统计设计失误

统计设计是整个研究中最重要的一环，是研究工作应遵循的依据。常见的统计设计问题有：忽视组间均衡性(组间样本量相差悬殊)，如病例组1000例，而对照组只有100例；男50

例，女5例等。样本缺乏代表性，样本例数不足，如实验动物每组不足10例，未设置对照组，未随机分组如心肌梗死大鼠未设假手术组；观察药物治疗前后的疗效，却未设对照组，未采用单盲双盲法，如大型药物实验时，收集标本和检测人员对病例分组未做到不知情，有人为误差等。针对这些问题，在科研设计中一定要遵循实验设计的四大原则即"随机、对照均衡、重复"的原则。

统计方法交代不清及统计指标选择不当

未说明使用的是何种统计方法，表现为论文中只有P值，但无法判断检验方法和统计量的大小，以至读者无法对文中应用的统计方法的正确性进行评价统计分析方法误用主要表现为：用t检验代替方差分析进行多组间的比较，如心肌梗死大鼠在处死后1248周心肌表达白细胞介素1的变化应采用方差分析，却用了t检验。不区分计数与计量资料，t检验和卡方检验相互误用如冠状动脉介入治疗后，放置裸支架或药物支架，其远期临床不良事件发生比较，应采用率计算，卡方检验，却误用t检验。以卡方检验代替确切概率法，确切概率法适用于四格表中有理论频数小于1或n小于40时，例如表1；等级资料用列联表卡方代替非参数检验进行疗效比较。

统计结果的表述不恰当

在论文中，常根据统计检验有无显著性差别，就武断地判定结果有无意义，而忽视专业上的意义评价一项研究结果是否有意义，要从其专业意义和统计学意义上同时去解释。另外，错误地将P值的大小作为解释差异程度的大小标志，认为P值越小，差异就越大。其实，P值的大小，只能说明是否有统计学意义，并不能说明差异程度的大小。