2017年4月，The International Journal of Occupational and Environmental Medicine（The IJOEM）雜志的主編Farrokh Habibzadeh教授發(fā)表了一篇名為《Statistical Data Editing in Scientific Articles》的文章[1]，針對在論文中進(jìn)行數(shù)據(jù)編輯時常犯的錯誤和需要注意的地方，進(jìn)行了詳細(xì)的說明，讓我們來一起看看Editor怎么說。
一、統(tǒng)計方法描述
一般情況下，在論文方法（Method）的最后一部分，要求作者對統(tǒng)計分析方法進(jìn)行詳細(xì)的描述。通常包括幾個內(nèi)容：
1、數(shù)據(jù)分析所使用的軟件及其版本、所屬公司、公司所屬地等信息。例如：The data were analysed by SPSS version 24.0 for Windows (SPSS Inc., Chicago, IL, USA).
2、數(shù)據(jù)結(jié)果的呈現(xiàn)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、數(shù)據(jù)分析時所用到的統(tǒng)計檢驗(yàn)方法。例如：Mean of two continuous normally distributed variables were compared by independent samples Student's test.
4、設(shè)定的假設(shè)檢驗(yàn)水準(zhǔn)。例如：A value of P<0.05 was considered significant.
注意：在統(tǒng)計方法描述部分，有些作者不管什么類型的研究論文，都復(fù)制粘貼使用同一個固定的描述模板，這樣很容易被Editor發(fā)現(xiàn)，統(tǒng)計方法必須要根據(jù)自己數(shù)據(jù)的實(shí)際情況，以及真正所使用到的統(tǒng)計方法來進(jìn)行介紹，萬不可張冠李戴。
二、數(shù)據(jù)的精確度
有些作者在結(jié)果描述中太過于追求數(shù)據(jù)的精度，例如一篇文章中這樣描述：The mean work experience of studied participants was 20.365 (SD, 4.35) years。
其中有2個問題：首先，均數(shù)和標(biāo)準(zhǔn)差的小數(shù)位數(shù)在呈現(xiàn)時沒有保持一致；其次，工作經(jīng)驗(yàn)的均值精確到了3位小數(shù)，這就意味著在對工作經(jīng)驗(yàn)這個變量進(jìn)行調(diào)查時，精確到了以“小時”為單位，而在實(shí)際的調(diào)查過程中一般最多精確到以“月”為單位，因此建議此處的描述修改為20.4 (SD, 4.4) years。
一般情況下，在描述均值、標(biāo)準(zhǔn)差、中位數(shù)、四分位間距等指標(biāo)時，建議小數(shù)位數(shù)不要超過原始測量數(shù)據(jù)的小數(shù)位數(shù)。
對于百分位數(shù)的描述，當(dāng)分母小于100時，一般建議百分位數(shù)不保留小數(shù)，而當(dāng)分母小于20時，就不再建議使用百分比來進(jìn)行描述了。例如：Of 15 patients studied, 26.67% presented with fever，此處百分位數(shù)計算的分母為15<20，因此建議修改為：4 of 15 patients presented with fever。
但有時在不易獲得分母具體數(shù)值的情況下，可以根據(jù)百分?jǐn)?shù)和絕對數(shù)的大小來進(jìn)行輔助判斷。當(dāng)百分?jǐn)?shù)大于絕對數(shù)時，提示分母小于100，此時百分位數(shù)可以不用保留小數(shù)。例如：“31 (42.47%) patients……”，此時百分?jǐn)?shù)42.47%大于絕對數(shù)31，提示分母小于100 （實(shí)際上分母為73），則此處建議修改為：“31 (42%) patients……”。
三、常用的統(tǒng)計描述指標(biāo)
對于正態(tài)分布的資料，一般采用均值 (Mean) 和標(biāo)準(zhǔn)差 (Standard Deviation, SD) 來描述數(shù)據(jù)的集中趨勢和離散情況，而對于非正態(tài)分布的資料，常用中位數(shù) (Median) 和四分位間距 (Interquartile Range, IQR) 來描述數(shù)據(jù)的集中趨勢和離散情況，這就要求要首先對數(shù)據(jù)資料的分布特點(diǎn)進(jìn)行檢驗(yàn)。
但是在多數(shù)論文中，作者并未直接給出正態(tài)性檢驗(yàn)的結(jié)果。在無法獲得原始數(shù)據(jù)的情況下，我們可以根據(jù)標(biāo)準(zhǔn)差和均值的大小進(jìn)行初步判斷。若標(biāo)準(zhǔn)差超過均值的一半，則提示數(shù)據(jù)很有可能是非正態(tài)分布，可以參考前期推送的有關(guān)數(shù)據(jù)
正態(tài)性檢驗(yàn)的內(nèi)容進(jìn)行學(xué)習(xí)。
由于標(biāo)準(zhǔn)誤 (Standard Error of Mean, SEM) 比標(biāo)準(zhǔn)差小，有些作者為了掩蓋數(shù)據(jù)非正態(tài)分布的特點(diǎn)，錯誤地將標(biāo)準(zhǔn)誤作為描述數(shù)據(jù)離散趨勢的一個指標(biāo)。但實(shí)際上，標(biāo)準(zhǔn)誤反映的是均數(shù)抽樣誤差的大小，而非樣本資料的離散情況，此時用標(biāo)準(zhǔn)誤來衡量數(shù)據(jù)資料的離散趨勢是不正確的。
95%置信區(qū)間(95%CI)，可以用均值±1.96*標(biāo)準(zhǔn)誤來進(jìn)行計算。一種情況，當(dāng)報告某種疾病的患病率時，建議同時報告其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%)。根據(jù)95%CI的計算公式，數(shù)據(jù)資料的均值約等于95%CI上、下限的均值，如8.7%=(5.5% 11.9%)/2, 以此來幫助判斷結(jié)果是否一致。
另一種情況，多見于描述RR (Relative Risk) 值或者OR (Odds Ratio) 值時，需要報告其95%CI。例如：Smoking was associated with a higher incidence of lung cancer (OR, 2.6; 95%CI, 1.3 to 5.2)。此時RR或OR值的平方等于95%CI上、下限的乘積，如2.62=1.3*5.2，以此來幫助判斷結(jié)果是否一致。
四、診斷試驗(yàn)的結(jié)果報告
對于診斷試驗(yàn)，通常在論文中需要描述的指標(biāo)包括靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值及其95%CI等。當(dāng)使用ROC (Receive Operating Characteristic) 曲線進(jìn)行分析時，則還需要報告曲線下面積及其95%CI、截斷值 (cut-off point)等信息。
五、測量單位
準(zhǔn)確描述測量單位也是非常重要的。例如常常在文章中見到類似的描述：Serum cholesterol levels was 5.22。缺失相應(yīng)的單位“mmol/L”，這種遺漏的情況在表格及圖的坐標(biāo)軸中也經(jīng)常出現(xiàn)。大多數(shù)學(xué)術(shù)雜志都推薦使用國際單位（SI），因此當(dāng)某個指標(biāo)有不同的計量單位時，也建議統(tǒng)一換算為國際單位。
六、P值
P值的描述在論文中也常出現(xiàn)各種問題，一些雜志僅要求在描述P值時給出其判斷標(biāo)準(zhǔn)，例如：P<0.05, 或non-significant，而多數(shù)雜志則要求在論文中報告準(zhǔn)確的P值。一般情況下描述P值時建議不要超過3位小數(shù)，例如P=0.0123，可修改為P=0.012。但有時P值很小，例如P=0.0000123，只若保留三位小數(shù)，即P=0.000，此時建議將其描述為P<0.001。值得注意的是，只有當(dāng)進(jìn)行假設(shè)檢驗(yàn)時才需要提供P值。
此外，當(dāng)能夠同時獲取95%CI和P值時，一般建議僅報告95%CI即可，因?yàn)镻值僅提示假設(shè)檢驗(yàn)有無統(tǒng)計學(xué)顯著性，而95%CI還可以直觀的顯示效應(yīng)值的范圍。例如：Smoking was significantly associated with a higher incidence of lung cancer (OR, 2.6; P=0.04)，建議修改為：Smoking was associated with a higher incidence of lung cancer (OR, 2.6; 95%CI, 1.3 to 5.2)。
對于P值的解釋一定要謹(jǐn)慎，在設(shè)定檢驗(yàn)水平α為0.05的情況下，特別是當(dāng)P值在臨界值附近時，例如P=0.049時認(rèn)為有統(tǒng)計學(xué)顯著性，而P=0.051則認(rèn)為無統(tǒng)計學(xué)顯著性，下結(jié)論的時候要謹(jǐn)防產(chǎn)生I類錯誤和II類錯誤，有可能會做出假陽性或假陰性的結(jié)論（參考前期推送的有關(guān)介紹
I類錯誤和II類錯誤的內(nèi)容）。
通常把這種情況描述為部分顯著性（partially significant）或邊緣顯著性（marginally significant）（可參考前期推送的有關(guān)
P值100種表達(dá)方法的內(nèi)容進(jìn)行描述）。如果沒有充分的證據(jù)證明該效應(yīng)值在人群中實(shí)際上存在顯著性，而陰性結(jié)果可能是由于抽樣誤差造成的，那么我們就應(yīng)該遵守游戲規(guī)則，當(dāng)設(shè)定α=0.05時，若假設(shè)檢驗(yàn)得出P≥0.05，即認(rèn)為無統(tǒng)計學(xué)顯著性，作者可以在論文的討論部分對其原因進(jìn)行詳細(xì)探討。
七、生存分析
Cox比例風(fēng)險模型（Cox proportional hazard model）以生存結(jié)局和生存時間為因變量，在校正多種混雜因素后，用來分析研究因素對于結(jié)局的影響。需要注意的是，Cox模型的基本假定是比例風(fēng)險假定（PH假定），只有在滿足PH假定的前提下，基于此模型的分析才是可靠有效的，然而對于該假定的檢驗(yàn)往往被研究人員所忽略。
檢驗(yàn)PH假定最簡單的方法就是觀察按照研究變量分組后的Kapla-Meier生存曲線，若生存曲線明顯交叉，則提示不滿足PH假定。具體可以參考前期推送的有關(guān)
PH假定檢驗(yàn)的內(nèi)容進(jìn)行學(xué)習(xí)。
