统计方法的内容非常丰富，统计方法很多，但每种方法都有其适用条件。如果统计方法使用不当，不仅不能反映科研结果，而且很有可能得出错误的结论。
因此在临床科研工作中，临床护理科研人员应充分考虑研究目的、研究设计类型、变量类型、统计方法的应用条件等方面，并结合专业知识才能正确的选择统计方法，得出正确符合实际的结论。
在临床科研中，常见的统计方法包括以下几种：
1. 描述性统计：描述性统计方法用于总结和描述数据的特征，包括均值、中位数、标准差、百分比等。
2. 推断统计：推断统计方法用于从样本数据中推断总体的特征。常见的推断统计方法包括假设检验和置信区间。
3. 相关分析：相关分析用于研究两个或多个变量之间的关系。常见的相关分析方法包括皮尔逊相关系数和斯皮尔曼等级相关系数。
4. 方差分析：方差分析用于比较两个或多个组之间的均值差异。常见的方差分析方法包括单因素方差分析和多因素方差分析。
5. 回归分析：回归分析用于研究自变量和因变量之间的关系。常见的回归分析方法包括线性回归分析和逻辑回归分析。
6. 生存分析：很多临床研究的最终结局指标都是生存和死亡，这一结局指标和时间密切相关，也受随访等其他因素的影响。如果想研究不同干预方法对疾病结局的影响，一般使用生存分析(Survivalanalysis)。生存分析是将事情发生的结局和发生这种结局所经历的时间综合起来进行分析的一种方法，它可以充分利用所收集到的数据，更加准确的评价和比较随访资料，因而能够更为全面地反映某种治疗或干预措施的效果。
生存分析中最基本的一点是计算生存时间，有完全数据(Complete data）和截尾数据
(Censored data）两种，完全数据是随访期间观察到明确的结局事件（死于所研究疾病)，生存时间确切，截尾数据是随访期间没有观察到明确的结局事件，截尾的原因可能是失访、死于其它疾病或随访结束时病人尚存活等，生存时间不明确。生存分析主要包括描述生存过程、生存过程比较和生存时间影响预测因素分析。
描述生存过程一般是计算出各时间点的生存率，绘制生存曲线（随访时间作为横坐标，生存率作为纵坐标)，一般使用乘积极限法(Kaplan-Meier法）或寿命表法 (Life table method)，前者适用于样本量较小、终点或截点被准确记录的数据，主要用于未分组生存资料，后者适用于样本量较大、生存时间分段记录的数据。(实例3.8)
生存过程比较（单因素生存分析)一般用Log-rank检验，用于分析两条或多条生存曲线是否有统计学差异，其应用条件是各条生存曲线不能交叉，如果出现交叉，提示可能存在混杂因素，需使用分层分析或是多因素分析方法来校正混杂因素。
生存时间影响预测因素分析一般用Cox比例风险回归模型(Cox’ s proportional hazards
regression model，简称Cox回归模型)，其应用条件是分析因素对生存时间的作用不随时间变化(比例风险假定)，如果某种治疗手术随着观察年限延长治疗效果越差，这样的手术因素就不能纳入模型分析。
