4个统计错误博士研究人员应不惜一切代价避免
统计学是用于评估两个或多个变量之间的关系和评估研究问题的工具。再深入一点，生物统计学是统计学、概率、数学和计算的组合，用于解决生物医学科学中的问题。生物统计学在研究中的应用使研究人员能够分析新药是否有效、疾病的致病因素是什么、患病个体的预期寿命、人群中的死亡率和发病率等。
尽管统计学是生物医学研究的主要工具之一，但无论是有意还是无意，它的误用和滥用都很普遍。事实上，它越来越被认为是拒稿的主要因素之一。
本文仔细研究了滥用统计数据背后的原因以及解决生物医学研究中这一普遍问题的方法。让我们首先了解统计误差背后的原因。
1. 呈现统计数据不清晰：手稿呈现统计方法和分析数据。然而，有一个巨大的灰色区域可以阻止读者全面了解统计数据：许多论文未能清楚地陈述统计假设。在一项涉及医学院校师生的横断面研究中，53.87%的人认为统计非常困难，52.9%的人无法正确定义P值的含义，36.45%的标准差不明确，50.97%的人无法正确计算样本量。这表明研究人员不仅要正确分析他们的数据，而且要正确使用和呈现数据，这一点很重要。
2. 数据与理论的偏重：虽然临床研究在统计学方面经过严格的同行评审，但基础科学研究并非如此。基础研究的跨学科性质，通常涉及生物化学、行为科学、动物模型以及细胞培养，使得统计分析具有挑战性。通常，研究人员只有在进行实验后才决定使用统计分析。该策略类似于事后分析，并提供有限的见解。
3. 数据收集前决策不力：在实验的关键阶段计划统计分析至关重要，例如，在决定样本大小（例如，小鼠数量）时。这可能对研究结果产生重大影响。考虑到有几个变量（例如，体重、BMI）会影响基于样本的结果，一种有效的方法是对每个结果进行样本量计算，然后确定最大的实际样本量。理想情况下，调查人员应在数据收集之前决定对暴露-结果关系的分析。这是避免误报关系的有效方法。研究人员应指定一个主要结果变量并决定他们的研究是否涉及比较组。
4. 数据收集和统计分析的偏差：同样，在设计研究时，研究人员必须注意对照组（条件）、随机化、盲法和复制。通过使用大样本量，随机化避免了无意的偏差和混淆错误。例如，人们可能希望确定药物 A 对动物体重、心率和体重指数的影响。在这种情况下，通常会看到研究人员设计单独进行的单独实验。这种方法引入了偏见并且令人困惑。相比之下，对照组和接受药物的组可以随机分配足够的数量来监测心率、BMI和体重。
同样，事后（或事后）分析没有重点，包括多项分析以调查潜在关系，而没有充分考虑可疑的因果途径。在这种情况下，调查人员可能正在“钓鱼”寻找分析所有潜在关系的结果。因此，重要的是描述使用统计检验的方法和基本原理，以符合被接受为标准的指南，例如国际医学期刊编辑委员会 (ICMJE) 指南。
统计错误对稿件出版过程的影响
从获得准确结果的角度来看，正确处理数据很重要。然而，从发表的角度来看，统计的合理性也很重要。如果期刊在处理统计数据时发现错误，作者可能会被要求进行大量更改，甚至可能面临拒绝。不幸的是，统计错误并不少见。一些中最常出现的统计误差在发布阶段分类如下：
1. 研究设计中的错误（例如，对照试验中没有随机化；不合适的对照组）
2. 数据分析错误（例如，配对数据的非配对检验；在没有任何其他统计数据的情况下报告 P 值；在没有事先确认线性关系的情况下使用线性回归分析）
3. 数据表示中的错误（例如，用标准误差代替标准差来描述数据；饼图表示连续变量的分布；没有对多重比较进行调整）
4. 数据解释中的错误（例如，“如果关联”类型的推理；将做得不好的研究解释为做得好的研究）
如果错误是统计分析描述的一部分，修订可能很容易合并。但是，如果在数据分析、数据解释和结果讨论中出现错误，则需要在整篇论文中进行大量更改。相反，研究设计中的错误通常会导致稿件被拒，因为如果不重复整个研究，就无法纠正这些错误。
如何解决滥用统计数据的问题
统计数据对于生物医学的最新和前沿进展至关重要。然而，要做到这一点，必须有意识地努力避免在收集、分析和呈现统计数据时误用和滥用。
在处理统计数据时，研究人员需要了解并遵循公认的标准。ICMJE 规定了“提交给生物医学期刊的手稿的统一要求”。这些指南是确保正确应用和解释统计方法的建议。
除了 ICMJE 指南，研究人员还需要了解其他可用指南，例如“已发表文献中的统计分析和方法” （SAMPL）指南。这些提供了有关按类型报告统计方法和分析的详细建议，旨在为实验研究的设计、执行和解释提供指导。
在大多数情况下，生物医学研究论文以统计数据为支柱。因此，大多数生物医学期刊，尤其是影响因子较高的期刊，如Lancet、Nature、Science、Cell和JAMA 等，都聘请了生物统计学家作为其副主编和审稿人。这种包括专家生物统计学家来评估手稿的做法现在越来越多地被多家期刊采用。
诚然，由于研究设计、样本量和结果测量中的变量数量众多，根据数据总结证据和得出结论具有挑战性。计算机和统计软件工具的使用增加了解释和分析数据的方式。然而，这也为更多的误解和错误创造了空间。
正如挪威数学家、生物统计学家和医学研究员、斯塔万格大学健康科学系副教授 Jo Røislien 博士所说，“[…]统计学量化了你应该信任的确定性程度你的结果。或不。” 总之，调查人员应在开始研究之前对与统计方法相关的最佳实践进行自我教育。虽然统计数据是一种强大的工具，研究人员可以利用它扩展我们目前在生物医学方面的知识，但只有正确使用该工具才能产生所需的输出。