醫學論文應該算是一種比較特殊的學術論文，與其他論文最大的不同之處在於，論文結構的模板化與統計學的應用。這是因為醫學論文中最常使用的研究方法是實驗法和對比法，寫作模板比較固定，而且會涉及到大量的數據處理，這就不得不應用到統計學。作為數學與醫學的交叉學科，醫學統計學能夠對醫學實驗中的數據進行有效處理，處於提升實驗效率作用十分明顯。下面就分析下醫學論文中統計學具體該如何使用。
1、“材料和方法”中的統計學
（1）“研究對象”的介紹
在醫學論文的“材料和方法”中一般都有對研究對象的介紹,以人為研究對象時,通常包括研究例數、性別、年齡等內容。最常見的統計學問題是研究例數即樣本量不夠。重複原則是判斷科研設計是否合理的原則之一,樣本所含的數目越大或重複的次數越多,越能反映機遇變異的客觀真實情況。個例報道能反映某些罕見的事物,但不能反映事物的必然規律。這是因為樣本含量偏少,檢驗效能就偏低,導致總體中本來存在的差異未能檢驗出來,出現假陰性結果,這是當前醫學研究中值得注意的問題。目前,在國際學術交流大會上,對所徵用的論文出現假設檢驗的陰性結果( P > 0. 05) 時,往往要求提供檢驗效能的驗證,以便排除因樣本含量偏低所致的假陰性。所以,研究生在做科研時,應注意數據的積累,對於研究例數較少,甚至只有幾例的稿件,一般很難被接受和發表。
（2）設立對照組
設立對照也是判斷科研設計是否合理的原則之一,理想的對照組應該除研究因素外,其他方面均與研究組相同。如果沒有恰當的對照,就無法確定所觀察到的結果是由試驗因素引起的,還是由其他沒有控制的因素引起的。常見對照組設立的問題主要有兩個: (1) 缺少對照組。論文中的統計資料要使人信服,其科研設計中必須有對照組,否則,不能作出任何肯定或否定的結論,需要指出的是,有的研究採用自身對照,這樣的研究設計不能排除混雜因素的干擾,從而不能真正反映研究因素的作用,等同於無對照。(2) 對照組不恰當。如對照組例數太少,各組間一般情況缺少可比性,使用非同期對照或歷史對照,對照不全或多餘對照等。
（3）“統計學方法”的介紹
醫學論文中所涉及的統計學方法通常會在“材料和方法”中作為一個比較獨立的部分予以專門介紹,這部分應該包括統計軟體的介紹、數據表達方式的介紹、檢驗方法的交代和檢驗水準的設定等至少4 方面的內容。除了有些論文中會遺漏全部或部分這方面內容外,其他常見的問題還有: (1) 統計軟體介紹中沒有提及版本。版本是軟體名稱的組成部分,版本不同,軟體就不同,如SPSS 統計軟體就有十幾種版本,所以在介紹統計軟體時不能缺少版本的介紹; (2) 對數據表達方式的描述比較籠統,沒有對定量資料和定性資料的數據表達方式分別予以介紹。不同的資料類型,其數據表達方式不同,如正態分布的定量資料應該用均數±標準差來表示,偏態分布的定量資料用中位數和四分位間距表示,定性資料應該用比、構成比和率來表示,對於不同類型數據的表達方式均應分別予以說明; (3) 檢驗方法交代得不夠全面。t 檢驗和卡方檢驗是研究中經常用到的統計方法,作者一般會予以交代,但仔細審查文中的“結果”部分時,發現作者還用了其他檢驗方法,如相關分析、回歸分析等,但在統計學方法中卻往往沒有交代,另外t 檢驗還分為兩獨立樣本的t 檢驗、配對t 檢驗等,卡方檢驗還分為四格表卡方檢驗、R ×C 表卡方檢驗、配對卡方檢驗等,均應明確而具體地予以說明; (4) 檢驗水準α不作介紹。α值是預先規定的判斷小機率事件的機率尺度,不同的研究目的,α值設定的大小不同,所以應該介紹本研究所採用的α值,並明確是雙側檢驗還是單側檢驗。
2、“結果”中的統計學
（1）檢驗方法的應用
醫學統計學為科研數據的處理分析提供了極豐富的檢驗方法,以使對結論的評價具有說服力和科學性。最常用的統計檢驗方法有t 檢驗、卡方檢驗、方差分析以及相關回歸分析。統計檢驗方法的選擇主要依據數據的類型(計量、計數) 、組數的多少(兩組、多組) 、樣本量的大小以及對比的方式(相互比較、配對比較) ,此外計量數據還要考慮分布形態和方差齊性等問題。在統計處理方面常見的問題是: (1) 缺少統計檢驗分析。有的論文未做任何統計學分析,直接比較研究數據的大小而得出有無差異的統計學結論,是極其不科學的,研究中所搜集的資料一般都是樣本,存在抽樣誤差,必須採用統計推斷的方法,獲得機率性的結論。(2) 誤用t 檢驗作多個樣本均數的兩兩比較。t 檢驗只適合兩組均數間的比較,多個樣本均數的兩兩比較用t 檢驗會增加犯統計學Ⅰ類錯誤的機率,多組計量數據比較宜用方差分析,當差異具有統計學意義時,進一步作兩兩間比較,當各組均與一個對照組比較時採用Dunnet t t 檢驗,當各組相互循環比較時,則常採用q 檢驗。(3) 誤用四格表卡方檢驗。四格表資料中若理論頻數< 1 或總例數< 40 時,不適合用卡方檢驗,而應該採用Fishier 精確機率法直接計算P 值。(4) 誤用參數檢驗。t檢驗、方差分析屬於參數檢驗,要求數據資料為正態分布且方差齊性,當數據資料不符合參數檢驗要求時,對資料分布特徵無特殊要求的非參數統計方法應該得到充分利用,如標準差大於均數1 倍以上可以認為數據為偏態分布,應該用中位數和四分位間距表示,用非參數檢驗中的秩和檢驗作統計分析;又如用等級表示的資料(如生化檢驗的- 、+ 、+ + 、+ + + ) 多屬於偏態分布和不明分布,亦需要用秩和檢驗進行分析。(5) 多因素統計方法應用問題。目前,多因素統計分析方法在醫學領域的應用日益廣泛深入,其包括了多因子方差分析、協方差分析、多元線性回歸分析、多元logistic 回歸、聚類分析等方法。在醫學研究中,很多資料的分析需要採用多因素統計方法,但目前很多研究生對多因素統計方法不甚了解,對一些本該用多因素統計方法進行分析的數據錯誤地應用單因素統計分析方法。例如,年齡有差異的多組人群進行身高比較時,年齡就是一種干擾因素,對比這樣的資料時,不能簡單使用單因素分析方法中的“方差分析”,而應該應用“協方差分析”進行檢驗,即在消除年齡因素的干擾後,再對身高進行方差分析。
（2）統計圖表的使用
統計圖表是醫學論文中表達數據資料的重要工具,好的統計圖表可有效幫助讀者正確理解研究的結果。統計圖表要求具有自明性,即不看正文內容,只看圖表便能使讀者理解研究的結果。統計表常見的問題是: (1) 橫縱標目主謂倒置。統計表格的橫標目是表格中所要說明的主體或分組名稱,列在表格的最左側;縱標目用以說明各種統計指標,列在表格的上方,在醫學論文中經常看到橫縱標目位置倒置的情況。(2) 縱標目上未註明計量單位或比例基數。(3) 數據表達不規範。如偏態分布的數據乃用均數±標準差表示,同一列數據小數點後保留位數不一致等。(4) 表格中統計結果不完整。往往只有P 值而無統計量值。統計圖中常見的問題是: (1) 橫縱坐標未標明名稱和計量單位。(2) 無必要的圖注。
3、“討論”中應注意的統計學問題
“討論”中常見的統計學問題是對統計結果中P 值的解釋有誤。“P”是機率符號,是指隨機事件發生的可能性,特別要提出的是P 值的大小不說明差值的大小,在分析結論時,要注意用詞的準確性。另外, P < 0. 05 應表述為差異有統計學意義,而不要表述為差異有顯著性。
1、“材料和方法”中的統計學
（1）“研究對象”的介紹
在醫學論文的“材料和方法”中一般都有對研究對象的介紹,以人為研究對象時,通常包括研究例數、性別、年齡等內容。最常見的統計學問題是研究例數即樣本量不夠。重複原則是判斷科研設計是否合理的原則之一,樣本所含的數目越大或重複的次數越多,越能反映機遇變異的客觀真實情況。個例報道能反映某些罕見的事物,但不能反映事物的必然規律。這是因為樣本含量偏少,檢驗效能就偏低,導致總體中本來存在的差異未能檢驗出來,出現假陰性結果,這是當前醫學研究中值得注意的問題。目前,在國際學術交流大會上,對所徵用的論文出現假設檢驗的陰性結果( P > 0. 05) 時,往往要求提供檢驗效能的驗證,以便排除因樣本含量偏低所致的假陰性。所以,研究生在做科研時,應注意數據的積累,對於研究例數較少,甚至只有幾例的稿件,一般很難被接受和發表。
（2）設立對照組
設立對照也是判斷科研設計是否合理的原則之一,理想的對照組應該除研究因素外,其他方面均與研究組相同。如果沒有恰當的對照,就無法確定所觀察到的結果是由試驗因素引起的,還是由其他沒有控制的因素引起的。常見對照組設立的問題主要有兩個: (1) 缺少對照組。論文中的統計資料要使人信服,其科研設計中必須有對照組,否則,不能作出任何肯定或否定的結論,需要指出的是,有的研究採用自身對照,這樣的研究設計不能排除混雜因素的干擾,從而不能真正反映研究因素的作用,等同於無對照。(2) 對照組不恰當。如對照組例數太少,各組間一般情況缺少可比性,使用非同期對照或歷史對照,對照不全或多餘對照等。
（3）“統計學方法”的介紹
醫學論文中所涉及的統計學方法通常會在“材料和方法”中作為一個比較獨立的部分予以專門介紹,這部分應該包括統計軟體的介紹、數據表達方式的介紹、檢驗方法的交代和檢驗水準的設定等至少4 方面的內容。除了有些論文中會遺漏全部或部分這方面內容外,其他常見的問題還有: (1) 統計軟體介紹中沒有提及版本。版本是軟體名稱的組成部分,版本不同,軟體就不同,如SPSS 統計軟體就有十幾種版本,所以在介紹統計軟體時不能缺少版本的介紹; (2) 對數據表達方式的描述比較籠統,沒有對定量資料和定性資料的數據表達方式分別予以介紹。不同的資料類型,其數據表達方式不同,如正態分布的定量資料應該用均數±標準差來表示,偏態分布的定量資料用中位數和四分位間距表示,定性資料應該用比、構成比和率來表示,對於不同類型數據的表達方式均應分別予以說明; (3) 檢驗方法交代得不夠全面。t 檢驗和卡方檢驗是研究中經常用到的統計方法,作者一般會予以交代,但仔細審查文中的“結果”部分時,發現作者還用了其他檢驗方法,如相關分析、回歸分析等,但在統計學方法中卻往往沒有交代,另外t 檢驗還分為兩獨立樣本的t 檢驗、配對t 檢驗等,卡方檢驗還分為四格表卡方檢驗、R ×C 表卡方檢驗、配對卡方檢驗等,均應明確而具體地予以說明; (4) 檢驗水準α不作介紹。α值是預先規定的判斷小機率事件的機率尺度,不同的研究目的,α值設定的大小不同,所以應該介紹本研究所採用的α值,並明確是雙側檢驗還是單側檢驗。
2、“結果”中的統計學
（1）檢驗方法的應用
醫學統計學為科研數據的處理分析提供了極豐富的檢驗方法,以使對結論的評價具有說服力和科學性。最常用的統計檢驗方法有t 檢驗、卡方檢驗、方差分析以及相關回歸分析。統計檢驗方法的選擇主要依據數據的類型(計量、計數) 、組數的多少(兩組、多組) 、樣本量的大小以及對比的方式(相互比較、配對比較) ,此外計量數據還要考慮分布形態和方差齊性等問題。在統計處理方面常見的問題是: (1) 缺少統計檢驗分析。有的論文未做任何統計學分析,直接比較研究數據的大小而得出有無差異的統計學結論,是極其不科學的,研究中所搜集的資料一般都是樣本,存在抽樣誤差,必須採用統計推斷的方法,獲得機率性的結論。(2) 誤用t 檢驗作多個樣本均數的兩兩比較。t 檢驗只適合兩組均數間的比較,多個樣本均數的兩兩比較用t 檢驗會增加犯統計學Ⅰ類錯誤的機率,多組計量數據比較宜用方差分析,當差異具有統計學意義時,進一步作兩兩間比較,當各組均與一個對照組比較時採用Dunnet t t 檢驗,當各組相互循環比較時,則常採用q 檢驗。(3) 誤用四格表卡方檢驗。四格表資料中若理論頻數< 1 或總例數< 40 時,不適合用卡方檢驗,而應該採用Fishier 精確機率法直接計算P 值。(4) 誤用參數檢驗。t檢驗、方差分析屬於參數檢驗,要求數據資料為正態分布且方差齊性,當數據資料不符合參數檢驗要求時,對資料分布特徵無特殊要求的非參數統計方法應該得到充分利用,如標準差大於均數1 倍以上可以認為數據為偏態分布,應該用中位數和四分位間距表示,用非參數檢驗中的秩和檢驗作統計分析;又如用等級表示的資料(如生化檢驗的- 、+ 、+ + 、+ + + ) 多屬於偏態分布和不明分布,亦需要用秩和檢驗進行分析。(5) 多因素統計方法應用問題。目前,多因素統計分析方法在醫學領域的應用日益廣泛深入,其包括了多因子方差分析、協方差分析、多元線性回歸分析、多元logistic 回歸、聚類分析等方法。在醫學研究中,很多資料的分析需要採用多因素統計方法,但目前很多研究生對多因素統計方法不甚了解,對一些本該用多因素統計方法進行分析的數據錯誤地應用單因素統計分析方法。例如,年齡有差異的多組人群進行身高比較時,年齡就是一種干擾因素,對比這樣的資料時,不能簡單使用單因素分析方法中的“方差分析”,而應該應用“協方差分析”進行檢驗,即在消除年齡因素的干擾後,再對身高進行方差分析。
（2）統計圖表的使用
統計圖表是醫學論文中表達數據資料的重要工具,好的統計圖表可有效幫助讀者正確理解研究的結果。統計圖表要求具有自明性,即不看正文內容,只看圖表便能使讀者理解研究的結果。統計表常見的問題是: (1) 橫縱標目主謂倒置。統計表格的橫標目是表格中所要說明的主體或分組名稱,列在表格的最左側;縱標目用以說明各種統計指標,列在表格的上方,在醫學論文中經常看到橫縱標目位置倒置的情況。(2) 縱標目上未註明計量單位或比例基數。(3) 數據表達不規範。如偏態分布的數據乃用均數±標準差表示,同一列數據小數點後保留位數不一致等。(4) 表格中統計結果不完整。往往只有P 值而無統計量值。統計圖中常見的問題是: (1) 橫縱坐標未標明名稱和計量單位。(2) 無必要的圖注。
3、“討論”中應注意的統計學問題
“討論”中常見的統計學問題是對統計結果中P 值的解釋有誤。“P”是機率符號,是指隨機事件發生的可能性,特別要提出的是P 值的大小不說明差值的大小,在分析結論時,要注意用詞的準確性。另外, P < 0. 05 應表述為差異有統計學意義,而不要表述為差異有顯著性。
收藏