赛恩斯：医学科研论文中常见的统计学问题

　　统计学在医学科研工作中发挥着重要的作用，统计学方法种类繁多，各自的适用范围以及所需的前提条件又不尽相同，容易发生误用，导致论文质量不高，甚至结论错误而引起误导。为能有效促进统计学方法的正确使用，保证科研的科学性、可靠性，提高医学科研论文质量，赛恩斯编译对医学科研论文中常见的统计学问题进行梳理和总结如下：
　　一、实验组与对照组没有可比性。实验组与对照组必须遵循均衡化的原则，即实验组与对照组除处理因素不同外，其他可控制的非处理因素要尽可能保持一致，从而尽量排除非处理因素对结果的影响。各组间均衡程度越高，可比性越强。如果分组时未注意到对照组与实验组的均衡性，两组之间就会出现差异，不具备可比性，结论有可能不准确，甚至相反。
　　二、样本量过小。样本量的大小影响结论的可靠性。样本量过小，抽样误差大，结果可靠性差，且经不起验证；反之，若盲目加大样本量，不但会造成人、财、物的浪费，而且会造成非抽样误差增大。应在保证研究结果精确可靠的前提下，确定最小的样本量。
　　三、混淆标准差与标准误的作用。实验数据一般综合表示为“均数±标准差”的形式，标准差表示数据相对于均数的离散程度，而标准误是表示抽样误差大小的指标，二者含义完全不同。有些作者误将标准差用于可信区间的表述，将标准误用于正常值范围的表述。
　　四、假设检验方法运用不当。每一种假设检验方法都有其特定的适用条件和严格的适用范围。所研究变量的类型不同、设计类型不同、大样本还是小样本等，所用假设检验的方法也不同。对于同一组资料，采用不同的假设检验方法可能得出截然相反的结论。同为数值变量资料，如将配对设计的资料按成组设计资料的方法进行假设检验，不但损失样本提供的信息、降低检验效率，而且可能使原本有统计学意义的结果表现为无统计学意义。
　　五、未注明假设检验方法或不具体。有些论文对收集到的资料进行了统计学分析，但未说明使用的是什么方法。表现为论文中只有假设检验的结论，未注明检验方法、现有样本算得的检验统计量、检验水准、采用的是双侧检验还是单侧检验、P值的确切范围。这样读者就无法得出论文中统计学方法选择是否合理，无法核对结果是否准确。在论文写作时，不但要注明选用的是什么统计学方法，而且要尽可能详细、具体。
　　六、错误理解假设检验中P值的含义。统计学上，根据假设检验原理推算出来的P值，表示拒绝无效假设犯假阳性错误的概率，P值越小，越有理由认为两种处理方法效果不同。P值不能反映相比较的两组或多组参数之间差异的大小，参数差异的大小只能根据专业知识来确定。
　　七、只关心统计结论，忽视差异有无临床意义。评价一项医学研究结果，要看其是否具有临床意义和统计学意义。如果差异本身没有临床意义，可以不必进行假设检验，因为当样本含量足够大时，基本都会取得差异有统计学意义的结论。医学论文中，作者常根据假设检验有统计学意义，就断定研究结果有临床意义。直线相关分析中，只关心相关系数的差异是否有统计学意义，而不关心相关系数的大小有无实际意义。
　　产生上述问题的原因，大多是由于对统计学在医学科研工作中的重要性认识不足，少数作者缺乏高度的责任感、科学严谨的态度，凭主观想象，甚至弄虚作假。参加科研设计、统计学、论文写作方面的培训较少，也缺少与医学科研设计专家的沟通。
　　医学科研论文编译，欢迎咨询赛恩斯(www.sainz.cn)，赛恩斯是一站式科研学术服务平台，专业致力于医学领域SCI服务，包括SCI论文评估、SCI论文编译、医学论文编译、SCI论文润色、科研基金申请等，可以协助医学科研工作者发表SCI论文、医学论文等。