论文中统计描述要注意的诸多细节

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,TheInternationalJournalofOccupationalandEnvironmentalMedicine(TheIJOEM)杂志的主编FarrokhHabibzadeh教授发表了一篇名为《StatisticalDataEditinginScientificArticles》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：ThedatawereanalysedbySPSSversion24.0forWindows(SPSSInc.,Chicago,IL,USA).2、数据结果的呈现和描述形式。例如：Continuousvariableswithnormaldistributionwerepresentsasmean±standarddeviation(SD);non-normalvariableswerereportedasmedian(interquartilerange).3、数据分析时所用到的统计检验方法。例如：MeanoftwocontinuousnormallydistributedvariableswerecomparedbyindependentsamplesStudent'stest.4、设定的假设检验水准。例如：AvalueofP<0.05wasconsideredsignificant.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:Themeanworkexperienceofstudiedparticipantswas20.365(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嗷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：Of15patientsstudied,26.67%presentedwithfever，此处百分位数计算的分母为15<20，因此建议修改为：4of15patientspresentedwithfever。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(StandardDeviation,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(InterquartileRange,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很U提示数据很有可能是非正态分布。由于标准误(StandardErrorofMean,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：26of300studiedparticipantshadbrucellosistranslatingtoaprevalenceof8.7%(95%CI,5.5%to11.9%)。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(RelativeRisk)值或者OR(OddsRatio)值时，需要报告其95%CI。例如：Smokingwasassociatedwithahigherincidenceoflungcancer(OR,2.6;95%CI,1.3to5.2)。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(ReceiveOperatingCharacteristic)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-offpoint)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：Serumcholesterollevelswas5.22。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<0.05,或non-significant，而多数杂志则要求在论文中报告准确的P值。一般情况下描述P值时建议不要超过3位小数，例如P=0.0123，可修改为P=0.012。但有时P值很小例如P=0.0000123，只若保留三位小数，即P=0.000，此时建议将其描述为P<0.001。值得注意的是，只有当进行假设检验时才需要提供P值。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：Smokingwassignificantlyassociatedwithahigherincidenceoflungcancer(OR,2.6;P=0.04)，建议修改为:Smokingwasassociatedwithahigherincidenceoflungcancer(OR,2.6;95%CI,1.3to5.2)。对于P值的解释一定要谨慎，在设定检验水平a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(partiallysignificant)或边缘显著性(marginallysignificant)。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a=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(Coxproportionalhazardmodel)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