Medical research data
医学研究数据分析
怎么选方法？
拿到数据，先打开 SPSS 或 R 软件跑一遍？
这可能是医学研究统计分析里最常见的起点，却往往不是最好的起点
很多研究者面对数据时，第一反应是：“我这个数据该用什么检验？t 检验还是卡方？要不要做回归？”
但真正决定分析方法选择的，不是软件菜单里有什么，而是你的研究设计、研究问题和结局类型。
统计分析不是研究结束时的“计算步骤”，而是研究设计的一部分。先明确问题，再选择方法，才能让数据回答它真正能够回答的问题。
选择统计方法之前，先回答四个问题：
1. 研究对象是谁？
是住院患者、社区人群，还是某种疾病的术后患者？
2. 暴露因素或干预是什么？
是生物标志物水平、治疗方案、生活方式因素，还是某种手术方式？
3. 主要结局是什么？
是连续指标（如血压、血糖）、分类结局（如是否发生并发症），还是生存结局（如无进展生存期）？
4. 研究设计是什么？
是横断面研究、病例对照研究、队列研究，还是随机对照试验？
此外，还要区分主要分析和探索性分析。主要分析应围绕研究方案中预先设定的核心问题展开；探索性分析可以产生假设，但不宜看过结果后临时更换研究问题，再把探索性结果包装成主要结论。
一句话：先有问题，再有方法；先有设计，再有模型。
连续、分类和生存结局的分析思路不同。
• 连续结局：如血压、血糖、评分量表，可考虑线性回归模型；若存在重复测量，可考虑混合效应模型或 GEE。
• 二分类结局：如是否发生事件、是否有效，可考虑 logistic 回归。
• 计数结局：如住院次数、不良事件数，可考虑泊松回归或负二项回归。
• 生存结局：如生存时间、复发时间，可考虑 Kaplan-Meier 分析和 Cox 比例风险模型。
但要注意：不能仅凭结局类型“套公式”。
还要检查数据分布、研究设计、模型假设，以及重复测量、聚类等数据结构的处理。例如，同一患者多次测量时，观测值并不独立；多中心研究时，患者可能嵌套于中心。这些结构如果被忽略，标准误和 P 值都可能失真。
所以，模型选择至少要看四件事：结局类型、研究设计、数据分布、模型假设。
1. 混杂因素怎么选？
应根据研究问题和专业知识确定需要控制的混杂因素，而不是只凭单因素分析结果筛选变量。
单因素 P 值不能替代专业判断。一个变量是否纳入模型，要看它是否是混杂因素、是否与研究问题相关、是否有明确生物学或临床依据。
2. 交互作用要不要做？
如果有明确依据，可预先设定交互作用分析。例如，某药物疗效是否在不同性别或不同疾病亚型中不同。交互分析应有假设、有目的，而不是把所有变量两两相乘“大海捞针”。
3. 缺失数据怎么处理？
应报告缺失数据的数量、分布和处理方式。
常见方法包括完整病例分析、多重插补等。不同处理方法可能影响结果，因此建议开展敏感性分析，评估主要结论是否稳健。
P 值很重要，但它不能说明效应有多大，也不能单独代表结果的重要性。
例如，“P < 0.05”只提示统计学显著性，却不告诉你效应方向、效应大小和估计精度。
更完整的报告应包括：
• 效应量：如OR、RR、HR、β...；
• 置信区间：反映估计的不确定性；
• P 值：作为辅助判断证据。
解释结果时，还要结合研究背景与临床意义。一个统计学显著但效应很小的结果，未必具有重要临床价值；一个置信区间很宽的结果，也提示估计不够精确。
报告重点不是“有没有显著”，而是“效应多大、方向如何、估计有多准”。
在研究方案中，建议预先说明：
• 主要结局和次要结局；
• 主要分析模型；
• 需要控制的协变量；
• 缺失数据处理方法；
• 敏感性分析计划；
• 是否预设亚组或交互分析。
如果实际分析与原计划不同，应说明原因，并区分计划内分析和探索性分析。
预先写好统计分析计划，不是为了束缚分析，而是为了减少“结果导向”的分析选择，提高研究的透明性和可信度。
医学研究数据分析，方法当然重要，但方法不是第一步。
更合理的顺序是：
明确研究问题 → 看清研究设计 → 识别结局类型和数据结构 → 预设混杂、交互和缺失处理 → 选择模型 → 报告效应量与不确定性 → 做敏感性分析。
统计分析不是研究结束时的“计算步骤”，而是研究设计的一部分。
先明确问题、再选择方法，并如实报告结果，才能让数据回答它真正能够回答的问题。
下次打开 SPSS 或 R 之前，不妨先问自己一句：
我的研究问题，到底需要什么样的证据来回答？
