医学论文统计学应用要注意哪些？

医学论文写作需借助统计学方法进行数据分析，反映科研成果，使论文具有科学性和代表性。正确的使用统计学是对科研工作者最基本的要求，科研工作者在应用统计学时要注意以下问题。

第一，医学论文中统计分析方法的选择:对于定量资料,应根据所采用的设计类型、资料所具备的条件和分析目的，选用合适的统计分析方法，不应盲目套用ｔ检验和单因素方差分析；对于定性资料，应根据所采用的设计类型、定性变量的性质和频数所具备的条件以及分析目的，选用合适的统计分析方法，不应盲目套用χ2检验。对于回归分析，应结合专业知识和散布图，选用合适的回归类型，不应盲目套用简单直线回归分析，对具有重复实验数据的回归分析资料，不应简单化处理；对于多因素、多指标资料，要在一元分析的基础上，尽可能运用多元统计分析方法，以便对因素之间的交互作用和多指标之间的内在联系作出全面、合理的解释和评价。

第二，医学论文中统计医学设计:应交代统计医学设计的名称和主要做法。如调查设计(分为前瞻性、 回顾性还是横断面调查医学)，实验设计(应交代具体的设计类型，如自身配对设计、成组设计、交叉设计、析因设计、正交设计等)，临床试验设计(应交代属于第几期临床试验，采用了何种盲法措施等)；主要做法应围绕4个基本原则(重复、随机、对照、均衡)概要说明,尤其要交代如何控制重要非试验因素的干扰和影响。

第三，医学论文中统计结果的解释和表达:当Ｐ<0.05(或Ｐ<0.01)时，应说对比组之间的差异具有显著性(或非常显著性)的意义，而不应说对比组之间具有显著性(或非常显著性)的差别；应写明所用统计分析方法的具体名称(如:成组设计资料的ｔ检验、两因素析因设计资料的方差分析、多个均数之间两两比较的ｑ检验等)，统计量的具体值(如:ｔ=3.45,χ2=4.68,Ｆ=6.79 等)，应尽可能给出具体的Ｐ值(如:Ｐ=0.0238)；提供当涉及到总体参数(如总体均数、总体率等)时，在给出显著性检验结果的同时，再给出95%置信区间。

另外，在结果应用统计学方法时，要注意避免出现以下常见错误：

一方面，应用正确的统计学方法出现的结果表达并不一定正确。医学论文常见错误中包括均数、标准差、标准误等统计学指标与原始数据应保留的小数位数不同；对于率、例数、比值、比值比、相对危险度等统计学指标保留的小数点位数过多；罕见疾病的发病率、患病率、现患率等指标没有选择好基数，导致结果没有整数位；相关系数、回归系数等指标保留的小数位数过多或者过少；常用的一些检验统计量，如F值、t值保留的位数不符合要求。

另一方面，对统计学指标进行分析和计算时，一般采用计数资料和计量资料进行区分。计量资料常用三线表，在近似服从正态分布的前提下采用均数、标准差进行说明，如果不符合正态分布时，可以采用加对数或其他的处理方式使其近似正态分布，否则只能采用中位数和四分位数间距等指标进行描述。医学论文中常见未对数据进行正态分布检验的计算，影响统计结果的真实性和可信度。对于率、构成比等常用的计数资料指标，常见样本量过小的问题，采用率进行描述会影响统计结果的可靠性，采用绝对数进行说明会显得客观一些。还有一些文献将构成比误用为率，也是不可取的。

最后，在判断临床疗效之一指标时，两组平均疗效有差别并不意味着两组的每一个个体都有效或无效，必须通过计算有效率进行计算。如比较某药物治疗糖尿病的疗效，服药一周后，医学组和对照组的对血糖降低值分别为6.7&plusmn;2.4和1.2&plusmn;0.6(P=0.0001) 。按空腹血糖值低于7.7mmol/L的疗效判定有效率，医学组和对照组的有效率分别为75.6%和12.4%，尽管平均疗效相差较多，但也要注意到该药物对部分患者无效(24.4%)。对假设检验结果的统计学分析结果，P值的表达提倡报告精确P值，如P=0.015或P=0.321等。目前的统计学分析软件均可自动计算精确的P值。例如常用的SAS，SPSS等，只要提供原始数据，就可以计算出t值、F值和相应的自由度，并可获得精确的P值。