这两个检验是统计学中专门用于处理配对设计（Paired Design）或重复测量设计（Repeated Measures Design）下二分类数据（Binary Data，如是/否、阳性/阴性、检出/未检出） 的经典非参数方法。
在您的课题中，同一个患者在三个时间点（入院、手术、出院）被反复采样，这构成了天然的“配对/纵向”关系。合作者建议将数据转换为“0/1”矩阵，正是为了使用这套统计体系。
以下为您全面、深入地解析这两个检验的原理、逻辑以及在您课题中的具体应用。
一、 McNemar 检验 (McNemar’s Test)
1. 核心定位 用于比较两个相关（配对）样本的二分类频率是否有显著差异。 在您的课题中，用于比较两个时间点（例如：入院 vs. 手术）某种 ST（如 ST2）的检出率是否有变化。
2. 核心逻辑：只关注“发生变化的样本” 很多初学者会误以为 McNemar 检验是比较两组的总阳性率，其实不然。它的核心逻辑是：如果两个时间点没有差异，那么“由阴转阳”的人数应该等于“由阳转阴”的人数。
假设我们有 $N$ 个患者，比较 Time 1（入院）和 Time 2（手术），数据可以整理成如下的 2×2 配对列联表：
| Time 2: 检出 (1) | Time 2: 未检出 (0) | 合计 | |
|---|---|---|---|
| Time 1: 检出 (1) | $a$ (一直检出) | $b$ (由阳转阴) | $a+b$ |
| Time 1: 未检出 (0) | $c$ (由阴转阳) | $d$ (一直未检出) | $c+d$ |
| 合计 | $a+c$ | $b+d$ | $N$ |
- $a$ 和 $d$：代表状态没有改变的患者。它们对判断“时间点之间是否有差异”不提供任何信息。
- $b$ 和 $c$：代表状态发生改变的患者（不一致对子，Discordant pairs）。
- McNemar 检验的本质：就是检验 $b$ 和 $c$ 是否相等。如果 $b$ 远大于 $c$，说明手术导致了 ST 的清除或丢失；如果 $c$ 远大于 $b$，说明手术导致了 ST 的新发获得。
3. 统计量计算 在 $b+c$ 足够大（通常 $>25$）时，服从卡方分布： $$ \chi^2 = \frac{(b – c)^2}{b + c} $$ (注：如果 $b+c < 25$，卡方近似不准确，必须使用 McNemar’s Exact Test 精确检验，基于二项分布计算。)
二、 Cochran’s Q 检验 (Cochran’s Q Test)
1. 核心定位 McNemar 检验只能比较两个时间点。当您的研究有三个或三个以上相关时间点（入院、手术、出院）时，如果您做 3 次 McNemar 检验，会大幅增加假阳性率（Multiple testing problem）。 Cochran’s Q 检验就是 McNemar 检验在 3 个及以上时间点的扩展，用于评估多个时间点的整体检出率是否存在差异。
2. 核心逻辑 它类似于配对设计的 ANOVA（重复测量方差分析），但针对的是二分类数据。它通过计算每个时间点的总阳性数，与“期望的总阳性数”之间的偏差，构建一个服从卡方分布的 $Q$ 统计量。
3. 严格的前提假设（避坑指南）
- 数据必须完整（Complete Block）：Cochran’s Q 检验要求每个受试者在所有时间点都有数据。如果某个患者只有入院和出院数据，缺失了手术数据，传统的 Cochran’s Q 会报错或将其整行剔除。
- 样本量要求：患者数量不能太少，否则检验效能（Power）极低。
三、 针对您课题的标准统计分析流程
面对 ST2、ST5、ST23 这三个目标 ST，以及 3 个时间点，严谨的统计学报告流程应如下：
第一步：整体评估 (Omnibus Test)
针对每一个 ST（例如 ST2），运行 Cochran’s Q 检验。
- 零假设 ($H_0$)：ST2 在入院、手术、出院三个时间点的检出率完全相同。
- 目的：回答“ST2 的定植状态在整体病程中是否发生了波动？”
- 报告：如果 $p 0.05$，通常认为无整体差异，但您仍可以基于临床假设进行第二步（事后比较）。
第二步：事后两两比较 (Post-hoc Pairwise Comparisons)
使用 McNemar 检验（或精确 McNemar 检验）进行三组两两对比：
- Admission vs. Surgery (入院 vs. 手术)
- Surgery vs. Discharge (手术 vs. 出院)
- Admission vs. Discharge (入院 vs. 出院)
第三步：多重检验校正 (Multiple Testing Correction)
因为您对 ST2 做了 3 次 McNemar 检验，假阳性率膨胀了。必须使用 Benjamini-Hochberg (BH) 方法对得到的 3 个原始 p 值进行校正，得到 $p_{adj}$ (FDR)。
- 只有当 $p_{adj} < 0.05$ 时，才能宣称这两个时间点之间的检出率差异具有统计学显著性。
四、 为什么合作者的建议非常专业且切中要害？
在微生物组学和流行病学中，“丰度（Abundance）” 和 “检出率/流行率（Prevalence）” 代表两个完全不同的生物学维度：
- 克服“零膨胀”与“极端值”干扰： 表皮葡萄球菌的某些 ST（如 ST2）在很多患者鼻腔中可能是极低丰度甚至检测不到的（大量 0 值）。如果您用绝对丰度做 Wilcoxon 或 t 检验，结果极易被个别“超级携带者”（某患者 ST2 丰度突然飙升至 50%）拉偏，导致统计失效。 转换为 0/1 矩阵后，直接忽略了丰度大小的干扰，纯粹考察“有没有”的问题，统计效能（Power）往往更高。
- 直接对接临床意义（院感控制）：
ST2、ST5 是国际公认的与医院获得性感染（HAI）、生物膜形成、多重耐药（如 MRSE） 高度相关的高危克隆系。
在临床视角下，患者是否“定植（Colonized）”了高危 ST，比定植了多少个细菌更关键。合作者建议分析这三个时间点的检出比例（Prevalence %），实际上是在回答一个极具临床价值的流行病学问题：
- “外科手术干预（及住院环境）是否增加了患者获得院内高危 ST 克隆（如 ST2/ST5）的风险？” （如果 Surgery/Discharge 的检出率显著高于 Admission）。
- “手术或抗生素使用是否清除了患者原有的定植？” （如果检出率显著下降）。
五、 进阶建议：如果数据有缺失值怎么办？
如前所述，Cochran’s Q 检验对缺失值非常苛刻。在真实的临床纵向研究中，患者脱落或样本采集失败导致的数据缺失很常见。
如果您的数据中存在部分患者缺失某个时间点（例如只有 .1 和 .3，没有 .2），除了我上一轮提供的代码中使用的 tryCatch 容错机制外，您在论文的方法学部分可以提及使用更强大的广义线性混合模型 (GLMM, Generalized Linear Mixed Models) 作为补充或替代。
- GLMM 的优势：它可以处理二分类数据（二项分布
family=binomial），将“时间点”作为固定效应（Fixed effect），将“患者 ID”作为随机截距（Random intercept,(1|PatientID)）。 - 最大优点：GLMM 采用最大似然估计（Maximum Likelihood），允许数据存在缺失（Missing at Random），不需要像 Cochran’s Q 那样剔除任何不完整配对的样本，在顶级期刊的纵向队列研究中更受审稿人青睐。
总结：合作者的建议将您的分析从“描述性的微生物群落变化”提升到了“具有明确临床流行病学意义的病原体定植动态研究”。使用 Cochran’s Q + 配对 McNemar + BH校正 的组合拳，在统计学上无懈可击，能够非常漂亮地回应审稿人可能提出的质疑。