（CSV 制作 + 模板选择 + 变量设置 + 统计方法 + 结果解读）

欢迎使用 CME 麻醉论坛的“统计分析工具”。
它的设计目标是：让临床科研用户在不依赖复杂统计软件的情况下，快速获得规范、可复核、可用于论文写作的统计结果与表格（支持 Word 下载）。

本指南将按真实科研流程一步步说明：

✅ 如何制作合格 CSV 文件
✅ 如何命名变量（列名）最稳妥
✅ 如何准备“变量字典表”（变量含义/单位/数据类型）
✅ 如何选择统计模板（Table 1 / Table 2 / 回归）
✅ 如何设置分组变量、结局变量、白名单、黑名单
✅ 系统如何选择统计检验方法（包括 Fisher 触发条件）
✅ 如何查看报告、下载 Word 表格并用于论文写作

0. 使用权限说明：仅对白金会员开放

本统计分析工具属于 CME 麻醉论坛的高级科研功能，仅对白金会员开放使用。

0.1 如何成为白金会员？

开通方式非常简单：

1）进入网站页面 “我的订单”
2）选择 白金会员
3）完成支付后即可开通并使用统计分析工具（立即生效）

白金会员开通后，你将获得：统计分析工具权限、模板化输出报告、Word 表格下载等科研效率支持。

1. 第一步：准备一个“合格的 CSV 文件”（最重要）

统计分析工具的输入是 CSV 文件（逗号分隔值）。
你可以用以下任意方式制作 CSV：

  • Excel / WPS：编辑好表格 → 另存为 CSV（UTF-8）

  • Numbers（Mac/iPad）

  • HIS/电子病历系统导出

  • REDCap、问卷星、数据库导出

✅ 强烈建议：最终提交 CSV 前，用 Excel/WPS 打开检查一遍，再保存一次，避免编码和格式问题。

1.1 CSV 的基本结构：一行代表一个病例（或一次观察）

推荐结构：

  • 每一行 = 1 个患者/病例

  • 每一列 = 1 个变量

  • 第一行必须是变量名（表头）

示例（简化）：

```csv
id,group,age,sex,bmi,asa,op_time_min,bleeding_ml
001,A,5,M,16.3,2,48,12
002,A,6,F,15.9,1,55,5
003,B,7,M,17.5,2,60,8
```

1.2 变量命名规则（列名）——推荐简短英文（强烈建议）

为了保证统计分析稳定且结果可复核，建议列名遵循以下规则：

✅ 规则 1：只用英文/数字/下划线

  • ✅ age

  • ✅ bmi

  • ✅ op_time_min

  • ✅ spo2_min

  • ❌ 年龄

  • ❌ 手术时间(min)

  • ❌ SpO₂最低值

✅ 规则 2：不要有空格

  • ✅ op_time_min

  • ❌ op time min

✅ 规则 3：推荐把单位写进变量名后缀

  • ✅ weight_kg

  • ✅ height_cm

  • ✅ op_time_min

  • ✅ bleeding_ml

  • ✅ dose_mgkg

这样你导出 Word 表格后，复核和写论文会非常轻松。

1.3 变量内容格式建议（推荐）

① 连续变量（数值型）直接填数字

✅ age = 5
✅ op_time_min = 55
❌ 不要写成 55 min 或 88 bpm（单位不要混进数据）

② 二分类变量（建议 0/1 或 Yes/No）

✅ complication = 0/1
✅ smoke = 0/1

③ 分类变量（建议用短文本或数字编码）

✅ sex = M/F
✅ group = A/B
✅ asa = 1/2/3

1.4 缺失值怎么表示？（很关键）

缺失值建议写成：

  • ✅ 空（留空）

  • ✅ NA

不建议写：

  • ❌ -

  • ❌ 无

  • ❌ unknown

2. 强烈建议你额外准备一张“变量字典表”（变量说明书）

除了 CSV，本工具强烈建议你同时准备一份“变量字典表”（自己保存，不必上传）。
这是团队协作、论文写作、审稿复核时最重要的一步。

推荐格式如下（Excel/Word 均可）：

变量名 中文含义 单位 数据类型 取值范围/编码 备注
id 受试者编号 无 字符 001/002… 不参与分析
group 分组 无 分类 A/B 主要比较
age 年龄 year 连续 0~18 入组时
sex 性别 无 分类 M/F 统一大写
bmi 体重指数 kg/m² 连续 10~40 可缺失
asa ASA分级 无 分类 1/2/3 医生评估
op_time_min 手术时间 min 连续 >0 麻醉记录
bleeding_ml 出血量 ml 连续 ≥0 估算或计量

3. 上传 CSV → 创建统计任务

在统计分析页面：

1）点击 上传 CSV
2）选择 CSV 文件
3）选择一个统计模板
4）点击 创建任务

创建成功后会进入 任务详情页，你可以设置参数并运行统计。

4. 统计模板怎么选？（你要做什么分析）

目前统计分析工具采用“模板驱动”：

  • 不同模板输出不同结构的统计结果

  • 结果包含：在线报告（HTML）+ Word 表格（DOCX）+ JSON

4.1 Table 1：基线资料表（Cohort Characteristics）

适用场景：

  • 回顾性队列、RCT、分组对比

  • 生成论文标准 Table 1：人口学特征与基线指标

你通常需要设置：

  • ✅ 分组变量（group_col）：例如 group

  • ✅ 白名单/黑名单：控制哪些变量进入 Table 1

4.2 Table 2：结局分析表（Outcomes）

适用场景：

  • 你希望对一组结局变量进行统计比较

  • 例如：出血量、插管次数、并发症发生率、恢复时间等

你通常需要设置：

  • ✅ 分组变量（group_col）：例如 group

  • ✅ 结局变量白名单（whitelist，多选）：例如 bleeding_ml、complication、los_day

  • ✅ 黑名单（blacklist）：排除 ID、备注等列

4.3 回归模板（Regression：线性/Logistic 等）

回归模板适用于更“论文级”的分析：
在比较组别效应时，进一步控制混杂因素（协变量）。

✅ 回归模板里你需要理解的两个关键设置

① 主要结局（primary_outcome）：设置为“因变量”

也就是你想解释/预测的那一列：

  • 如果是连续结局：例如 bleeding_ml、los_day、op_time_min

  • 如果是二分类结局：例如 complication（0/1）、death（0/1）

📌 举例：
如果你想分析 “分组是否影响出血量”，那么：

  • primary_outcome = bleeding_ml

  • 分组变量 group_col = group

② 白名单（whitelist）：设置为“自变量候选集合”

白名单在回归里建议放入：

  • ✅ 分组变量（例如 group）

  • ✅ 需要调整的协变量（混杂因素）

    • age

    • sex

    • bmi

    • asa

    • 其他基线差异明显且医学上合理的变量

📌 举例：
你想回归模型调整年龄、性别、ASA：

  • primary_outcome = bleeding_ml

  • whitelist = group, age, sex, asa

注意：白名单放太多变量容易导致过拟合或模型不稳定（尤其样本量小），建议在临床逻辑与样本量允许范围内选择。

5. 变量选择怎么做？（白名单/黑名单的意义）

你在任务详情页可以看到：

  • 分组变量（group_col）

  • 主要结局（primary_outcome）

  • 白名单（whitelist，多选）

  • 黑名单（blacklist，多选）

这套机制的意义是：

✅ 医学数据变量多且混杂
✅ 默认“全部变量都分析”风险太高
✅ 白名单/黑名单让分析更安全、更可控、更像科研真实工作

5.1 白名单（Whitelist）：我只分析这些列（推荐）

强烈建议你用白名单控制变量集合，尤其适合：

  • Table 1：放入基线变量

  • Table 2：放入结局变量（多选）

  • 回归：放入协变量 + 分组变量

5.2 黑名单（Blacklist）：我明确不分析这些列

黑名单非常有用，常见要排除的列：

  • id

  • name

  • note

  • remark

  • comment

  • timestamp

6. 系统如何选择统计检验方法？（核心规则说明）

你的统计模板输出不仅仅是“结果”，更重要的是：它会尽量按科研规范自动选择合适的检验方法。

下面是本工具的总体规则说明（用户能看懂、也能用于论文 Methods 部分）：

6.1 变量类型分类（决定统计方法的第一步）

工具会先把变量分为两类：

✅ 连续变量（数值型）

例如：

  • age

  • bmi

  • bleeding_ml

  • op_time_min

✅ 分类变量（非连续变量）

例如：

  • sex

  • group

  • asa

  • complication（0/1）

不同类型变量使用不同检验体系。

6.2 Table 1 / Table 2 的组间比较：连续变量用什么检验？

对于连续变量（例如 age、bmi、bleeding_ml），系统会依据：

1）数据是否近似正态分布
2）两组方差是否齐（homogeneity of variance）

来选择检验方法。

✅ 情况 A：近似正态 + 方差齐

➡️ 优先使用 独立样本 t 检验（Student’s t-test）

✅ 情况 B：近似正态 + 方差不齐

➡️ 优先使用 Welch’s t-test（更稳健）

✅ 情况 C：明显非正态分布

➡️ 优先使用 Wilcoxon 秩和检验（Mann–Whitney U）

因此你在报告中会看到：同样是连续变量，不同变量可能使用不同检验，这是正常且更科学的。

6.3 分类变量用什么检验？（卡方 vs Fisher）

对于分类变量（例如 sex、asa、complication），常用方法是：

  • Pearson 卡方检验（Chi-square test）

  • Fisher 精确检验（Fisher’s exact test）

✅ Fisher 检验的触发条件（非常重要）

当列联表中出现以下情况，卡方检验的适用性下降，系统会自动/优先使用 Fisher：

  • 样本量较小

  • 某些格子的期望频数过低

  • 常见经验规则：

    • 任一格期望频数 < 1，或

    • 超过 20% 的格期望频数 < 5

📌 通俗理解：
当你的分类变量非常偏（例如事件很少、某组几乎没有发生），Fisher 更可靠。

6.4 结果展示方式（与检验方法对应）

为了符合医学论文的规范输出：

连续变量通常会输出：

  • 正态倾向：均值 ± 标准差

  • 非正态倾向：中位数（IQR）

分类变量通常会输出：

  • n（%）

并在对应位置给出 P 值。

7. 运行统计 → 查看报告 → 下载 Word 表格

在任务详情页你可以：

✅ 保存参数并提交统计
✅ 在线查看报告（HTML）
✅ 下载表格（DOCX）
✅ 下载结果（JSON）
✅ 下载日志（log.txt）

7.1 在线查看报告（HTML）

适合快速浏览与核对，尤其适合：

  • 检查变量是否选对

  • 看每个变量的数据分布与缺失情况

  • 了解系统最终采用了哪种检验方法

7.2 下载表格 DOCX（Word 版 Table 1 / Table 2）

这是科研用户最常用的输出文件，适用于：

✅ 直接复制进论文 Word
✅ 提交给合作者修改
✅ 根据目标期刊格式排版

7.3 下载 result.json（结构化结果）

适合进一步用途：

  • 自动生成结果段落（Results）

  • 自动生成图表与摘要

  • 将来用于科研自动化与 AI 辅助写作

8. 常见问题（偏科研角度的提醒）

✅ 建议你每次分析前先确认：

  • 列名是否规范（英文、无空格、无奇怪符号）

  • 分组变量是否只有 A/B（或你想要的多组）

  • 分类变量编码是否一致（例如 M/F、1/0）

  • 结局变量是否确实是结局（Table 2 里尤其重要）

  • 白名单是否只包含你真正想分析的列（更安全）

9. 结语：让统计变成可复制、可复核、可发表的科研能力

传统统计软件的痛点是：

  • 会用的人少

  • 变量管理混乱

  • 很难团队复用

  • 易错而不自知

而 CME 麻醉论坛统计分析工具的价值是：

✅ 用 CSV 让数据结构标准化
✅ 用模板让统计逻辑规范化
✅ 用白名单/黑名单让变量可控
✅ 用报告+Word表格让输出可直接写论文