医学研究设计统计：4种设计怎么选？

引言Introduction

做医学研究，最怕的不是没数据，而是研究设计选错，统计方法也跟着错 。医学研究设计统计的第一步，不是急着跑软件，而是先判断你做的是观察性研究还是实验性研究，再决定用队列、病例对照、横断面，还是RCT。

1. 先分清研究类型，再谈统计

1.1 观察性研究和实验性研究，差别很大

在临床研究里，最常见的总分法是两类。观察性研究不施加干预，实验性研究会主动干预受试者。
前者更像“站在旁边看”，后者更像“按方案做”。这个差别，会直接影响你后续的统计选择。

观察性研究里，常见的有横断面研究、病例对照研究、队列研究。比如你回顾门诊一年数据，统计肺癌患者数量和构成比，这类更偏描述。
如果你要追踪某个指标和结局的关系，就进入分析性研究。统计就不能只看均数，还要考虑比较和关联。

1.2 实验性研究更强调随机化

实验性研究最典型的是RCT。它的核心不是“我想做什么”，而是“我怎么随机分组”。
随机化能尽量平衡混杂因素，所以很多时候，统计上反而不需要太复杂的回归模型。

但实验设计一旦做错，后面的统计再漂亮也救不回来。比如把“按中心分组”当成随机分组，这在方法学上就不对。
随机化对象应该是受试者，不是医院中心。

2. 4种常见设计，怎么选

2.1 横断面研究，适合“现在有多少”

横断面研究像拍一张照片。你在同一时间点收集数据，看疾病分布、暴露情况、指标水平。
它最适合回答“有多少”“是什么样”，比如某院一年内糖尿病并发症的构成比。

统计上，横断面研究常见的是描述性统计和率的比较。
如果变量是连续型，可以算均数、中位数、标准差。
如果是分类变量，就看频数、构成比，再做卡方检验或Fisher精确概率法。

它的优点是快，缺点是难判断因果。
所以横断面研究适合摸底，不适合轻易下“因果结论”。

2.2 病例对照研究，适合“为什么会得病”

病例对照研究是先看结局，再回溯暴露。比如先找肺癌患者，再找没有肺癌的人作对照，回头比较吸烟史。
这类设计适合研究病因，尤其适合罕见病。

统计上常见的是两组分类资料比较。
你比较的是暴露因素在病例组和对照组中的差异，常用卡方检验。
如果样本量小、理论频数不足，就要考虑Fisher精确概率法。

它的关键词是“先有病，再追原因”。
所以做这类研究时，要特别注意混杂因素。随机化做不到，就要靠限制、配对、分层，或者多因素分析来处理。

2.3 队列研究，适合“谁的预后更好”

队列研究是先按暴露分组，再向后看结局。
比如按是否吸烟分组，随访肺癌发生率。临床上也常做回顾性队列，用既往病历资料追踪预后。

这类设计很适合做预后研究。如果你关心“某个指标高不高，会不会影响未来结局”，队列研究通常是很合适的。
它比病例对照更接近时间顺序，也更容易回答“暴露在前，结局在后”。

统计上，二分类结局可比较率。
如果要看生存时间，就会用生存分析，比如log-rank检验、Cox回归。
如果结局是连续变量，就看均数变化，必要时做重复测量分析。

2.4 RCT，适合“这个治疗到底有没有用”

RCT是临床干预研究的金标准之一。
它的强项是随机分组，能减少混杂，特别适合评价疗效。

如果你研究的是药物、器械、手术方案或干预措施，RCT通常是最有说服力的设计。
但它对伦理、样本量、盲法、执行一致性要求都更高。

统计方法通常相对直接。
二分类结局用卡方检验，连续结局用t检验或方差分析。
如果有时间结局，就用Kaplan-Meier和log-rank检验。
如果有亚组分析，还要看交互作用。

3. 统计方法怎么跟设计对上号

3.1 先看变量类型，再看组数

医学研究设计统计最常见的误区，就是上来就问“该用t检验还是卡方”。
其实应该反过来。先看你的研究设计，再看变量类型，再看组数和是否配对。

简单记忆如下。

• 连续变量 ，先看分布，再决定用均数、标准差，还是中位数、四分位数。
• 分类变量 ，看频数、构成比、率。
• 两组独立样本 ，常见t检验或卡方检验。
• 配对资料 ，要用配对t检验或配对卡方思路。
• 多组比较 ，常见方差分析。
• 重复测量 ，用重复测量方差分析或更合适的混合模型。

3.2 混杂因素不是靠“祈祷”解决的

很多初学者一看到结果不显著，就开始怀疑样本量。
其实更常见的问题是混杂因素没处理好。

可以用的办法包括：

1. 随机化分组。
2. 限制纳入标准。
3. 配对设计。
4. 分层分析。
5. 多因素分析。

如果分组不随机，或者基线不平衡，统计模型就要承担更多校正任务。
这也是为什么研究设计决定统计，统计不能替代设计。

4. 4个常见坑，很多人都踩过

4.1 把“描述”当“因果”

横断面研究只能说明当前状态。
你可以说某指标和疾病相关，但不能轻易说它导致了疾病。
描述性研究不能替代因果推断。

4.2 把“回顾性队列”写成“病例对照”

这两个最容易混。
区分关键在于：分组依据是暴露，还是结局。
按暴露分组再追踪结局，是队列。
按结局分组再回头找暴露，是病例对照。

4.3 把“配对设计”当普通两组比较

配对设计不是两组独立样本。
它强调同源、同一个体前后对照，或者一一匹配。
如果你忽略配对，统计方法就会失真。

4.4 样本量和脱落率算错

一个常见错误是，先算出需要200例，再加20%写成240例。
这其实不严谨。
如果你最终想保留200例，应该反推总样本，而不是直接加法处理。
样本量计算必须和脱落率联动考虑。

5. 选型时，记住这条临床思路

5.1 先问自己三个问题

做医学研究设计统计时，先别急着打开软件，先回答三个问题：

• 你要回答的是病因、诊断、预后，还是疗效。
• 你的变量是连续、分类，还是时间结局。
• 你的分组方式是独立、配对，还是重复测量。

这三个问题一旦清楚，设计就不会乱。
设计清楚了，统计方法通常也就顺了。

5.2 适合科研新手的实用路径

如果你是医学生、规培医生或刚起步的科研人员，建议优先考虑两条路。
一条是病例对照，适合找病因线索。
一条是回顾性队列，适合做预后分析。
这两类通常比RCT更容易启动，也更容易在真实临床中找到数据。

但别忘了，容易做不等于容易发。
创新点、临床问题、数据质量，仍然是决定结果的关键。

总结Conclusion

医学研究设计统计不是“先统计，后设计”，而是先设计，后统计 。
横断面看现状，病例对照找病因，队列看预后，RCT评疗效。把设计选对，统计方法就有了正确起点。

如果你想少走弯路，可以从临床问题出发，先把研究类型、变量类型、混杂控制方法梳理清楚，再进入统计分析。这也是解螺旋一直强调的科研路径。
当你把设计和统计真正对上号，论文质量、答辩效率和投稿成功率都会更稳。