统计方法一直是科技期刊原创文章的重要组成部分。当研究设计和样本量估计完成后，最重要的是数据的统计分析。但目前国内大部分医学期刊对统计学方法的描述还不够规范。现在整理一下统计方法的描述点。作者在撰写研究原创文章时，应遵循以下步骤描述统计方法。 　　

　　

　　首先，1.描述统计学软件信息：应在文中描述统计软件，包括软件名称、来源制造商和版本。常用的软件有SAS、STATA、SPSS等。以及具有统计功能的软件如GraphPad Prism 7等。 　　

　　

　　2.描述统计学指标：需要解释研究中描述性结果指标的表达。2.1计量资料:正态分布数据包括均值、标准差(SD)和标准差(SEM)；非正态分布的数据包括中位数(m)和四分位间距(P75-P25)。2.2计数资料和等级资料：主要用成分比(如4/15，比重)和百分比(如63%，频率强度)表示，一般用n(%)表示。如果想知道各种疾病在特定人群中的比例，就用构成比。想知道哪个年龄段发病率高，用百分比。2.3效应量指标：主要包括优势比(OR)和相对风险比(RR)。95%可信区间(CI)，如OR(95%CI)=2.6(1.3-5.2)。 　　

　　

　　3.统计分析方法 　　

　　

　　3.1测量数据的比较 　　

　　

　　3.1.1两组间的比较(正态分布): 　　

　　

　　T检验：又称学生T检验，必须满足正态性和方差齐性条件，主要包括双样本T检验(独立样本T检验和组T检验)和配对样本T检验。 　　

　　

　　配对样本t检验的适用性： 　　

　　

　　(1)同一研究对象治疗前后的比较(即自身配对)； 　　

　　

　　(2)同一受试者接受了两种不同的治疗； 　　

　　

　　(3)两个匹配的受试者分别接受两种不同的治疗； 　　

　　

　　(4)同一对象的两个部分区别对待。3.1.2多组比较(正态分布)： 　　

　　

　　方差分析：比较两个或两个以上样本的平均值，采用成组和相容性设计，包括单因素、双因素、多因素、析因设计、重复测量方差分析(三个时间点的数据比较)。两因素、多因素、析因设计的方差分析结果中，必须有主效应和交互效应的说明。注意，多组数据比较时，方差分析不能用T检验代替。主要原因是T-test破坏了原有的整体设计。假阳性错误的概率显著增加；t检验分离了因素之间的内在联系，因此不能考察交互作用是否显著。两两比较应采用方差分析和回溯测试相结合的方法。使用Mann-Whitney U检验比较3.1.3非正态分布计量数据的非参数检验(秩和检验)：,两组数据之间的差异，使用Kruskal-Wallis H方法比较多组数据之间的差异。进行3.2 计数资料的比较:2检验。 　　

　　

　　(1)n ^ 40，所以理论数(t)大于5，则使用Pearson2检验； 　　

　　

　　(2)n ^ 40，因此理论数(t)大于1，并且至少有一个理论数5，则使用校正的Pearson2检验； 　　

　　

　　(3)如果n 40或有理论数(T) 1，则采用费雪概率法； 　　

　　

　　(4) n 40，采用费雪精确概率法。 　　

　　

　　(5)配对样本数据的比较：可用配对四方表2检验；前后数据比较：McNemyer2检验。3.2.1两组比较列表2检验。3.2.2多组比较：.3.3等级资料的比较：组设计资料比较采用Wilcoxon双样本比较法，配对设计资料比较采用符号秩和检验法。 　　

　　

　　3.3.2多组比较：组设计采用Kruskal-Wallis H法和Ridit法进行比较；采用Nemenyi方法对多个样本进行两两比较；用Friedman秩和检验比较相容性设计。3.3.1两组比较：应该先做散点图，确定有线性趋势后再做相关性分析。相关性：皮尔逊相关分析(正态分布)；等级相关：Spearman相关分析(非正态分布，等级数据)。包括3.4 相关和回归分析因变量(结果)、自变量(因素)和连续变量，且数据应符合正态分布。简单回归：1个因变量，1个自变量；多元线性回归：1个因变量b 　　

　　

　　包括3.4.1相关性分析：因变量(结果)和自变量(因素)。条件逻辑回归(配对病例对照数据)和无条件逻辑回归(分组数据)。无条件logistic回归包括两种，二元Logistic回归：是 　　

指因变量为二分类变量(是，否；患病，未患病)的回归分析；多元Logistic回归：是指因变量为有序或无序分类变量(轻、中、重；高中、低；优、良、中、差；A，B，C，D)的回归分析。
3.4.4 Cox回归：包括因变量(结局)和自变量(因素)，多用于生存分析。风险函数比(hazard ratio，HR)：是生存分析资料中用于估计因为某种因素的存在而使死亡/缓解/复发等风险改变的倍数。
3.4.5纳入回归模型的变量选择：单因素分析后，应当考虑应该将哪些自变量纳入回归模型进行多因素分析？一般情况下，建议纳入的变量有：
(1)单因素分析组间数据差异有显著性意义的变量(此时，最好将P值放宽一些，比如P < 0.1或P < 0.15等，避免漏掉一些重要因素)；
(2)单因素分析时，没有发现差异有显著性意义，但是临床上认为与因变量关系密切的自变量。

　　

4 统计学方法描述举例：
4.1数据描述：①试验采用SPSS 22.0软件(美国IBM公司)进行统计学分析。②统计分析时先检查各研究中心完成例数、病例的脱落情况，然后进行两组患者入选时的人口统计学及基线各有关特征的分析，考察试验组和对照组之间的可比性。③计量资料采用均数、标准差、中位数、最小值和最大值、上下四分位数进行统计描述，计数资料采用例数和百分比进行统计描述。
4.2统计分析方法：①试验中各随访时间点两组间L2-4、股骨颈、Ward’s三角区骨密度值较基线的差值、血清钙、甲状旁腺素、骨钙素、白细胞介素10、白细胞介素6、肿瘤坏死因子α和胰岛素样生长因子1水平比较采用两样本t检验(数据正态分布)或Mann-Whitney U检验(数据非正态分布)。②组内各时间点上述数据差异比较采用重复测量方差分析及LSD事后检验比较。③两组不良反应发生率差异的比较采用Pearson χ2检验。④各组骨密度值指标、骨质疏松指标及炎性因子指标间的相关性分析采用Pearson相关分析法(数据正态分布)或Spearman相关分析法(数据非正态分布)。⑤检验水准(双侧)α = 0.05。

　　

来源：《中国组织工程研究》杂志