非参数统计在非正态分布数据分析中的应用

由于某些参数（如BDI和羽毛诱发的瘙痒）的数据不符合正态分布，因此需要应用非参数统计方法。虽然Pearson相关系数等参数系数通常对偏离正态性的情况具有鲁棒性，但在处理非正态分布时，显著性水平和置信区间可能会失效。另一方面，非参数检验在数据不符合正态分布的情况下仍能提供有效的显著性水平。

然而，对Spearman等级相关系数等系数的解释，尤其是在共同方差方面，变得具有挑战性。因此，对于涉及这些参数的相关性，我们报告参数系数，但通过在每种情况下计算相应的非参数P值来验证显著性水平。在所有其他情况下，均使用Pearson相关系数检验相关性。

为了评估重测信度，我们计算了组内相关系数（ICC）。为了确定慢性瘙痒患者实验性疼痛感知和瘙痒强度的多个预测因素，我们进行了线性回归分析。在以实验性瘙痒强度评分为因变量的情况下，以年龄和性别为控制变量，对ISQ、BDI、SAI、TAI和PSQ评分进行了逐步选择作为自变量。同样，在以瘙痒强度为因变量的情况下，以年龄和性别为控制变量，对ISQ、BDI、SAI、TAI和POEM评分进行了逐步选择。使用Student's t检验或方差分析来评估健康个体和患者在ISQ评分上的组间差异。