医学论文由于经常需要报告精确数据和确定样本的统计学意义，与理工农商等领域的论文相比，在数据结果的表达方面具有两个非常不同的特点，即需要大量使用表格和统计学分析。

要想提高医学论文的写作能力？提高医学论文的质量？在结果部分处理好表格内容、在方法和讨论部分处理好统计学分析是非常关键的两个举措。这两个问题也是医学论文审稿专家非常看重的。

【资料图】

关于这两个方面，由山西医科大学的殷国荣、郑金平主编、由科学出版社于2015年出版的《医学科研方法与论文写作》（第3版，ISBN 978-7-03-044525-4）有详细论述，建议读者阅读。该书已被许多高等院校选做本科生和研究生的教材。

虽然书中某些章节的内容有所重叠和散布，但仍不失为一本非常值得精读的经典书籍，不仅对于医学专业的人士很有用，对于理工农商各学科人士也都有普适的指导意义。

该书包括以下16章，其中第11章介绍表格，第2、3、7、11、12章介绍统计学方法：

医学科研方法和创新思维；

实验的基本要素及误差控制；

实验设计的基本原则与方法；

医学文献计算机检索；

医学文献的积累与综述撰写；

医学科研课题的申请；

临床医学研究方法与试验设计；

医学论文的基本格式与写作方法；

医学论文的写作步骤；

各类医学论文的写作特点；

实验结果的表达技术；

医学论文的评价与常见错误分析；

英文摘要的撰写；

医学论文的发表；

如何向SCI期刊源期刊投稿；

医学科技成果与专利申请。

常用的表格包括卡线表和三线表。卡线表在左上角栏头设有斜线，还有竖线和框线，不够简练，排版工作量较大。三线表由卡线表改造精简而成，在栏头取消斜线，表身不出现竖线和框线，并省略横分隔线，只出现上下两条粗线（顶线和底线）和表头下面的一条细线（标目线）。表格的标目是表内各项目的名称，用来表示表内数字或文字内容的含义和单位。横标目（又称左标目）位于表格最左列第一行，通常用来表示表格所叙述的研究对象（类似于主语），管理最左列。纵标目位于标目线上沿的各列，用来说明各项指标的名称、代号和单位（类似于谓语），管理纵向其他各列。另外，可以按需在表格的最右侧设置合计列，或在表格的最下面设置合计行。主语和谓语颠倒，又称横纵标目颠倒，是制表时最常见的错误。

医学科研的统计设计是运用统计学方法减小误差，进行差异显著性检验（例如求P值），保证样本的代表性和样本之间的可比性，确保试验结果的准确性、可靠性和可重复性。由于个体差异较大，医学试验数据必须进行统计学分析才有意义。例如，如果样本数量过少，很难排除抽样误差对试验结果的影响。

另外，当试验数据显示病因与疾病之间存在统计学关联时，只说明这两者之间的关联能够排除随机误差的干扰，但并不说明两者之间必然存在因果关联。如需确定因果关联，还需要排除选择偏倚、测量偏倚、混杂偏倚等系统误差的干扰，避免出现虚假关联。当两种疾病都与某因素有关联时，这两种疾病之间也会呈现明显的统计学关联。这种关联称为间接关联。在排除了抽样误差、虚假关联和间接关联后，两个事件之间的关联才可能是因果关联，才能从致病因素推导出疾病发生的结果。

在医学论文审稿中常见的统计学错误包括以下六种。

统计学概念混淆：将统计学意义较大与影响因子效果强烈这两个概念混淆。两个总体均值之间的差异具有统计学意义，是指这两个均值之间具有本质差异，而这差异不是由于抽样误差引起的。但是，这并不代表两个均值之间的差异很大或影响因子的效果强烈。

缺乏统计学处理：在从样本信息推断总体规律时，关于样本的假设检验统计量计算有缺陷，甚至直接根据统计指标观察值的绝对值做出结论，而忽略统计学处理。

误用统计学方法：未根据试验资料的设计方法选择正确的假设检验方法，因而导致错误的结论。乱用t检验、P检验、卡方检验、秩和检验、方差分析。对于相同的数据，不同的假设检验方法可能会给出相反的结论。例如，当把适用于成组设计数据的假设检验方法误用到配对设计数据时，可能会将具有统计学意义误读为无统计学意义。

统计学分析结果不完整：在做假设检验时只列出P值，而没有说明所选用的统计学分析方法（例如t检验、卡方检验、方差分析），或者没有给出计算的统计量取值。

因果关联统计学分析缺失：在病因分析的因果关联上缺乏抽样误差、虚假关联和间接关联的统计学分析。

统计学格式错误：在符号和斜体上误用统计学符号。

感兴趣的同学，可以对该著作进行进一步研读。

标签：