医学统计方法多样，不同方法有其特定的适用场景。描述性统计是医学研究中基础且常用的统计方法，适用于对数据基本特征的概括和呈现。在临床研究里，当收集到患者的年龄、身高、体重等基本信息后，描述性统计就可以派上用场。通过计算均值、中位数、标准差等统计量，能清晰了解患者群体的一般特征。比如在研究某疾病患者的年龄分布时，计算平均年龄可以让我们对该疾病的易发年龄段有初步认识。

t检验主要用于两组样本均数的比较，适用于样本含量较小、总体标准差未知的情况。在药物疗效研究中，将患者随机分为实验组和对照组，分别给予不同的治疗方法，一段时间后测量某项指标。若要判断两种治疗方法在该指标上是否存在差异，就可以使用t检验。例如比较两种降压药对患者血压的降低效果，通过t检验可以确定哪种药物更有效。

方差分析则用于多个样本均数的比较。在研究不同治疗方案对某种疾病的疗效时，可能会设置多个实验组，每个实验组采用不同的治疗手段。此时，方差分析能够判断这些不同治疗方案的效果是否存在显著差异。比如研究不同剂量的某种药物对患者康复时间的影响，设置了低、中、高三个剂量组，就可以用方差分析来确定不同剂量组之间康复时间是否有显著不同。

卡方检验常用于分类变量资料的分析，适用于推断两个及多个总体率或构成比之间有无差异。在疾病的流行病学调查中，研究某种疾病与某些危险因素之间的关系时，卡方检验就非常有用。例如研究吸烟与肺癌的关系，通过收集吸烟和不吸烟人群中肺癌的发病情况，利用卡方检验可以判断吸烟是否与肺癌的发生有关。

非参数检验适用于不满足参数检验条件的资料，如数据分布不服从正态分布或总体分布未知等情况。在一些小样本研究中，数据可能不符合正态分布，这时就可以采用非参数检验。比如研究某种罕见病患者的生存时间，由于样本量小且数据分布可能不规则，非参数检验能更准确地分析数据。

回归分析用于研究变量之间的依存关系。在医学研究中，常用来探讨影响疾病发生、发展的因素。例如研究年龄、体重、血压等因素与冠心病发病风险之间