论文中统计描述要注意的诸多细节
科研论文是呈现研究成果的一种最好的表现形式，其中数据分析的结果则是论文中最为核心的一部分。每当我们辛辛苦苦写好文章，自信满满投稿后，有时候却连Editor 初审的第一关都过不了，甚至惨遭Editor “秒拒”。 Editor 虽然没有研究的原始数据，但是他们都有一双火眼金睛，常能发现很多平时我们没有注意到的错误和问题。
2017年4月，The International Journal of Occupational and Environmental Medicine（The IJOEM）杂志的主编Farrokh Habibzadeh教授发表了一篇名为《Statistical Data Editing in Scientific Articles》的文章[1]，针对在论文中进行数据编辑时常犯的错误和需要注意的地方，进行了详细的说明，让我们来一起看看Editor 怎么说。
一、统计方法描述
一般情况下，在论文方法（Method ）的最后一部分，要求作者对统计分析方法进行详细的描述。通常包括几个内容：
1、数据分析所使用的软件及其版本、所属公司、公司所属地等信息。例如：The data were analysed by SPSS version 24.0 for Windows (SPSS Inc., Chicago, IL, USA).
2、数据结果的呈现和描述形式。例如：Continuous variables with normal distribution were presents as mean±standard deviation (SD); non-normal variables were reported as median (interquartile range).
3、数据分析时所用到的统计检验方法。例如：Mean of two continuous normally distributed variables were compared by independent samples Student's test.
4、设定的假设检验水准。例如：A value of P
注意：在统计方法描述部分，有些作者不管什么类型的研究论文，都复制粘贴使用同一个固定的描述模板，这样很容易被Editor 发现，统计方法必须要根据自己数据的实际情况，以及真正所使用到的统计方法来进行介绍，万不可张冠李戴。
二、数据的精确度
有些作者在结果描述中太过于追求数据的精度，例如一篇文章中这样描述：The mean work experience of studied participants was 20.365 (SD, 4.35) years。
其中有2个问题：首先，均数和标准差的小数位数在呈现时没有保持一致；其次，工作经验的均值精确到了3位小数，这就意味着在对工作经验这个变量进行调查时，精确到了以“小时”为单位，而在实际的调查过程中一般最多精确到以“月”为单位，因此建议此处的描述修改为20.4 (SD, 4.4) years。
一般情况下，在描述均值、标准差、中位数、四分位间距等指标时，建议小数位数不要超过原始测量数据的小数位数。
对于百分位数的描述，当分母小于100时，一般建议百分位数不保留小数，而当分母小于20时，就不再建议使用百分比来进行描述了。例如：Of 15 patients studied, 26.67% presented with fever，此处百分位数计算的分母为15
但有时在不易获得分母具体数值的情况下，可以根据百分数和绝对数的大小来进行辅助判断。当百分数大于绝对数时，提示分母小于100，此时百分位数可以不用保留小数。例如：“31 (42.47%) patients……”，此时百分数42.47%大于绝对数31，提示分母小于100 （实际上分母为73），则此处建议修改为：“31 (42%) patients……”。
三、常用的统计描述指标
对于正态分布的资料，一般采用均值 (Mean) 和标准差 (Standard Deviation, SD) 来描述数据的集中趋势和离散情况，而对于非正态分布的资料，常用中位数 (Median) 和四分位间距 (Interquartile Range, IQR) 来描述数据的集中趋势和离散情况，这就要求要首先对数据资料的分布特点进行检验。
但是在多数论文中，作者并未直接给出正态性检验的结果。在无法获得原始数据的情况下，我们可以根据标准差和均值的大小进行初步判断。若标准差超过均值的一半，则提示数据很有可能是非正态分布。
由于标准误 (Standard Error of Mean, SEM) 比标准差小，有些作者为了掩盖数据非正态分布的特点，错误地将标准误作为描述数据离散趋势的一个指标。但实际上，标准误反映的是均数抽样误差的大小，而非样本资料的离散情况，此时用标准误来衡量数据资料的离散趋势是不正确的。
95%置信区间(95%CI)，可以用均值±1.96*标准误来进行计算。一种情况，当报告某种疾病的患病率时，建议同时报告其95%CI。例如：26 of 300 studied participants had
brucellosis translating to a prevalence of 8.7% (95%CI, 5.5% to 11.9%)。根据95%CI的计算公式，数据资料的均值约等于95%CI上、下限的均值，如8.7%=(5.5%+11.9%)/2, 以此来帮助判断结果是否一致。
另一种情况，多见于描述RR (Relative Risk) 值或者OR (Odds Ratio) 值时，需要报告其95%CI。例如：Smoking was associated with a higher incidence of lung cancer (OR,
2.6; 95%CI, 1.3 to 5.2)。此时RR 或OR 值的平方等于95%CI上、下限的乘积，如
2.62=1.3*5.2，以此来帮助判断结果是否一致。
四、诊断试验的结果报告
对于诊断试验，通常在论文中需要描述的指标包括灵敏度、特异度、阳性预测值、阴性预测值及其95%CI等。当使用ROC (Receive Operating Characteristic) 曲线进行分析时，则还需要报告曲线下面积及其95%CI、截断值 (cut-off point)等信息。
五、测量单位
准确描述测量单位也是非常重要的。例如常常在文章中见到类似的描述：Serum
cholesterol levels was 5.22。缺失相应的单位“mmol/L”，这种遗漏的情况在表格及图的坐标轴中也经常出现。大多数学术杂志都推荐使用国际单位（SI ），因此当某个指标有不同的计量单位时，也建议统一换算为国际单位。
六、P 值
P 值的描述在论文中也常出现各种问题，一些杂志仅要求在描述P 值时给出其判断标准，例如：P
此外，当能够同时获取95%CI和P 值时，一般建议仅报告95%CI即可，因为P 值仅提示假设检验有无统计学显著性，而95%CI还可以直观的显示效应值的范围。例如：Smoking was significantly associated with a higher incidence of lung cancer (OR, 2.6; P =0.04)，建议修改为：Smoking was associated with a higher incidence of lung cancer (OR, 2.6; 95%CI, 1.3 to 5.2)。
对于P 值的解释一定要谨慎，在设定检验水平α为0.05的情况下，特别是当P 值在临界值附近时，例如P =0.049时认为有统计学显著性，而P =0.051则认为无统计学显著性，下结论的时候要谨防产生I 类错误和II 类错误，有可能会做出假阳性或假阴性的结论。
通常把这种情况描述为部分显著性（partially significant）或边缘显著性（marginally significant ）。如果没有充分的证据证明该效应值在人群中实际上存在显著性，而阴性结果可能是由于抽样误差造成的，那么我们就应该遵守游戏规则，当设定α=0.05时，若假设检验得出P ≥0.05，即认为无统计学显著性，作者可以在论文的讨论部分对其原因进行详细探讨。
七、生存分析
Cox 比例风险模型（Cox proportional hazard model）以生存结局和生存时间为因变量，在校正多种混杂因素后，用来分析研究因素对于结局的影响。需要注意的是，Cox 模型的基本假定是比例风险假定（PH 假定），只有在满足PH 假定的前提下，基于此模型的分析才是可靠有效的，然而对于该假定的检验往往被研究人员所忽略。
检验PH 假定最简单的方法就是观察按照研究变量分组后的Kapla-Meier 生存曲线，若生存曲线明显交叉，则提示不满足PH 假定。
参考文献
[1] J Korean Med Sci 2017; 33: 1072-76
论文中统计描述要注意的诸多细节
科研论文是呈现研究成果的一种最好的表现形式，其中数据分析的结果则是论文中最为核心的一部分。每当我们辛辛苦苦写好文章，自信满满投稿后，有时候却连Editor 初审的第一关都过不了，甚至惨遭Editor “秒拒”。 Editor 虽然没有研究的原始数据，但是他们都有一双火眼金睛，常能发现很多平时我们没有注意到的错误和问题。
2017年4月，The International Journal of Occupational and Environmental Medicine（The IJOEM）杂志的主编Farrokh Habibzadeh教授发表了一篇名为《Statistical Data Editing in Scientific Articles》的文章[1]，针对在论文中进行数据编辑时常犯的错误和需要注意的地方，进行了详细的说明，让我们来一起看看Editor 怎么说。
一、统计方法描述
一般情况下，在论文方法（Method ）的最后一部分，要求作者对统计分析方法进行详细的描述。通常包括几个内容：
1、数据分析所使用的软件及其版本、所属公司、公司所属地等信息。例如：The data were analysed by SPSS version 24.0 for Windows (SPSS Inc., Chicago, IL, USA).
2、数据结果的呈现和描述形式。例如：Continuous variables with normal distribution were presents as mean±standard deviation (SD); non-normal variables were reported as median (interquartile range).
3、数据分析时所用到的统计检验方法。例如：Mean of two continuous normally distributed variables were compared by independent samples Student's test.
4、设定的假设检验水准。例如：A value of P
注意：在统计方法描述部分，有些作者不管什么类型的研究论文，都复制粘贴使用同一个固定的描述模板，这样很容易被Editor 发现，统计方法必须要根据自己数据的实际情况，以及真正所使用到的统计方法来进行介绍，万不可张冠李戴。
二、数据的精确度
有些作者在结果描述中太过于追求数据的精度，例如一篇文章中这样描述：The mean work experience of studied participants was 20.365 (SD, 4.35) years。
其中有2个问题：首先，均数和标准差的小数位数在呈现时没有保持一致；其次，工作经验的均值精确到了3位小数，这就意味着在对工作经验这个变量进行调查时，精确到了以“小时”为单位，而在实际的调查过程中一般最多精确到以“月”为单位，因此建议此处的描述修改为20.4 (SD, 4.4) years。
一般情况下，在描述均值、标准差、中位数、四分位间距等指标时，建议小数位数不要超过原始测量数据的小数位数。
对于百分位数的描述，当分母小于100时，一般建议百分位数不保留小数，而当分母小于20时，就不再建议使用百分比来进行描述了。例如：Of 15 patients studied, 26.67% presented with fever，此处百分位数计算的分母为15
但有时在不易获得分母具体数值的情况下，可以根据百分数和绝对数的大小来进行辅助判断。当百分数大于绝对数时，提示分母小于100，此时百分位数可以不用保留小数。例如：“31 (42.47%) patients……”，此时百分数42.47%大于绝对数31，提示分母小于100 （实际上分母为73），则此处建议修改为：“31 (42%) patients……”。
三、常用的统计描述指标
对于正态分布的资料，一般采用均值 (Mean) 和标准差 (Standard Deviation, SD) 来描述数据的集中趋势和离散情况，而对于非正态分布的资料，常用中位数 (Median) 和四分位间距 (Interquartile Range, IQR) 来描述数据的集中趋势和离散情况，这就要求要首先对数据资料的分布特点进行检验。
但是在多数论文中，作者并未直接给出正态性检验的结果。在无法获得原始数据的情况下，我们可以根据标准差和均值的大小进行初步判断。若标准差超过均值的一半，则提示数据很有可能是非正态分布。
由于标准误 (Standard Error of Mean, SEM) 比标准差小，有些作者为了掩盖数据非正态分布的特点，错误地将标准误作为描述数据离散趋势的一个指标。但实际上，标准误反映的是均数抽样误差的大小，而非样本资料的离散情况，此时用标准误来衡量数据资料的离散趋势是不正确的。
95%置信区间(95%CI)，可以用均值±1.96*标准误来进行计算。一种情况，当报告某种疾病的患病率时，建议同时报告其95%CI。例如：26 of 300 studied participants had
brucellosis translating to a prevalence of 8.7% (95%CI, 5.5% to 11.9%)。根据95%CI的计算公式，数据资料的均值约等于95%CI上、下限的均值，如8.7%=(5.5%+11.9%)/2, 以此来帮助判断结果是否一致。
另一种情况，多见于描述RR (Relative Risk) 值或者OR (Odds Ratio) 值时，需要报告其95%CI。例如：Smoking was associated with a higher incidence of lung cancer (OR,
2.6; 95%CI, 1.3 to 5.2)。此时RR 或OR 值的平方等于95%CI上、下限的乘积，如
2.62=1.3*5.2，以此来帮助判断结果是否一致。
四、诊断试验的结果报告
对于诊断试验，通常在论文中需要描述的指标包括灵敏度、特异度、阳性预测值、阴性预测值及其95%CI等。当使用ROC (Receive Operating Characteristic) 曲线进行分析时，则还需要报告曲线下面积及其95%CI、截断值 (cut-off point)等信息。
五、测量单位
准确描述测量单位也是非常重要的。例如常常在文章中见到类似的描述：Serum
cholesterol levels was 5.22。缺失相应的单位“mmol/L”，这种遗漏的情况在表格及图的坐标轴中也经常出现。大多数学术杂志都推荐使用国际单位（SI ），因此当某个指标有不同的计量单位时，也建议统一换算为国际单位。
六、P 值
P 值的描述在论文中也常出现各种问题，一些杂志仅要求在描述P 值时给出其判断标准，例如：P
此外，当能够同时获取95%CI和P 值时，一般建议仅报告95%CI即可，因为P 值仅提示假设检验有无统计学显著性，而95%CI还可以直观的显示效应值的范围。例如：Smoking was significantly associated with a higher incidence of lung cancer (OR, 2.6; P =0.04)，建议修改为：Smoking was associated with a higher incidence of lung cancer (OR, 2.6; 95%CI, 1.3 to 5.2)。
对于P 值的解释一定要谨慎，在设定检验水平α为0.05的情况下，特别是当P 值在临界值附近时，例如P =0.049时认为有统计学显著性，而P =0.051则认为无统计学显著性，下结论的时候要谨防产生I 类错误和II 类错误，有可能会做出假阳性或假阴性的结论。
通常把这种情况描述为部分显著性（partially significant）或边缘显著性（marginally significant ）。如果没有充分的证据证明该效应值在人群中实际上存在显著性，而阴性结果可能是由于抽样误差造成的，那么我们就应该遵守游戏规则，当设定α=0.05时，若假设检验得出P ≥0.05，即认为无统计学显著性，作者可以在论文的讨论部分对其原因进行详细探讨。
七、生存分析
Cox 比例风险模型（Cox proportional hazard model）以生存结局和生存时间为因变量，在校正多种混杂因素后，用来分析研究因素对于结局的影响。需要注意的是，Cox 模型的基本假定是比例风险假定（PH 假定），只有在满足PH 假定的前提下，基于此模型的分析才是可靠有效的，然而对于该假定的检验往往被研究人员所忽略。
检验PH 假定最简单的方法就是观察按照研究变量分组后的Kapla-Meier 生存曲线，若生存曲线明显交叉，则提示不满足PH 假定。
参考文献
[1] J Korean Med Sci 2017; 33: 1072-76