数据分析shujufenxi.com

医学

医学论文基线资料表（Table 1）制作规范：M±SD、n(%) 与组间比较怎么选

作者 / 审校：shujufenxi 编辑部·最后审校 2026-07-05

你遇到的问题

论文投出去，审稿人第一条意见常常是「请补充基线资料表（Table 1）」或「基线表检验方法与呈现不规范」。基线表是几乎所有 RCT、队列、横断面与病例对照研究的第一张结果表，也是审稿人判断组间是否可比、后续调整是否必要的依据。

常见的困惑有三类：一是不知道哪些变量该写成 M±SD、哪些该写成中位数（IQR）；二是组间比较到底选 t 检验、方差分析、卡方还是秩和检验搞不清；三是 P 值列、样本量与缺失数据该怎样标注才符合期刊要求。

适用场景

凡是需要在正文第一张表里描述并比较各组「基线特征（人口学、病史、实验室指标等）」的研究，都适用本规范：随机对照试验、前瞻性/回顾性队列、横断面调查、病例对照研究等。

单组研究只做描述性 Table 1（不含组间比较列与 P 值列）；两组或多组研究则在描述之外增加统计量列与 P 值列，用于说明基线均衡性或组间差异。

正确做法

第一步，按变量类型选择呈现方式。连续变量：近似正态分布用「均数±标准差（M±SD）」；明显偏态（如病程、住院天数、部分实验室指标）用「中位数（四分位数间距，IQR）」，写作 M（P25–P75）。分类变量一律写「例数 n（构成比 %）」，并注明分母是否含缺失。

第二步，按变量类型与分组数选择组间比较方法。两组连续变量正态且方差齐用独立样本 t 检验，方差不齐用校正 t（Welch）；三组及以上正态用单因素方差分析（ANOVA）。偏态连续变量：两组用 Mann-Whitney U（秩和）检验，多组用 Kruskal-Wallis 检验。分类变量用卡方检验；当总样本较小或期望频数＜5 的格子超过 20%，改用 Fisher 精确检验；有序分类可用秩和或线性趋势检验。

第三步，规范呈现细节。表体用三线表；每个变量给出各组的描述统计与对应统计量（t、F、χ²、Z）及 P 值；P 值保留三位小数，小于 0.001 记为 P＜0.001，不要写成 P=0.000。表注需说明样本量、缺失例数与所用检验方法，缺失变量应报告各组缺失例数而非直接删除不提。

报告示例：两组基线资料见表 1。干预组（n=60）与对照组（n=58）在年龄（58.4±9.2 对 57.1±10.1 岁，t=0.73，P=0.466）、性别（男性 56.7% 对 51.7%，χ²=0.29，P=0.590）、病程（中位数 5.0 对 5.5 年，Z=1.02，P=0.308）等指标上差异均无统计学意义，提示两组基线均衡可比。

常见错误

错误一：对偏态变量强行用 M±SD 并做 t 检验，导致均数被极端值拉偏、检验前提不满足；病程、收入、酶学指标等应先看分布，偏态改用中位数（IQR）与秩和检验。错误二：分类变量在小样本下仍套用普通卡方，忽略期望频数＜5 的限制，应改用 Fisher 精确检验。错误三：把 P=0.000 直接写进表格（正确写法是 P＜0.001），或三组比较只做一次总体检验却不交代事后两两比较的校正。错误四：对随机化后的基线大量堆砌 P 值、并据此下「组间无差异」的结论——CONSORT 2010 明确不推荐对随机试验基线做显著性检验。错误五：缺失数据不作说明，直接按完整病例呈现构成比，读者无法判断分母。

需要更进一步？

把你 SPSS 或 R 跑出来的组间比较输出（含均数、标准差、t/χ²/Z 与 P 值）粘贴进统计结果解读器，它会帮你判断检验选择是否恰当、并生成可直接放进 Table 1 的规范文字。

如果你的变量类型混杂、分组较多或缺失较严重，不确定该怎样组织整张基线表，可以预约一对一辅导，我们按你的数据结构逐行梳理呈现方式与检验方法。

操作步骤

SPSS

  1. 分析 → 描述统计 → 探索：将连续变量放入「因变量列表」，分组变量放入「因子列表」，在输出的描述表中读取各组均值、标准差、中位数与四分位数，并借直方图/Q-Q 图判断正态性。
  2. 连续变量组间比较：两组正态用「分析 → 比较平均值 → 独立样本 T 检验」（先看 Levene 检验决定读等方差或不等方差行）；三组及以上正态用「单因素 ANOVA」；偏态用「分析 → 非参数检验 → 独立样本」（Mann-Whitney U 或 Kruskal-Wallis）。
  3. 分类变量组间比较：用「分析 → 描述统计 → 交叉表」，在「统计量」中勾选卡方，输出中若期望频数＜5 的格子超过 20%，改读 Fisher 精确检验行。
  4. 读取 P 值：t 检验看「Sig.（双尾）」、方差分析看 ANOVA 表的 Sig.、卡方看「Pearson 卡方」的渐进显著性；显示 .000 时改写为 P＜0.001。
  5. 汇总：把各组 M±SD 或中位数（IQR）、n（%）、统计量与 P 值填入三线表，并在表注中标注样本量、缺失例数与所用检验方法。

R

library(tableone)
vars <- c('age', 'sex', 'bmi', 'sbp', 'duration', 'smoking')
factorVars <- c('sex', 'smoking')
tab <- CreateTableOne(vars = vars, strata = 'group', data = df, factorVars = factorVars)
print(tab, nonnormal = c('duration'), showAllLevels = TRUE, exact = c('smoking'))
tab_df <- print(tab, nonnormal = c('duration'), printToggle = FALSE)
write.csv(tab_df, 'table1.csv')

完整示例（模拟数据）

一项两组平行设计研究，比较干预组（n=60）与对照组（n=58）的基线特征。年龄、BMI、收缩压近似正态用 M±SD 与独立样本 t 检验；病程明显偏态用中位数（IQR）与 Mann-Whitney U 检验；性别、吸烟史为分类变量用 n（%）与卡方检验。

两组共 118 例，基线资料见表 1。干预组与对照组在年龄（58.4±9.2 对 57.1±10.1 岁，t=0.73，P=0.466）、性别（男性 56.7% 对 51.7%，χ²=0.29，P=0.590）、BMI（24.6±3.1 对 25.0±2.9 kg/m²，t=0.72，P=0.472）、收缩压（138.2±15.4 对 140.1±16.2 mmHg，t=0.65，P=0.517）、病程（中位数 5.0 对 5.5 年，Z=1.02，P=0.308）及现吸烟比例（30.0% 对 25.9%，χ²=0.25，P=0.617）方面差异均无统计学意义，提示两组基线均衡可比。BMI 因干预组缺失 2 例、对照组缺失 1 例，构成比按有效例数计算。

统计量数值
样本量 n干预组 60 ｜ 对照组 58
年龄（岁），M±SD58.4±9.2 ｜ 57.1±10.1；t=0.73，P=0.466
男性，n（%）34（56.7）｜ 30（51.7）；χ²=0.29，P=0.590
BMI（kg/m²），M±SD24.6±3.1 ｜ 25.0±2.9；t=0.72，P=0.472
收缩压（mmHg），M±SD138.2±15.4 ｜ 140.1±16.2；t=0.65，P=0.517
病程（年），M（IQR）5.0（3.0–8.0）｜ 5.5（3.5–9.0）；Z=1.02，P=0.308
现吸烟，n（%）18（30.0）｜ 15（25.9）；χ²=0.25，P=0.617
缺失说明BMI 干预组缺失 2 例、对照组缺失 1 例；余变量无缺失

常见疑问

基线表到底要不要放 P 值？
分情况。观察性研究（队列、横断面、病例对照）通常保留 P 值列，用于说明组间基线差异及后续是否需要调整。随机对照试验中，CONSORT 2010 不推荐对随机化后的基线做显著性检验，因为组间任何差异都源于随机误差，堆 P 值意义不大；此时更应关注差异的临床意义与效应量。
连续变量怎么判断用均数还是中位数？
先看分布。可用直方图、Q-Q 图，或 Shapiro-Wilk（小样本）/偏度峰度（大样本）辅助判断。近似正态用「均数±标准差（M±SD）」并配 t 检验或方差分析；明显偏态用「中位数（IQR）」并配 Mann-Whitney U 或 Kruskal-Wallis 秩和检验。同一变量在各组的呈现方式与检验要前后一致。
卡方检验的期望频数太小怎么办？
当四格表中任一格期望频数＜1，或总样本＜40，应改用 Fisher 精确检验；当期望频数在 1 到 5 之间且样本适中，可用连续性校正卡方或直接 Fisher。R×C 表中若期望频数＜5 的格子超过总格子数的 20%，同样建议合并类别或改用 Fisher 精确检验。
三组及以上怎么比较基线？
正态连续变量用单因素方差分析（ANOVA），偏态用 Kruskal-Wallis 检验，分类变量用卡方或 Fisher。若总体检验有统计学意义且研究需要，再做事后两两比较，并对多重比较进行校正（如 Bonferroni、Tukey），表注中注明所用方法。

参考来源

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见 方法论标准。

相关文章

← 返回知识库