科研星球

临床医生在论文中最常犯的 5 个统计学错误

临床医生并非做科研出身,论文经常会出现多多少少的「小问题」,今天丁香实验就给大家盘点一下临床医生在论文中最常犯的 5 个统计学错误:


一、忽略了样本纳入量的计算和说明


对于一个研究而言,一般先要计算样本纳入量,否则做出来的研究极有可能没意义。


二、 明显的造假行为


科学研究一定要严谨,一定要杜绝学术造假。


曾有一篇文章初稿写着:将患者通过中央随机系统分为 A、B、C 三组,A 组 30 例,B 组 30 例,C 组 65 例。当时这篇文章被怀疑涉嫌数据造假,因为很少随机分组能分出 3 组相差这么多的,随后怀疑被证实。


三、对「随机」概念理解有误


对于某些基本的概念理解有误,最常见的问题集中在「随机上」,很多临床的作者把随意法和交替制定法认为是「随机化」,而一个不恰当的随机,可能造成选择偏倚和混杂偏倚的渗入。


临床研究中常见的非正确的随机方法包括如下:利用身份证尾号、研究对象出现时间、星期几、就诊日期、病例记录号、出生日期等进行随机分组。


四、 对照组设立上出现错误


在对照组的设立上,很多作者错误地设立了对照组,或者对对照组的设计存在一定理解上的偏差。


以临床中的有创性的研究举例:假设对一个存在脊髓损伤的患者用某种细胞移植到损伤部位进行治疗,这个时候要判定这种移植细胞的疗效,我们需要设立一个假手术组来评估,而不仅仅是进行治疗前后的自身对照。


因为手术本身能起到减低椎管内压力、消除粘连等作用,而这些干扰因素会影响实验的最终结果,只有尽量排除你想研究的因素外的干扰,你的研究结果才更有说服力。


五、对 P 值理解不充分


在对于 P 值的理解上,很多人写文章都是,P<0.05,然后就得出了一堆结论,应要慎重对待与临床相关的部分。


2016 年 3 月 7 号,美国统计协会在其官网上发布了一个关于 P 值的 6 个准则,这里面很重要的一条就是,P 值即便具有显著统计性也不能表明效应量的大小或结果的重要性,也就是说,证据的强度大小不代表效应量的大小。


没有账号?