尽管统计是生物医学研究中的主要工具之一，但它一直或有意或无意地被人滥用，已经到了见怪不怪的程度。事实上，越来越多作者表示统计错误是造成拒稿的主要原因之一。

下面，小编就与大家一起探究生物医学研究中滥用统计数据的原因和解决办法~

造成统计错误的原因

数据呈现不清

重理论、轻数据

采集数据前规划不到位

数据采集和统计分析中出现偏差

统计错误对发表流程的影响

要想得到准确的研究结果，就得正确处理数据。而统计的准确性对发表也非常重要。一旦期刊在文章中发现统计错误，作者可能会面临大修或被拒稿的决定。以下是研究中常见的几种统计错误：

研究设计错误。比如没随机抽样对照组样本、选择不合适的对照组。

数据分析错误。比如缺少配对数据、不给出相关数据而直接得出p值、没确认线性关系的情况下直接用回归分析法。

数据呈现错误。比如该用标准差用了标准误差、用饼图表示连续变量、没对多重比较进行调整。

数据说明/解释错误。比如把相关和因果划等号、没做好的试验硬说是好实验。

如果统计错误只是由于笔误，修改一下稿件就能解决问题。但如果是数据分析、呈现和结果讨论中存在技术问题，文章就很可能要大改。而当实验设计出了问题，除了把试验重做一遍没有别的补救办法，这种情况下期刊极有可能会选择拒稿。

如何解决滥用数据问题

研究人员应该了解数据处理的各项规则并严格遵守。比如ICMJE提出的“生物医学期刊投稿的统一要求”(Uniform Requirements for Manuscripts Submitted to Biomedical Journals) 就对统计方法的应用、解释给出了建议。

此外，研究人员还要了解其他的同类型指南，比如“文献中的分析与统计方法” (Statistical Analysis and Methods in the Published Literature, SAMPL) 指南。它将不同的统计方法分类，依次解说，对试验的设计、操作和解释都有很大指导作用。

多数情况下，生物医学论文都以统计数据为依据。因此多数生物医学期刊，尤其是高影响因子的，像《柳叶刀》《自然》《科学》《细胞》《美国医学会期刊》，除了动用编辑和审稿人，还会指派专门的生物统计学家评估稿件内容。目前有越来越多期刊开始采取这种做法。

由于要综合考虑研究中的多个变量、样本量、测量结果等多个因素，总结数据并得出结论从来都不是件轻松的事。计算机和统计软件让解释、分析数据有更多可能，但同时也给错误创造了更多空间。

研究人员在开始实验之前就应当自行学习统计方法。只有正确使用统计这个工具，它才能帮研究人员达到拓展现有生物医学知识的目的。

转自壹周医文微信公众号，仅作学习交流，如有侵权，请联系本站删除！