医学科技论文中统计分析方面常见的问题

yuan_hy

　　许多医学科技论文在撰写之前都要进行资料或数据的收集整理并进行统计处理以研究事物间的相互关系，确定事物客观存在的新规律。而在课题的研究之前进行的统计设计更是整个课题研究设计中一个重要的、不可缺少的组成部分。具有合理的统计设计和正确的统计分析的研究结果可信度高，论文的质量也高。然而，医刊汇编译在工作中发现，有些作者所写的医学科技论文中存在统计分析方面问题，具体概括如下：
　　一、缺少统计分析。论文未对试验资料做任何统计分析，仅对观测值大小的直观比较，就做出两者之间的差别有或无显著性意义的统计结论。临床研究的结论不仅取决于所研究的试验组和对照组之间差异的绝对值的大小，更主要的是取决于随机误差的大小。
　　二、未说明应用的统计方法。论文中使用了统计分析，但未说明使用的是什么统计分析方法。表现为论文中只有P值，但无法判断检验方法和统计量的大小。读者无法对文中应用的统计方法的正确性进行评价。
　　三、使用标准误代替标准差。标准差表示研究数据相对于均数的离散程度，而标准误是描述抽样误差大小的，其大小与样本标准差的大小成正比，与样本含量的平方根成反比。论文中经常发现作者没有说明使用的是标准差还是标准误。
　　四、检验的前提不具备。每一种统计方法都要求满足一定的前提条件，如t检验要求资料正态分布且组间方差齐同。但不少论文中的资料明显呈偏态分布或方差不齐，也使用t检验。
　　五、t检验代替方差分析。将各种试验设计类型一律视为多个单因素两水平设计，重复用t检验进行均数之间的两两比较以取代方差分析，结果是错误结论明显增加。
　　六、忽视配对资料特性。用成组t检验代替配对t检验；用一般卡方检验代替配对卡方检验。
　　七、忽视重复测量特性。重复测量是指对同一试验对象的某些观察指标在部分条件改变的前提下，进行多次重复观察。这种数据在医学研究中十分常见。对于这种数据的统计分析，常误用t检验或一般的方差分析。由于t检验或一般的方差分析要求数据之间相互独立，不存在相关性，而重复资料不能满足这一要求，故应采用重复测量设计资料的方差分析。
　　八、多个变量反复比较。两组之间多个变量反复比较，使统计上出现I类误差的机会远远大于通常的假设。
　　九、对P值含义理解错误，结论缺乏依据。评价一项研究结果是否有意义，要看其是否具有临床意义和统计意义两个方面。最好两个方面都有意义。如果差异本身没有临床意义或例数过少，可以不必进行统计检验，因为如果样本量足够大，均会取得统计上的显著意义。医学论文中，作者常根据统计检验有显著性差异就断定研究结果有意义，而忽视该差异是否具有临床意义。相反，如果统计检验没有显著性意义，尽管差异本身具有重要的临床意义，也做出没有意义的结论。还有的将统计显著性的大小与两组之间差异的大小相混淆，错误地认为P值越小，组间差异越大。
　　医学科技论文编译，欢迎咨询医刊汇，医刊汇是一站式科研学术服务平台，服务范围涵盖了SCI期刊和中文期刊，可以协助医学工作者编译SCI论文和医学论文，其中主要致力于医学论文投稿、期刊投稿、期刊查询、期刊影响因子查询、期刊论文发表、期刊数据库、论文查重和论文检测等服务。