异常值是否删除？3类强力证据解析

引言Introduction

异常值是否删除，是临床数据清洗中最常见，也最容易影响结论的问题。删早了会损失信息，不删又可能扭曲结果。真正的关键，不是“见异常就删”，而是先判断它是否属于录入错误、逻辑错误，还是有真实临床意义。

1. 先回答核心问题：异常值是否删除，不能一刀切

1.1 先核对原始资料，再决定去留

在异常值是否删除这个问题上，第一步永远不是统计处理，而是核对原始资料。比如身高写成280 cm，或体重写成5 kg，这类明显不合常理的数据，优先检查是否存在录入、抄写或系统错误。若能联系原始档案或调查对象，纠正错误通常优先于删除。

这一步非常重要，因为很多“异常值”其实不是异常，而是单位写错、字段填反，或小数点位置错误。对这类问题，直接删除会丢失真实信息，也会让后续分析偏离事实。

1.2 不能核对时，才进入删除决策

现实中，研究者常常无法回溯原始记录，也无法联系受试者。此时就要回到研究目的。若异常值出现在分组变量、结局变量等关键字段，且明显违反逻辑，异常值是否删除就要倾向于删除整条个案。

但如果这个变量只是一般描述指标，且研究样本量较大，可以先评估其对结果的影响，再决定是否删除。删除个案会带来样本量损失，所以不能轻率。

2. 3类强力证据，决定异常值是否删除

2.1 证据一：逻辑证据，先判断是否“根本不可能”

第一类最强证据，是逻辑证据。比如收缩压应大于舒张压，若计算后差值小于0，说明顺序可能写反了。再比如年龄出现负值，或成年男性身高低至1 cm，这类数据与基本医学常识冲突，往往提示录入错误或变量互换。

这类情况中，异常值是否删除不应只看数值大小，而要看它是否违反临床逻辑。
如果能回溯更正，就改正。不能回溯且影响分组、结局判断，就考虑删除个案。若只是单个指标异常，但整条记录其余信息可信，也可先标记。

2.2 证据二：统计证据，看它是否显著影响结论

第二类证据是统计证据。课程中推荐的做法是，对异常值剔除前后分别进行一次统计分析。 如果两次结果一致，说明该异常值对结论影响有限。若结果相互矛盾，就要谨慎处理。

这一方法特别适合样本量较大的研究。你不需要凭直觉决定，而是用分析结果来判断异常值是否删除。
常见比较包括：

• 均数、标准差是否明显改变
• 回归系数方向是否改变
• P值是否从显著变为不显著
• 结论是否从支持假设变为相反

只要异常值一删，结论就翻转，就说明它不是普通噪声，而是需要严肃评估的关键点。

2.3 证据三：稳健性证据，看不删除时结论是否稳定

第三类证据，是稳健性证据。若你决定不删除，就要看结果是否仍然稳定。临床研究中，常用的稳健处理包括中位数、几何均数、截尾均数等。
其中，中位数不易受极端值影响。对大于0的观测值，还可考虑对数变换，以降低极大值影响。

异常值是否删除，最终要看“删与不删”对结论的影响是否可接受。
如果采用稳健统计后，结果仍然清晰且一致，那么保留异常值并标记，往往比强行删除更合理。

3. 什么时候删，什么时候不删

3.1 建议删除的情况

以下情况，异常值是否删除通常可以偏向“删”：

1. 明显违反逻辑，且无法核对原始资料。
2. 位于关键变量中，足以导致整条记录无法分组或无法解释。
3. 样本量较大，删除后对统计效能影响较小。
4. 剔除后，分析结果更加合理，且结论稳定。

例如，研究病例组与对照组时，如果分组变量本身错误，这条记录就无法正确归类。此时，删除整个个案通常比保留更稳妥。

3.2 建议保留的情况

以下情况，异常值是否删除通常不应急于删除：

1. 该值符合临床真实世界，只是极端。
2. 无法证明它是错误录入。
3. 删除后样本量明显下降。
4. 该值虽极端，但对结论影响不大。

这时更推荐保留，并在分析中采用中位数、截尾均数或对数变换等稳健方法。保留不等于忽视，而是承认真实世界中的波动。

3.3 折中做法：改为缺失值或只做标记

还有两种常见处理方式。
一是将异常值改为缺失值，再按缺失值规则处理。
二是保留异常值，但单独标记，在模型和解释阶段考虑其影响。

这两种方法都说明，异常值是否删除并非只有“删”和“不删”两个选项。研究者要做的是选择最符合研究目的、最不损失信息的方法。

4. 实操流程：把判断变成标准步骤

4.1 推荐的4步流程

在临床研究中，可以按以下顺序处理：

1. 识别异常值。
2. 核对原始资料。
3. 判断是否违反逻辑。
4. 比较删除前后结果，再决定去留。

这个流程简单，但很实用。它能把“异常值是否删除”从经验判断，变成可重复、可解释的研究步骤。

4.2 记录决策依据，保证可追溯

无论删不删，都要留下处理记录。包括：

• 异常值位置
• 异常原因
• 是否核对原始资料
• 是否删除或改为缺失
• 删除前后结果对比

E-E-A-T要求的不只是结论正确，还要过程可追溯。 对医学生、医生和科研人员来说，这一点尤其重要。因为数据清洗不是黑箱操作，而是研究质量的一部分。

4.3 研究中最常见的错误

很多人把“极端值”直接等同于“错误值”。这是最常见的误区。
但实际上，临床数据里有些极端值本来就真实存在，比如严重肥胖、极高炎症指标、超长住院时间等。若没有证据证明其错误，就不应贸然删除。

异常值是否删除，真正要防的是“过度清洗”。 清洗过头，可能比异常值本身更伤害研究结果。

总结Conclusion

异常值是否删除，没有统一答案。真正可靠的判断，来自三类证据：逻辑证据、统计证据和稳健性证据。 先核对原始资料，再评估其是否违反临床逻辑，最后用删除前后分析结果来验证影响大小。
当异常值属于明显错误、且无法修正时，可以删除或改为缺失值。若它是真实极端值，则更适合保留，并采用稳健统计方法处理。

如果你希望把异常值判断做得更规范、更高效，建议使用解螺旋品牌 的临床研究数据处理与写作支持工具，把核查、清洗、标记和分析流程标准化，减少误删和漏删，让研究结果更可信。