统计结果的正确报告:p值、置信区间、效应量的标准格式 — Editverse 中国

统计结果的正确报告:p值、置信区间、效应量的标准格式

统计结果报告步骤图:p值、置信区间、效应量、多重比较校正与样本量依据的标准报告顺序
图1. 完整的统计报告应同时包含p值、置信区间和效应量。 © editverse.com

引言

“p < 0.05″——这三个字符可能是医学论文中最常见、也最容易被误解的统计陈述。Chavalarias等对1990–2015年MEDLINE摘要和PubMed Central全文的大规模分析发现:在报告了p值的摘要和文章中,96%至少报告了一个p ≤ 0.05;而在人工核查的796篇实证研究摘要中,同时报告效应量和置信区间的仅占1.8%。

更严重的是,许多研究者把p值视为”魔法数字”——仿佛p < 0.05就代表”真实的”、”重要的”、”应该相信的”。但这是对p值的根本性误解。p值本身不能告诉你结果有多重要(这需要效应量),也不能直接告诉你真实参数的位置(这需要置信区间)。

美国统计学会2016年声明指出,科学结论不应仅依据p值是否跨过阈值。应结合研究设计、效应估计及其不确定性报告结果,并逐项核对目标期刊现行要求。

本文将详解p值、置信区间和效应量的正确报告方法,帮助你避免常见错误,确保你的统计结果既严谨又易于理解。


p值的正确理解和报告

p值的真实含义

p值定义为:在零假设为真的前提下,观察到现有数据(或更极端的数据)的概率。

p值常见的错误表述与改正

错误表述 问题 改正
p < 0.05 不精确,丢失信息 报告确切值:p = 0.023
p = 0.000 计算机四舍五入,但绝不会等于0 改为 p < 0.001 或 p < 0.0001
p值”接近”显著 模糊的、未定义的 报告确切值(p = 0.087),让读者判断
p = not significant (NS) 国际期刊已不接受 改为:p = 0.28 或 p > 0.05
p达到显著性 p不能”达到”任何东西 改为:结果在统计学上显著(p = 0.023)

p值常见的理解误区

误区1:”p = 0.04意味着结果有96%的概率是真实的”

错误理解:这是最常见的p值误解。p值是在零假设为真的条件下的概率,不是”零假设为假”的概率。

正确理解:p = 0.04意味着”如果两组患者的治疗效果实际上没有差异,那么观察到当前差异程度(或更极端)的概率是4%”。

误区2:”p < 0.001表示结果绝对真实和重要”

大样本可以导致微小的、临床上不重要的差异也呈现p < 0.001。例如:3,000名患者比较两种降压药,组间差异0.2 mmHg,p < 0.001——但0.2 mmHg在临床上完全不重要。p值反映数据与指定统计模型的相容程度,不能单独证明差异存在,也不衡量差异大小。必须报告效应量。

误区3:”p = 0.06是’接近显著的’”

p = 0.05是一个任意的临界值(传统选择),不是”魔法数字”。p = 0.06和p = 0.05在统计学上无本质差异。都应该表述为:在预设的α = 0.05水平,结果不显著。

避免p-hacking(数据挖掘)

常见的p-hacking技巧(都应该避免):

  1. 多重检验不校正:错误做法是测试50个变量,只报告其中20个p < 0.05的,忽视其他。正确:若进行多个独立检验,使用Bonferroni或FDR校正。
  2. 选择性报告结果:只报告达到p < 0.05的结果,隐瞒p > 0.05的相关分析。正确:预先注册分析计划,按计划报告所有主要和次要结果。
  3. 样本量灵活性:持续检查p值,一旦p < 0.05就停止数据收集。正确:预先计算样本量,按计划收集。

置信区间的意义和应用

什么是置信区间(CI)?

置信区间是对参数的范围估计。95% CI表示:如果重复进行100次相同的研究,大约95次的CI会包含真实的总体参数。

置信区间 vs p值

维度 p值 置信区间
问题 数据与指定统计模型是否相容? 差异有多大?精度如何?
信息量 连续的p值,须结合设计与其他证据解释 点估计+范围+精度
临床应用 用于假设检验决策 用于临床评估和决策

置信区间在临床决策中的应用

例1:新药的有效率估计

研究:100名患者,新药有效60例

点估计:有效率 = 60%;95% CI:[49.8%, 70.2%]

解释:最可能的有效率是60%,但真实有效率可能在50%-70%之间。CI提供了重要的精度信息,仅报告有效率60%无法体现不确定性。

例2:非劣效性评估

新药平均生存:32个月;标准药:30个月;差异:2个月;95% CI:[-1.5, 5.5]个月;p = 0.24。

临床判断:虽然p > 0.05,但CI包含负值(新药可能更差)。这意味着我们的证据不足以声称新药与标准药等效或更好。如果仅看p值(”无显著差异”),可能误导临床医生认为两个治疗”等价”。

置信区间的正确报告格式

正确:
- 干预组患者的3年生存率为45%(95% CI:38%-52%),高于对照组的35%(95% CI:28%-42%)。
- 调整后,年龄每增加10岁,心梗风险增加15%(HR = 1.15,95% CI:1.08-1.23,p < 0.001)。

错误:
- 生存率为45% (p = 0.01)。 → 缺失CI

效应量和临床意义

为什么必须报告效应量?

效应量量化结果的大小,而不仅仅是是否存在。

常用的效应量指标

1. Cohen’s d(连续变量的效应量)

公式:d = (μ1 - μ2) / σ

解释:d < 0.2微小效应;0.2-0.5小效应;0.5-0.8中等效应;d > 0.8大效应。

2. Odds Ratio(OR,二分类结果)

OR = 1.0无关联;1.0 < OR < 2.0小到中等效应;OR > 2.0大效应;OR < 0.5保护效应。

3. Hazard Ratio(HR,生存数据)

HR = 1.0无差异;HR < 1.0风险降低(保护效应);HR > 1.0风险升高。

4. 风险差(绝对效应量)

定义:两组风险的绝对差异。

例子:A药物的心梗风险2%,B药物4%。绝对风险差 = -2%(每治疗1,000名患者可预防20个心梗)。相对风险 = 0.5(A药的风险是B药的一半)。患者更关心的可能是绝对数值(”每治疗1,000人预防多少事件”)。

效应量的报告规范

正确:
- 格式示例(假设数据):干预组86/120例(71.7%),对照组62/120例(51.7%);未调整OR = 2.37(Wald 95% CI:1.39–4.04),Pearson χ²检验(未作连续性校正)p = 0.0014。
- 相对于对照组,干预组患者的心梗风险降低了28%(HR = 0.72,95% CI:0.54-0.96,p = 0.024)。

错误:
- 两组差异显著(p = 0.001)。 → 未报告OR或HR

多重比较的调整方法

Bonferroni校正

原理:将α除以检验数量。若进行5个独立检验:α_corrected = 0.05 / 5 = 0.01。则每个检验的p值需 ≤ 0.01 才算显著。

优点:简单、保守。缺点:当检验数很多时,α_corrected过小,容易漏掉真实效应(统计功效低)。

False Discovery Rate (FDR)控制

原理:FDR控制被拒绝假设中错误拒绝(假发现)所占比例的期望值。设目标FDR为5%,不代表每100个检验最多出现5个假发现,也不保证某一次分析的假发现比例不超过5%;所用方法还须满足其适用条件。

优点:在多重检验情况下功效更高于Bonferroni。

何时进行多重比较校正

情况 是否需要校正 方法
预先指定的主要假设,仅一个 否 无需校正,直接报告p值
预先指定的多个独立假设 是 Bonferroni或FDR
探索性分析,多个假设检验 是 FDR(Bonferroni过于保守)
亚群分析(事后的多个比较) 是 Bonferroni或注明”未校正”

统计功效和样本量的报告

样本量计算的报告内容

必须包含:
1. 预期的效应大小(基于文献或前期数据)
2. α水平(通常0.05)
3. β水平或统计功效(通常功效80%-90%)
4. 计算公式或软件

例如:
"样本量计算基于以下假设:
- 预期两组生存率的差异为15%(60% vs 45%)
- 显著水平α = 0.05(两尾检验)
- 统计功效80%
- 使用PASS软件计算,每组需要144例患者。
考虑15%的脱落率,每组招募170例患者。"

论文中统计结果的标准格式

ICMJE标准 vs CMJ标准

要求项 ICMJE(国际) CMJ(中文) 我们建议
p值精度 报告确切值(p = 0.023) 可报告p < 0.05 必须报告确切值
置信区间 强烈建议报告 常见但非强制 必须报告
效应量 强烈建议报告 鲜少要求 建议报告
多重比较校正 必须说明 常被忽视 必须说明
样本量计算 必须报告 常被忽视 建议报告

结果章节的标准格式示例

格式示例(假设数据):干预组86/120例(71.7%),对照组62/120例(51.7%);
未调整OR = 2.37(Wald 95% CI:1.39–4.04),Pearson χ²检验(未作连续性校正)p = 0.0014。

多因素Cox回归模型(调整年龄、性别、基线病情)显示,干预是独立的保护因素
(调整HR = 0.68,95% CI:0.50-0.92,p = 0.013)。

常见统计报告错误的批量修正

错误模式1:报告不精确的p值

逐项核查原始分析输出,报告实际得到的精确p值。本文p = 0.023等仅是格式示例,不能把全文不同的p < 0.05机械替换为同一个数值;若仅保留阈值结果且无法恢复原始输出,应如实说明,不能编造精确值。

错误模式2:缺失置信区间

缺少置信区间时,应在有原始数据或充分、可靠汇总统计量的前提下采用适当方法计算;不能凭p值阈值或本文示例数字补造区间。需要时可请医学数据重新分析服务核查可用信息与计算方法。

错误模式3:多重比较未校正

修正方法:区分主要假设和探索性分析,在方法章节明确说明是否进行校正。


结论

正确报告统计结果不仅是格式问题,而是科学严谨性和透明度的体现。一份完整的统计报告应包含:

  1. p值:精确值(p = 0.023),而非模糊的”p < 0.05″
  2. 置信区间:显示估计的精度,推论到总体
  3. 效应量:显示结果的实际大小,评估临床重要性
  4. 多重比较处理:说明是否进行了校正及方法
  5. 样本量依据:说明研究如何设计确保统计功效

过度强调p值的时代已经过去。现代医学期刊和指南都要求p值 + CI + 效应量的”三位一体”报告。Editverse的统计报告审核可以确保你的论文的每一个数字都符合ICMJE和CMJ的最新标准。


常见问题

论文里可以写p = 0.000吗?

不可以。p值不会等于0,这是软件四舍五入的结果,应改写为p < 0.001或p < 0.0001。

p = 0.06可以表述为“接近显著”吗?

不建议。“接近显著”是模糊、未定义的表述;应报告确切值,并表述为在预设的α = 0.05水平结果不显著。

已经报告了p值,还需要报告置信区间吗?

应报告与研究问题相匹配的效应估计及其不确定性。p值不能单独证明差异存在;具体格式应核对目标期刊现行要求,不应将某一期刊或年份概括为所有研究的统一规则。

医学论文常用的效应量指标有哪些?

连续变量常用Cohen’s d,二分类结果用OR,生存数据用HR,此外还可报告风险差等绝对效应量。

什么情况下需要做多重比较校正?

预先指定的多个独立假设、探索性分析中的多重检验以及事后亚群分析都需要校正;只有一个预先指定的主要假设时无需校正。

样本量计算部分需要报告哪些内容?

需写明预期效应大小、α水平、β水平或统计功效(通常80%-90%)以及计算公式或软件,并说明对脱落率的考虑。

参考文献

  1. D’Arrigo G, et al. Common mistakes in biostatistics. Clin Kidney J. 2024;17:sfae197. PMID: 39165900 DOI: 10.1093/ckj/sfae197
  2. Misra DP, Zimba O, Gasparyan AY. Statistical data presentation: a primer for rheumatology researchers. Rheumatol Int. 2021;41(1):43-55. PMID: 33201265 DOI: 10.1007/s00296-020-04740-z
  3. In J, Lee DK. Alternatives to the P value. Korean J Anesthesiol. 2024;77(3):316-325. PMID: 38835136 DOI: 10.4097/kja.23630
  4. Mascha EJ, Vetter TR. Significance, Errors, Power, and Sample Size. Anesth Analg. 2018;126:691-698. PMID: 29346210 DOI: 10.1213/ANE.0000000000002741
  5. Hopewell S, et al. CONSORT 2025 statement. BMJ. 2025;389:e081123. PMID: 40228833 DOI: 10.1136/bmj-2024-081123
  6. Schmidt SAJ, et al. Research Techniques Made Simple: Sample Size Estimation. J Invest Dermatol. 2018;138(8):1678-1682. PMID: 30032783 DOI: 10.1016/j.jid.2018.06.165
  7. Chavalarias D, et al. Evolution of Reporting P Values in the Biomedical Literature, 1990-2015. JAMA. 2016;315:1141-1148. PMID: 26978209 DOI: 10.1001/jama.2016.1952

稿件咨询

正在准备这个方向的稿件?

留下研究方向与稿件阶段,博士、医学博士与统计专家会通过邮件给出审阅方向。

  • 博士 · 医学博士 · 统计 · 学科专家团队协同审阅
  • 无需预付即可开始,初稿交付后再付款
  • 遵循院校/机构规定与国家科研诚信规范,并遵循 COPE · ICMJE;严格保密
  • 一个工作日内邮件回复

    类似文章