在医学研究中，常用的统计学方法多种多样，旨在帮助研究人员从数据中提取有价值的信息。这些方法可以大致分为描述性统计和推断性统计两大类。

首先，描述性统计用于概述或描述一组数据的主要特征，包括计算平均数、中位数、众数等集中趋势指标，以及标准差、四分位间距等离散程度指标。此外，频数分布表和图表（如直方图、箱线图）也是常用的工具。

其次，在推断性统计方面，医学研究者通常会使用以下几种方法：
1. 假设检验：用于判断样本数据是否支持某个假设，比如t检验用来比较两组独立或配对样本的均值差异；ANOVA（方差分析）则适用于三组及以上样本之间的均值比较。
2. 相关性分析：通过计算Pearson相关系数、Spearman等级相关系数等来评估两个变量间的关系强度和方向。
3. 回归分析：包括线性回归、逻辑回归等多种类型，用于探索一个或多个自变量与因变量之间的关系，并预测因变量的变化趋势。例如，在研究某种药物效果时，可以将年龄、性别等因素作为自变量，治疗结果作为因变量进行分析。
4. 生存分析：当研究关注的是事件发生的时间（如患者生存期），则需要用到Kaplan-Meier法估计生存率曲线，Cox比例风险模型评估协变量对生存时间的影响等技术。
5. 多因素分析：比如主成分分析、因子分析等，用于减少数据维度、识别潜在结构或模式。

每种方法都有其适用条件和局限性，在具体应用时需根据研究目的及数据特点合理选择。希望这些信息能帮助你更好地理解和运用医学统计学知识！