列联表是整理和表达计数数据经常采用的形式，其在医学科研活动中有着广泛的应用。然而，医晋通编译在工作中发现，相对于计量资料的统计分析，很多作者对论文中计数资料的统计分析普遍重视得不够，论文中有关计数资料统计分析的内容往往存在较多的问题甚至错误，严重影响着论文的质量。我们针对医学科研论文中列联表资料统计分析的常见问题归纳如下：


　　一、对计数资料的统计分析不够重视。相对于计量资料的统计分析，很多作者对论文中计数资料的统计分析普遍不够重视。可能一方面认为计数资料较计量资料的证明性差一些，另一方面觉得计数资料的统计分析方法少、简单，没什么统计方法可以选择，因而对列联表资料的统计分析比较轻率，也就容易产生问题。实际上，针对计数资料有很多统计方法，可以根据具体情况进行合理的选择与应用。计数资料的统计分析与计量资料的统计分析一样，都关系到研究工作正确结论的得出，关系到论文的质量，应该给予同样的关注。

　　二、将卡方检验视为万能工具。不考虑列联表的属性和分析目的，将卡方检验视为分析列联表资料的万能工具，用卡方检验分析各种列联表资料。这类问题在论文中非常普遍，经常可以见到这样的情形：对含有有序变量的列联表资料进行卡方检验，当P<0.05时，即认为分类变量问有显著相关性。实际上，对列联表行卡方检验，只能说明分类变量间是否独立，而对于变量间是否具有相关关系，是否具有彼此伴随的趋势，应该通过有序列联表的相应统计方法来分析。对包括有序变量的列联表资料行卡方检验，损失了有序变量的信息，使所得结论不能深入揭示分类变量间的关系。

　　三、卡方检验使用条件认识不足。缺乏对卡方检验使用条件的明确认识，忽视对列联表中理论频数(T)的观察。卡方检验要求rxc表中T不宜太小，否则将导致分析的偏性。当实验所得数据结果中T太小时。可以对rxc表进行以下处理：一是增加样本例数以增大T；二是删去T太小的行或列；三是将T太小的行或列的实际频数与性质相近的邻行或列合并。需要说明的是，后两种方法损害了样本的随机性，可能损失部分信息，不同的合并方式有可能影响推断结论，故不宜作为常规方法。

　　四、卡方检验未作进一步分层分析。当多个样本率或构成比比较的卡方检验拒绝原假设，即认为各组间率或构成比总的来说差异有统计学意义时，未能进一步分析究竟各组间哪两组差异有统计学意义，而是将统计分析终止于这一笼统的结果，这样做法也是不妥当的。其实，可用卡方分割法，将原rxc表分割为若干个表，按最相近的原则，将率或构成比接近的样本分割出来，行卡方检验，差异无显著性时，将其合并为一个样本，再将其与另一个较相近的样本比较，如此进行直到结束。

　　五、Ridit分析未合理确定标准组。进行Ridit分析时，未能根据具体的实验设计合理确定标准组。确定标准组是Ridit分析的关键。常用的方法：一是以样本量最大的组作为标准组；二是当各组样本量接近时，将各组合并后作为标准组。其中后者更常用，较前者系统误差小。同时在论文中介绍统计方法时，应该说明确定标准组采用了哪种具体方法。

　　六、双向有序列联表作直线相关分析。对双向有序的列联表资料进行直线相关分析，这是一个错误的统计分析过程。根据对两个有序分类变量的赋值，对rxc表中两个变量进行直线相关分析，与等级相关分析和线性趋势检验不能等同，其结果只能说明两变量所赋值的相关性，而两变量的相关性还要通过等级相关和线性趋势检验结果来判定 。

　　医晋通，SCI医学论文科研服务平台

　　“医晋通”隶属于广州拓科期刊传媒科技有限公司旗下的专业医学科研服务品牌，是国内较早从事医学科研服务的品牌之一，专门为各医学工作者提供优质的医学学术编辑、医学期刊出版、医学科研服务、医师进修服务、硕博研究课题、医学专利申请、医学专著出版等职业晋升解决方案。积累服务了超过30万个医学工作者，成功协助他们完成科学研究以及个人职业晋升。长期合作6000多名国内外具有博士学历或教授资格的科研人员，均拥有着丰富的学术背景及科研经验。


　　我们与国内外多家医院、各大医学实验室、科研机构有着密切联系，与美国、日本、德国、加拿大等国家的海外合作医疗机构的合作长久稳定。我们十分了解当前各医学工作者所面临的困境和挑战，帮助他们完成学术晋升并将科研成果与国际同行共享是我们贯彻始终的服务宗旨。