各类监测指标被用于诊疗或预防疾病,但因缺乏严谨的统计推断过程、统计方法单一等原因,亟需对监测指标的诊疗价值做系统的统计分析,提升诊断效率。本研究以血栓性疾病凝血监测指标为例,根据统计推断流程,采用多种统计学方法,建立评价实验室监测指标在疾病诊疗中的统计分析方案。研究分为两部分。第一部分介绍了多个凝血监测指标用于血栓性疾病诊断的评估方案。研究根据常规的统计分析思路,采用描述性统计了解数据分布、构建分析思路,独立性检验、QQ图、两样本t检验等证实抽样总体的构成符合随机抽样,后采用因子分析、Logistic回归、随机森林算法、C5.0算法等,证实APTT、DD是血栓的危险因素,与临床资料相符。本研究的创新处是采用了多种统计方法,统计推断过程严谨,这是因子分析、随机森林算法和C5.0算法首次用于血栓性疾病的研究,随机森林算法和C5.0算法总预测准确率均高于Logistic回归,特别是C5.0算法引入了代价矩阵,血栓病人预测准确率达到80.49%,能有效指导临床诊断血栓。临床可根据上述分析思路结合实际情况评价监测指标的诊断价值。连续监测常用于观测病人治疗疗效,对监测数据做线性或常用曲线估计拟合效果不好,研究的第二部分介绍了函数型数据分析在实际监测数据中的应用方案,这也是该方法第一次用于实际数据分析,研究证实函数型数据模型对实际数据的拟合效果很好,模型水平方向参数受治疗的影响较大,垂直方向参数受监测指标的影响较大,与临床经验一致,适用于形状类似的监测曲线的评估和比较。