编者按：临床医生并非科研出身，论文上经常会出现多多少少的「小问题」。丁丁班主任今天带来一篇大盘点，指出临床医生论文中出现的常见错误。
对于一个研究而言，一般而言先要计算样本纳入量，否则做出来的研究极有可能没意义。
笔者曾经接到过一位麻醉学博士的求助电话，叙述他在预答辩环节，被问「为什么你的研究 A、B 两组选择这么多例老鼠」时，他答不上来的焦虑。而当这个问题被临床流行病学方面的专家问到时，基本上文章也就被判「死刑」了。这个文章就属于具有严重问题——没有说明样本纳入量的问题。
科学研究一定要严谨，一定要杜绝学术造假。
笔者曾看过一篇文章初稿写着：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，我们要求作者解释为何会出现这种情况时，他送回来的修改稿将 A、B、C 三组的例数改成了 60,60,65 例。当然这篇稿子秒退，理由（高度怀疑数据造假）。
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。
目前为止笔者结合相关文献及本人经验认为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。
正确的随机方法目前主要包括手工法和计算机法，手工法目前较为常用的就是随机数字表法，计算机法则是通过相应的软件进行随机分组。
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。
我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。
写到这里肯定有很多人要问，是不是所有的临床研究都必须要设立对照组，答案是：不是。
类似器官移植（肝脏、肾脏、心脏）等研究可以不用对照组。为什么？这是因为当器官的疾病严重到使其完全丧失功能时，除了进行器官的移植，病人的转归无一例外的是死亡。而这些器官的移植成功，尽管成功率不是百分之百，但毫无疑问地延长了绝大多数病人的生命，而且根本地改变了生存的质量。因此，这些器官的移植，自然无需设假手术对照的研究来证实其疗效。
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。这里笔者的经验是，在由 P 值得出的相应结论中，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，拿白话文来说就是：证据的强度大小不代表效应量的大小。
P 值或统计的显著性和样本量大小及测量精度密切有关，样本量大测量精度高，即使是很小的效应也有可能有统计显著性，反之，样本量小，即便效应很大也有可能统计上不显著。此外，统计上的显著性，和结果的重要性，也没有必然的关系。
也许，你在你的论文中还会碰到其他无法解决的问题，《医学统计学从入门到精通》系列视频课程可以帮你解惑。
100 元优惠券限量领取，现在购买还免费赠送 VIP 群咨询服务。
长按下方二维码或点击文末「阅读原文」，点击「立即报名」（系统自动输入优惠码 yxtjx，抵扣 100 元）→ 点击「去支付」，即可以优惠价 488 元完成报名。
《医学统计学》系列视频课程
讲师以自己在医学科研道路上的成长历程为素材，以医学科研与 SCI 论文写作过程中实际的统计学问题为导向，系统讲授医学统计学的理论与相应的统计软件实现方法以及结果解读。
《医学统计学》系列课程（总计 27 课时）
a. 统计思维培养与常见统计学错误辨析；
b. 基本涵盖与临床科研密切相关的统计学内容：如 t 检验，卡方检验，方差分析，秩和检验、一致性检验、相关分析、线性回归，Logistic 回归，Cox 回归、ROC 分析等；
c. 医学论文中曝光率比较高的新方法，如倾向性匹配得分（PSM）分析，Nomogram 绘制等。
周支瑞老师，医学博士，目前以第一作者、共同第一作者、通讯作者发表 SCI 论文 30 余篇（总影响因子大于 100 分）。主编专业著作6部，其中统计学著作 3 部，循证医学相关学术著作 2 部。担任两本 SCI 杂志的 Section editor，多本 SCI 杂志审稿人。多次受邀在国内学术会议发言，讲授医学统计学与循证医学方法学课程，授课深入浅出，通俗易懂。
