医学论文 Table 1 基线特征表制作规范:均值标准差 vs 中位数四分位距、P 值争议与 SMD 规范
临床医学论文的 Table 1 基线特征表常遭遇审稿人关于统计量选型、缺失值隐匿与显著性 P 值的质疑。本文系统梳理 RCT 与观察性队列的制表规范,详解均值与中位数适用场景、SMD 均衡性评价与自动化统计管线。
HumanPen 团队
· 11 分钟
临床论文 Table 1 基线特征表制作规范:统计量选择与组间比较规则
在临床医学论文中规范制作基线特征表(Table 1)时,对称分布的连续变量应汇报均值与标准差(`mean ± SD`),偏态分布应汇报中位数与四分位距(`median [IQR]`),分类变量则汇报频数与百分比。在随机对照试验(RCT)中,CONSORT 规范第 15 条明确建议不要在基线表汇报假设检验 P 值,因为真随机已保证两组差异纯属偶然抽样误差;而在观察性队列研究中,应依据 STROBE 规范第 14 条汇报各变量缺失值,并采用标准化均数差(SMD)评估暴露组间的协变量均衡性。
临床医生、生物统计学家与医学研究生在为期刊稿件整理基线特征表(Table 1)时,经常面临同行评审的方法学挑战。顶刊编辑与统计审稿人经常因作者在 Word 表格中填入前后矛盾的样本分母、隐匿关键变量的缺失值,或者在随机试验的基线表中打满显著性星号而提出大修。规范的基线表制作要求研究者严格遵循现代流行病学指南,将研究设计逻辑与CONSORT 临床试验报告规范与学术合规分析以及医学结构化摘要压缩与规范指南紧密衔接。
随机对照试验对基线特征进行显著性检验是在检验一个已知为真的原假设,而在观察性队列中 P 值又会将样本量与临床不平衡相混淆;评估基线均衡应统一采用标准化均数差(SMD)。
为什么 CONSORT 规范反对在 RCT 基线表中列出 P 值,而队列研究推崇 SMD
CONSORT 规范第 15 条明确指出,随机对照试验(RCT)不应在基线特征表中进行假设检验或标注显著性 P 值。这一规定的理论根基在于概率论与因果推断:当受试者经过真正的随机分配进入各试验组时,组间不存在系统性差异的原假设在试验前就已经被逻辑证实为真。基线时观察到的任何年龄、血压或生化指标差异,在定义上纯属随机抽样波动,绝非系统性选择偏倚。在这种前提下汇报 P 值在统计学上是无意义的,因为所谓的显著差异(如 `p < 0.05`)仅仅是在检验多个基线指标时必然伴随的假阳性(I 类错误)。
在非随机的观察性队列研究或病例对照研究中,方法学问题则完全相反。由于适应证混杂与选择偏倚的存在,暴露组与对照组之间往往确实存在系统性基线差异。然而,直接使用假定检验的 P 值(如两独立样本 t 检验或卡方检验)来衡量组间是否均衡同样存在严重缺陷,因为 P 值受样本量大小的支配。在一个纳入 80,000 例患者的真实世界登记库中,两组平均年龄仅相差 0.2 岁就会计算出 `p < 0.001`,诱导研究者陷入过度调整;反之,在一个仅有 60 例患者的小样本探索性队列中,严重的肾功能不全临床失衡可能因统计效能不足而得出 `p = 0.18`,误导作者做出基线均衡的错误判断。
| 评估维度 | 随机对照试验(RCT) | 观察性队列研究 | 倾向性评分匹配队列(PSM) |
|---|---|---|---|
| 适用报告规范 | CONSORT 规范(第 15 条) | STROBE 规范(第 14 条) | STROBE 规范与倾向评分指南 |
| 组间比较假设 | 真随机分配保证原假设先验为真 | 预期存在系统性选择偏倚与混杂 | 目标是模拟随机试验的均衡状态 |
| P 值标注规范 | CONSORT 与主流期刊编辑建议不放 | 不建议作为均衡指标(极易受样本量干扰) | 严禁标注(匹配后样本对破坏独立性假设) |
| 核心均衡性度量 | 基于临床判断考察关键预后协变量 | 标准化均数差(SMD) | 标准化均数差(SMD) |
| 均衡性判断阈值 | 评估对预后结局的实际临床影响 | SMD < 0.10 提示组间差异可忽略 | 所有匹配协变量 SMD < 0.10 |
| 缺失数据报告要求 | 分试验组汇报各变量的缺失例数 | 强制按变量报告缺失频数与百分比 | 分别报告匹配前与匹配后的缺失例数 |
为消除 P 值对样本量的依赖性,现代流行病学统一推荐使用标准化均数差(Standardized Mean Difference, SMD)。SMD 的计算方法是将两组间的均值差异除以合并标准差,因此其数值完全独立于样本容量。在连续变量中,它对应经典的 Cohen 效应量框架;在多分类变量中,它通过马氏距离(Mahalanobis distance)综合衡量各个类别的比例离散程度。广泛认可的方法学评价标准为:当 `SMD < 0.10` 时,提示两组协变量达到优良均衡;当 `0.10 <= SMD < 0.20` 时,属于可接受的微小差异;而当 `SMD >= 0.20`(部分严格标准采用 0.25)时,则表明存在显著的基线不平衡,必须在后续的多因素回归模型、倾向评分加权或工具变量分析中作为混杂因素予以校正。
与随样本量扩大而不断趋近于零的 P 值不同,SMD 衡量的是协变量失衡的真实纯效应量;在观察性研究中,应争取使所有关键预后变量的 SMD 保持在 0.10 以下。
统计描述量选择:正态性检验、偏态分布、分类变量与 STROBE 缺失值报告
在 Table 1 中为连续变量选择恰当的统计描述形式,需要进行严谨的分布检验,而非凭空臆断。对于服从正态分布的指标,应汇报样本均值与标准差(`mean ± SD`);对于呈偏态分布的指标——如住院天数、肌钙蛋白浓度或重症监护费用等——作者必须汇报中位数与四分位距(`median [IQR]`),并在表格脚注中明确注明方括号内呈现的是第 25 与第 75 百分位数(如 `52 [38, 71]`)还是四分位间距数值。尤为关键的是,严禁在 Table 1 中使用均数的标准误(SEM);SEM 反映的是多次重复抽样估计总体均数时的抽样误差,而 Table 1 的核心职能是描述当前研究样本的真实生物学离散度。
对于分类变量与二分类指标,作者应规范汇报频数与百分比,表述为 `n (%)`。呈现百分比时,必须在表头或第一行明确标注计算分母。在包含总计栏、对照组与干预组的多栏基线表中,各组列内的百分比应以该组的总样本量为分母(即列百分比),以便读者直接横向对比各亚组的患病率或特征占比。若在需要进行假设检验的观察性研究中出现较小的格子频数(理论频数小于 5),应使用 Fisher 精确检验替代 Pearson 卡方检验,以避免渐近卡方分布近似失效带来的偏倚。
- 使用 Shapiro-Wilk 正态性检验、偏度系数及 Q-Q 图综合判断分布特征,对称分布赋予 `mean ± SD`,偏态指标统一使用 `median [IQR]`。
- 分类变量规范列出绝对频数与组内列百分比,确保同一特征各层级的百分比总和等于非缺失样本总数的 100%。
- 严格落实 STROBE 规范第 14 条要求,对存在未采集数据的变量单列 `Missing, n (%)` 缺失行或专设缺失统计列。
- 在表格脚注中逐一说明全部统计缩写与符号含义(如 `SD`、`IQR`、`SMD`、`BMI`),并注明所采用的统计软件版本与分布判定阈值。
完整报告缺失数据是落实 STROBE 规范第 14 条的关键审核指标。基于电子病历或真实世界登记库的观察性队列,经常面临检验指标漏查、吸烟史未完整记录或社会经济学数据缺失等情况。若作者对缺失例数隐瞒不报,仅根据有记录的病例计算百分比,会导致表格分母与纳入人群严重脱节。审稿人若发现一个纳入 1,500 例患者的队列中,某项血液生物标志物行悄然只包含了 920 例患者,就会对数据流转的真实性产生怀疑。作者必须在表格中通过增加专门的缺失列或嵌套缺失分类行,公开标明各变量的缺失频数,供同行评审专家判断缺失机制是否属于完全随机缺失,抑或存在潜在的选择偏倚。
从 CSV 或 Excel 自动化生成 Table 1:tableone 工具包与可复现统计管线
在统计分析软件与 Microsoft Word 或 Excel 之间手动复制粘贴数据来组装 Table 1,是导致学术论文数据不一致的高发环节。在临床试验与前瞻性队列研究的投稿与修回周期中,受试者数据集经常发生动态调整:二审可能要求剔除 15 例严重违背方案的患者,或者审稿人建议排除既往有心血管事件的病历。一旦入排标准发生变动,如果依赖人工在电子表格中重新逐项计算二十项连续变量与三十个分类层级,极易出现分母前后矛盾、转录笔误以及表格单元格错位等低级错误。
为根除手工转录失误并确保可复现的基线制表,生物统计学界广泛采用自动化制表工具,例如由 Pollard 等人(Pollard et al., 2018, JAMIA Open)开发的 Python 版开源工具包 `tableone`(该包受 Kazuki Yoshida 与 Justin Bohn 开发的 R 语言同名 `tableone` 包启发编写)。该工具包能够直接读取结构化数据框,研究人员仅需在代码脚本中统一定义连续变量列表、分类因子列表以及分层分组变量。通过配置 `nonnormal` 参数指定偏态分布变量,并设置 `smd=True`,`tableone` 即可自动选择对应的分布描述形式、批量计算各对比组间的标准化均数差,并在单次执行中生成排版规范的统计摘要字符。
建立严谨的统计分析管线能够实现从原始数据到出版级交付物的自动化映射。例如,分析人员通过 Python 的 pandas 库读取数据文件 `data/patient_registry.csv`,在代码中指定 `columns = ['age', 'systolic_bp', 'creatinine', 'diabetes_status']`,声明分类变量 `categorical = ['diabetes_status']`,并将分组变量设为 `groupby = 'treatment_arm'`。随后调用 `TableOne(df, columns=columns, categorical=categorical, groupby=groupby, nonnormal=['creatinine'], smd=True, pval=False)`,即可瞬间生成完整的基线特征矩阵。随后借助 `python-docx` 或 R 语言的 `flextable` 模块,可将数据对象导出为标准的 Word 三线表,使表格单元格 `B2` 或 `C15` 中的每一个统计数值均能无缝溯源至底层数据库。
使用 tableone 将 Table 1 的制作脚本化,能将耗时数小时且极易出错的手工录入转变为自动化管线;当样本入排标准更新时,数十个临床变量的统计数值数秒内即可全面刷新。
在 HumanPen 中规范生成基线特征表与可复现研究交付物
面对复杂的临床数据清洗、期刊三线表排版转化以及可复现统计代码编写,研究团队可以在HumanPen 发起项目模块中端到端推进。上传数据和文献、写清需求,确认方案后才开工,经审核后交付报告、图表和代码,可在线预览或打包下载。
这种全流程可复现的分析工作流已在平台公开的国际卒中试验(IST)二次分析示例项目中完整呈现(查阅 IST 临床试验公开示例项目)。该项目基于 19,435 例经过 3×2 析因设计随机分组的阿司匹林与皮下肝素临床患者数据,精准复现了 1997 年发表于《柳叶刀》(Lancet)的终点事件发生率(6 个月死亡或残疾率 62.2% 对比 63.5%;未调整 `p = 0.072`,预设协变量校正比值比 `OR = 0.93`,`95% CI 0.87–0.99`)。项目交付了长达 37 页包含 22 个规范制表(含完整 Table 1 基线特征表)的统计分析报告 `SAR.docx`,并同步附带自动化 Python 计算管线与 R 语言独立复核代码(`check_with_R.R`)。
研究团队可上传 Excel、CSV、Word、PDF 或 zip 压缩包等格式的数据与文献资料,单项目支持上限达 2 GB。所有数据计算均在独立的隔离沙箱中使用 Python 或 R 运行;原本规划在 SPSS 或 Stata 中完成的分析均转由 Python 或 R 脚本实现。万得 Wind 或中国知网 CNKI 等受限数据库数据需作者先行导出后提供,平台暂不支持 GPU 训练。尤为重要的是,交付的所有统计三线表、分析报告及代码均定位为可复现的学习与方法学参考底稿。主要研究者、临床医生或研究生必须对照医院原始病历或试验注册中心复核所有数字,如实填报学术诚信披露,并严格遵守目标期刊与科研院所的相关伦理与作者规范。
每个项目均在独立沙箱中运行且数据传输全程加密,开工前需经方案确认,支持跨版本修改迭代,文件在最后活动后保留 6 个月并支持随时彻底删除。
常见问题解答
如果连续变量仅有轻度偏态,应该汇报均值(标准差)还是中位数(四分位距)? 当临床指标呈现轻度偏态、均值与中位数出现轻度分离时,最佳做法取决于临床可解释性与领域发表惯例。如果偏度系数绝对值在 0.5 以内,且该领域的既往基准研究普遍汇报均值,采用 `mean ± SD` 通常可获同行评审认可。然而,如果该生理指标存在硬性物理下限(如非负的血清胆红素浓度)或存在明显拉大标准差的极值,强烈建议选用 `median [IQR]`,以避免读者根据均值加减两个标准差推导出荒谬的负数生理取值范围。
如果期刊审稿人强烈要求在 RCT 的 Table 1 中补充 P 值,作者应该如何应对? 若审稿意见要求在随机试验基线表中增加 P 值列,作者应在修回信中明确援引 CONSORT 2010 规范第 15 条。礼貌地向审稿人说明:在严格执行随机分配的前提下,原假设先验为真,显著性检验仅仅是对随机分配机制本身的检验,列出 P 值容易诱导读者将随机抽样涨落误读为系统性选择偏倚。若期刊编辑部明确将其列为必须执行的期刊版式惯例,作者可在补全 P 值的同行,在表末添加明确的脚注说明,依据 CONSORT 规范阐明所有基线显著性测试仅代表随机分配波动。
对于多分类无序变量,标准化均数差(SMD)是如何计算的? 对于具有三个及以上分类层级的无序变量(如多阶段临床分期或种族分类),SMD 无法直接套用简单的两组均值差公式。生物统计学界通常采用 Austin 与 Stuart 提出的多变量扩展计算方法,基于各分类层级的概率向量与合并协方差矩阵计算马氏距离。在开源工具包 `tableone` 中,只需声明 `smd=True`,算法就会在底层自动执行多维协方差运算,输出一个综合反映该分类变量在所有层级整体分布均衡程度的单一 SMD 数值。
标准差(SD)与标准误(SE)有何本质区别,为什么严禁在 Table 1 中汇报 SE? 标准差(SD)衡量的是当前研究样本中个体患者数据围绕均值的真实生物学离散程度;而标准误(SE,计算公式为 `SD / sqrt(n)`)衡量的是样本均数估计总体均数时的抽样误差精度。由于分母中的样本量开根号,SE 的数值通常远小于 SD。部分作者因误解而使用 `mean ± SE` 试图使数据离散度看起来更小,但 Table 1 的首要职能是向临床医生客观呈现入组患者的真实个体异质性与特征分布,因此必须使用 SD,使用 SE 会对读者产生严重误导。
参考来源与报告规范
- EQUATOR Network — STROBE Reporting Guideline for Observational Studies — 强化流行病学观察性研究报告规范(STROBE)官方指南(第 14 条受试者基线人口学与临床特征报告规范)。
- tableone Python Package Documentation — Creating 'Table 1' for Biomedical Research — 生物医学研究基线特征表开源自动化生成工具包 tableone 官方技术文档。
- Pollard et al. (2018, JAMIA Open) — tableone: An Open Source Python Package for Producing Summary Statistics — Pollard TJ, Johnson AEW, Raffa JD, Mark RG. tableone:用于生成研究论文基线特征统计摘要的开源 Python 工具包。JAMIA Open. 2018;1(1):26–31。
本文引用的报告规范与开源工具包官方技术文档均于 2026 年 11 月 18 日经实时网络核验。向具体医学期刊投稿前,请参阅目标出版机构对于医学三线表排版、统计符号定义及脚注格式的最新作者须知。
继续阅读