦克内马尔检验的文献时，大多数书籍都会讲解如何进行卡方检验计算。Prism 虽不提供此功能，但我们提供了一个可执行该计算的免费在线计算器。二项式检验探讨的是相同的问题，但其结果更为精确，尤其在样本量较小的研究中。请按照以下步骤在 Prism 中操作：

1. 创建一个“整体-部分”数据表。

2. 在 A 列的前两行中输入不一致配对的数量。以本示例为例，输入 25 和 4。

3. 点击“分析”，然后选择用于比较观察值与预期值的分析方法。

4. 选择以百分比形式输入期望值，并将两个期望百分比均设为 50。

5.选择二项式检验，而非卡方检验。

6. 对于示例数据，P 值小于 0.0001。P 值回答了这个问题：如果疾病与风险因素之间确实没有关联，那么输入到此分析中的这两个值相差如此之大，甚至更大，这种可能性有多大？

使用 QuickCalcs 通过 McNemar 检验计算 P 值

GraphPad的免费在线QuickCalc工具通过卡方检验近似法计算麦克内马尔检验。将两个差异数值（25和4）分别记为R和S。QuickCalc使用以下公式计算卡方检验值：

在本示例中，卡方检验值为13.79，自由度为1。双尾P值为0.0002。如果风险因素与疾病之间确实没有关联，那么观察到的优势比比偏离1.0（无关联）如此之远的概率为0.02%。

上述公式采用了Yates修正（即公式中的“-1”）。有时该修正也会表示为“-0.5”。 若在 Prism 中选择卡方检验，则完全不会应用 Yates修正。与其选择卡方检验（这是一种近似方法）并纠结是否应用 Yates修正以及选用何种校正方式，我们建议您选择二项式检验，这是一种精确检验。