對(duì)大量的數(shù)據(jù)進(jìn)行必要的統(tǒng)計(jì)學(xué)分析，并將統(tǒng)計(jì)的結(jié)果展現(xiàn)在論文中用于論證文章的觀點(diǎn)和理論。這是一篇醫(yī)學(xué)論文中統(tǒng)計(jì)學(xué)應(yīng)用最常見(jiàn)的情況。

那么，關(guān)于醫(yī)學(xué)SCI論文統(tǒng)計(jì)學(xué)處理與方法的選擇，我們應(yīng)該注意哪些內(nèi)容？

一、關(guān)于統(tǒng)計(jì)學(xué)處理

在進(jìn)行統(tǒng)計(jì)學(xué)處理時(shí)，首先要明白研究資料是計(jì)數(shù)資料還是計(jì)量資料，盡管是一個(gè)常識(shí)性的問(wèn)題，但仍有不少作者搞混了。先分類(lèi)再計(jì)數(shù)的資料叫計(jì)數(shù)資料，如A組30例，B組32例，可根據(jù)研究目的計(jì)算出陽(yáng)性率、治愈率等。測(cè)定某項(xiàng)具體數(shù)值的資料叫計(jì)量資料，如身高、體重、脈搏、血壓等許多物理診斷和化驗(yàn)結(jié)果。

在醫(yī)學(xué)科研論文中，計(jì)數(shù)資料最常用的統(tǒng)計(jì)學(xué)方法是檢驗(yàn)，計(jì)量資料最常用的是t檢驗(yàn)。在研究設(shè)計(jì)時(shí)，就應(yīng)根據(jù)研究資料的特點(diǎn)，決定假設(shè)檢驗(yàn)的方法。在處理資料時(shí)，因均數(shù)和標(biāo)準(zhǔn)差是用來(lái)描述正態(tài)分布資料集中和離散趨勢(shì)的指標(biāo)，可否采用均數(shù)±標(biāo)準(zhǔn)差描述研究資料的分布特征，首先要看資料是否是正態(tài)分布，如果資料不是正態(tài)分布或者方差不齊時(shí)，應(yīng)對(duì)資料進(jìn)行轉(zhuǎn)換處理，使其符合正態(tài)分布，方差齊性后采用t檢驗(yàn)或方差分析，達(dá)不到上述要求，用秩和檢驗(yàn)。

有的研究資料數(shù)據(jù)龐大，只能在表格描述中用阿拉伯?dāng)?shù)字或特殊符號(hào)表示與比較對(duì)象的P值，如P>0.05，P<0.05，P<0.01，無(wú)法一一給出具體的P值。但有的作者既不交代使用的統(tǒng)計(jì)學(xué)方法，也不給出具體的P值，直接列出P<0.05或p>0.05，認(rèn)為差異有統(tǒng)計(jì)學(xué)意義或無(wú)統(tǒng)計(jì)學(xué)意義，使讀者對(duì)無(wú)法判斷結(jié)果的可靠性。

二、關(guān)于統(tǒng)計(jì)學(xué)方法的選擇

（一）兩組或多組計(jì)量數(shù)據(jù)的比較

1.兩組數(shù)據(jù)：

1)大樣本數(shù)據(jù)或服從正態(tài)分布的小樣本數(shù)據(jù)；

(1)若方差齊性，則作成組t檢驗(yàn)；

(2)若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)。

2)小樣本偏態(tài)分布數(shù)據(jù)，則用成組的Wilcoxon秩和檢驗(yàn)。

2. 多組數(shù)據(jù)：

1)若大樣本數(shù)據(jù)或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步選擇合適的方法(如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等)進(jìn)行兩兩比較。

2)如果小樣本的偏態(tài)分布數(shù)據(jù)或方差不齊，則作Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步選擇合適的方法(如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等)進(jìn)行兩兩比較。

三、分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析

1.單樣本數(shù)據(jù)與總體比較

1)二分類(lèi)數(shù)據(jù)：

(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn);

(2)大樣本時(shí)：用U檢驗(yàn)。

2)多分類(lèi)數(shù)據(jù)：用Pearson c2檢驗(yàn)(又稱擬合優(yōu)度檢驗(yàn))。

2. 四格表數(shù)據(jù)

1)n>40并且所以理論數(shù)大于5，則用Pearson c2；

2)n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5，則用校正 c2或用Fisher’s 確切概率法檢驗(yàn)；

3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn)。

3. 2×C表數(shù)據(jù)的統(tǒng)計(jì)分析

1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)；

2)列變量為效應(yīng)指標(biāo)并且為二分類(lèi)，列變量為有序多分類(lèi)變量，則用趨勢(shì)c2檢驗(yàn)；

3)行變量和列變量均為無(wú)序分類(lèi)變量；

(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2；

(2)n￡40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗(yàn)。

4. R×C表數(shù)據(jù)的統(tǒng)計(jì)分析

1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則CMH c2或Kruskal Wallis的秩和檢驗(yàn)；

2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類(lèi)變量，行變量為有序多分類(lèi)變量，作none zero correlation analysis的CMH c2；

3)列變量和行變量均為有序多分類(lèi)變量，可以作Spearman相關(guān)分析；

4)列變量和行變量均為無(wú)序多分類(lèi)變量。

(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2

(2)n￡40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗(yàn)

四、兩組或多組計(jì)量數(shù)據(jù)的比較

1.兩組數(shù)據(jù)：

1)大樣本數(shù)據(jù)或配對(duì)差值服從正態(tài)分布的小樣本數(shù)據(jù)，作配對(duì)t檢驗(yàn)；

2)小樣本并且差值呈偏態(tài)分布數(shù)據(jù)，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)。

2.多組數(shù)據(jù)：

1)若大樣本數(shù)據(jù)或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法(如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等)進(jìn)行兩兩比較。

2)如果小樣本時(shí)，差值呈偏態(tài)分布數(shù)據(jù)或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法(如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等)進(jìn)行兩兩比較。

五、回歸分析

1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性)，殘差與自變量無(wú)趨勢(shì)變化，則直線回歸(單個(gè)自變量的線性回歸，稱為簡(jiǎn)單回歸)，否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。

2.多重線性回歸：應(yīng)變量(Y)為連續(xù)型變量(即計(jì)量數(shù)據(jù))，自變量(X1，X2，…，Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性)，殘差與自變量無(wú)趨勢(shì)變化，可以作多重線性回歸。

1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素

2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用

3.二分類(lèi)的Logistic回歸：應(yīng)變量為二分類(lèi)變量，自變量(X1，X2，…，Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。

1)非配對(duì)的情況：用非條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素；

(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用。

2)配對(duì)的情況：用條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素；

(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用。