辛辛苦苦写好一篇文章投稿，就因为一个统计小错误被Editor“秒拒”，冤不冤？
今天分享一篇近期BMJ子刊《BMJ Paediatrics Open》在线发表的一篇综述，由期刊编辑和审稿人编撰，总结了在审核论文时常见的统计错误，并提出具体的改进建议，含金量还是蛮高的。我看完也有些收获，分享给大家，正好借着这个机会回答一下大家在投稿时常遇到的三个问题。我写文章报告结果的时候，有点纠结，不知道该多强调效应值还是P值。还有就是，报告P值的时候，要怎样才能写得清楚又严谨呢？
●首先，有效应值首选效应值。在很多研究中，作者仅报告了P值，反而忽略效应值（OR、RR值等），甚至为了减少字数，删掉了很多重要信息。事实上，效应值能直接衡量处理或暴露对结果的影响，相较而言，比P值更有意义。就算是为了节约篇幅，在效应值和P值之间进行选择时，也应该是省略P值，保留效应值。很多医学顶刊文章就是这样做的。●其次，报告精确的P值。过去由于计算能力受限，一些作者会用 "P< 0.05" 的方式近似表示P值。但现在软件可以给出P值的精确值，如果有精确值，就没有理由使用近似值，不能不考虑原因的参照过去的文章。 对于P 值非常小的情况，也应避免报告为"0.000"，应改为 "< 0.001"。例如这篇中国医科大学学者发表在JAMA子刊的研究论文，他们对P值的使用就非常规范。记住，P值不能是0（也不会是1）。●减少下“不显著”的结论。这个问题也与我们的P值相关，当P > 0.05 时，许多作者会称结果为“无显著性差异”。但这是错误，或者说是误导性的，因为P值表示了统计显著性的可能性，而不是效应不存在。即使P值不显著，依然应报告效应量，并说明结果的可能性，而不应简单得出“无效应”的结论。●“table 1”的P值可以适当省略。我们研究论文里的“table 1”主要是说研究人群的一些基本情况，有时会看到P值，但其实它不太重要。做随机对照试验时，P值能证明随机化做得好，但好多变量一起比的话，P值小于0.05可能是碰巧，不影响试验本质，所以不用理它。前面这是原文，老郑也认为RCT研究表1（Table 1）结果无须报告P值，为什么？（1）规范的随机对照试验，它就应该被认为是均衡可比的，采用意向性分析前无须进一步去论证其均衡性；（2）P值无法有效反映分组均衡性，因为小样本，即便是不均衡性的数据，P值也很可能>0.05，而大样本，即便是均衡性的数据，P值也很可能<0.05。而观察性研究里，更重要的是组间差异的大小，或者作者对于预测因子临床重要性的看法，而不是老盯着P值，用这些P值来指导分析方法。我写统计学方法的时候，感觉要把每个步骤都说得特别清楚好难啊。想问您一下，统计方法这部分，是不是真的要像说明书一样写得超级详细才行？
●新的医疗技术或统计学方法，需要详细描述，常规方法则不用。通常，使用相对较新或不常见的统计方法时，我们可以引用使用了该方法的论文，引用描述该方法的论文要更好。●软件描述要准确且详细。这算是最容易被忽略的一点了，我常常和我的学生说，你要明确告诉别人你用了什么软件，不要简单写“R”，要写如“R V.4.2.1”。另外，除了所使用的基础软件包外，还需要引用用户贡献的或专门用于特定统计方法的附加软件包。●报告缺失数据处理的详细信息。缺失数据随处可见，不管是因为研究对象拒绝回答问题，或者退出，还是其他什么原因，都要在论文中报告你是如何处理这个问题的。我论文里的结果部分，审稿老师说我的结果表述有问题。但我反复检查，看不出问题所在，有哪些情况需要注意呢？
●小数位数的使用不当。现在我们的一些百分比，均值的数据多是使用软件直接得出，如研究的样本量为105，样本中有55.238%是女性。但经验法则是任何一个理性的人都会认为足够的精确度，然后再加一个数字，例如，对于女性百分比，则可以报告55.2%。补充一下，大家认为一般情况下，假设检验的P值保留几位小数呢？发现，医学顶刊比如《BMJ》、《JAMA》、《NEJM》一般是大于0.01的保留2位，小于0.01的保留三位小数。国内期刊一般都保留三位小数。我建议，诸位写论文，P值保留三位小数为妥。后期可根据编辑部要求进行减少。
●谨慎使用“研究得出具有因果关联”的表述。如果你的研究是一项观察性研究，就要谨慎使用因果的字眼。例如，观察性研究可能表明父母教育水平与儿童营养不良之间存在关联，但这并不意味着提高父母教育水平就能消除儿童营养不良，只有某些形式的研究设计和研究方法才能归因于因果关联。今天的文章就分享到这里，文章想要顺利发表，这些小细节不能放过，希望对大家有所帮助！![]()
