内容来自：“小白学统计”微信公众号，感谢作者授权

本文摘自下面文章的一部分（有改动）：

Guoshuang Feng, Guoyou Qin, Tao Zhang, Zheng Chen, Yang Zhao. Common Statistical Methods and Reporting of Results in Medical Research. CVIA. 2022. Vol. 6(3):117-125.

统计描述在绝大多数的文章中都会有，不管是随机对照试验、观察性研究等等，都需要有数据描述部分。统计描述看似很简单，然而在一些细节方面其实很多研究人员都没有注意。本文主要介绍一下统计描述中需要注意的一些问题：

（1）关于统计描述表格的几个基本特征

第一，尽管表格规范一般认为，主语在左侧作为横标目，谓语在上方作为纵标目，这样读起来比较通顺。我当年有一篇投稿，就被专家质疑，说我把分析变量放到了横标目上，不符合表格的规定，说这样读起来不顺，让我一定要放在纵标目。但是，大家可以看一下把分析变量放在纵标目的效果（这真的是我们想要的吗）:

上面这个真的是严格按照“规范”来，把分析变量作为谓语坚决地放在纵标目。万一再增加2个变量该怎么办呢？

有时候“尽信书则不如无书”。在基线描述中，由于需要展示的指标通常都较多，建议还是以组别作为纵标目，各分析变量作为横标目更好一些。就像下面表格一样（表1）：

第二，不同变量建议可列出对应的计量单位，如ng/ml、岁等，这对某些有多种计量单位的指标尤为必须。

第三，需要对表格做进一步解释说明的，通常在表格下方进行标示，如表1标示说明了百分比之和可能不是100%的原因。

第四，通常表中需要列出各组的例数，如果不同指标的缺失例数不同，需要对每一指标分别列出各自例数，或针对每一指标列出缺失例数。

（2）定量资料统计描述指标应保留小数点后多少位？

目前关于该问题尚无十分明确的规范，如SAMPL(Statistical Analyses and Methods in the Published Literature)规范给出的建议是：小数点后应保留合理的位数，不能太少，也不能太多。EASE(European Association of Science Editors)规范的建议是：保留2-3位有效数字。Habibzadeh建议：像均值、标准差、中位数、四分位数间距等指标，不应超过原始数据的精度。过于粗略或过于精细，都会产生一定问题。

我们认为Habibzadeh的建议比较合理，可以考虑。例如，红细胞计数有1位小数，血红蛋白是整数，则可以写“红细胞计数的均值（标准差）为4.7（0.4）×1012/L，血红蛋白的均值（标准差）为136（12）g/L。”

（3）定性资料（分类资料）统计描述指标应保留多少位小数？

关于分类资料百分比的小数位数，多数情况下保留1位小数即可，如果作为主要研究指标需要重点描述，可根据情况保留2位小数。如果分母例数小于100，建议百分比以整数形式报道，无需保留小数点。如80人中发生20例阳性，可报道为：“80例观察对象中发生20（25%）例阳性结局”。因为当分母不足100例时，分子例数每增加或减少1例，其变化幅度都大于1%。

（4）百分比的报道需要谨慎

第一，如果总例数太少（如分母小于20），建议最好不报道百分比，因为此时报道百分比容易引起误导。例如，10例患者中6例治疗有效，据此下结论认为“60%的患者治疗有效”，并不是很有说服力。如果要报道，建议同时给出例数或95%置信区间（Confidence Interval，CI），且下结论需要谨慎。

第二，如果率（如发病率）作为主要研究指标，强烈建议同时报道其95%CI，以反映结果的精度（precision）。如28%的发病率可在文章中写为“本次调查的发病率为28%（95%CI:26-30%）”。如果只报道率指标，提供的信息不够充分。例如，同样的30%的发病率，100例中发生30例的95%CI为21-39%，而10000例中发生3000例的95%CI为29.1-30.9%。二者的精度相差了10倍。

（5）关于分类变量的百分比展示方式

分类变量的百分比通常有两种展示方式（如下面的表2），它们表达的含义截然不同。表2中，当行合计为100%时，此时侧重体现的是男性、女性各自的发病率情况；当列合计为100%时，此时侧重说明的是发病、未发病人群中各自的男女比例情况。

如何展示百分比？建议遵循这一原则：每个“分组”变量内的合计为100%。

也就是说，要先确定哪个变量是分组变量，哪个变量是分析变量。如表2，如果以性别作为分组，应以行合计为100%，此时表格反映了：男性的发病率与女性相比高还是低；如果以发病与否作为分组变量，则应该是列合计为100%，此时表格反映了：发病人群与未发病人群相比，男性（或女性）比例是高还是低。

总之，即便是一些看似很简单的内容，也许在一些细节方面也会有忽略之处。另外，随着我们进入大数据时代，有些几十年前一直沿用至今的“规范”是不是也应该与时俱进，进行修正呢？引经据典固然是好，但也不能死搬教材。有时我给学生上课的时候会想，学生们是不是有点缺乏自己的独立思考？也许让学生们多一些质疑的思想、少一些死板的顺从是有好处的。当然，不止学生，也许我们自己也应该有更多的质疑的思想，而不是一味地只会说“教材这么说的”、“专家这么说的”。

医咖会在2023年上线了样本量计算小工具，将既往推出的样本量计算教程融入到每一步操作中，并有每个参数的说明以及取值建议。 点击左下角“阅读原文”即可使用，手机端和电脑端均可以体验哦！