临床变量赋值规范：如何让数据可发表

引言Introduction

临床数据能否发表，往往不取决于样本量，而取决于变量是否规范。变量赋值一旦混乱，后续统计、分组、建模和结果解释都会出错。 对医学生、医生和科研人员来说，掌握临床变量赋值规范，是数据清洗走向可发表的第一步。

1. 为什么临床变量赋值决定能否发表

1.1 赋值不是简单录入，而是研究逻辑的起点

临床研究中的变量赋值，指的是让某个个案的某个变量取特定值 。最基础的形式，是把年龄、性别、血压等信息录入数据库。
但真正影响发表质量的，不是“有没有录入”，而是赋值是否统一、是否可追溯、是否符合统计分析要求 。

在临床数据清洗中，常见问题包括：

• 同一变量出现多种编码方式。
• 连续变量与分类变量混用。
• 异常值没有统一更正。
• 变量标签和实际含义不一致。

这些问题看似细小，却会直接影响描述性统计、单因素分析和多因素回归。如果变量编码不规范，统计软件可以运行，但结果未必可信。

1.2 可发表数据的核心标准是“能解释、能复现、能审查”

高质量临床数据至少满足三个条件：

1. 编码规则明确。
2. 每个变量的含义一致。
3. 任何人按同样规则都能复现同样结果。

这也是 E-E-A-T 在研究数据层面的体现。数据不是“做出来”的，而是“规范出来”的。
临床变量赋值规范的价值，在于把原始记录转化为可分析、可审稿、可发表的数据集。

2. 临床变量赋值的三种基本方式

2.1 转换为相同变量，适合纠错和统一编码

当变量本身已经存在，只是数值错误或编码不统一时，最常用的方法是转换为相同变量 。
例如年龄字段中出现了错误录入的负值，核查后确认应为正值，可以把 -15 统一改成 15。修改后，变量名不变，信息仍保留在原变量中。

这种方式适合以下场景：

• 异常值纠正。
• 编码统一。
• 错误录入修正。
• 同一变量内部逻辑修补。

优点是不会生成新变量，原始结构保持不变。
但前提是修改依据明确，且最好保留修改记录。临床研究最忌“随手改数”，因为这会损害数据可追溯性。

2.2 转换为不同变量，适合分层和衍生指标

当研究需要在保留原始数值的同时生成一个新分层变量时，就要用转换为不同变量 。
最典型的例子是 BMI 连续变量转分类变量。原始 BMI 仍然保留，同时生成一个新变量表示体重分层。

常见分层方式如下：

• BMI < 18.5，低体重。
• 18.5–23.9，正常体重。
• 24.0–27.9，超重。
• ≥ 28.0，肥胖。

这种赋值方式的关键不是“分几组”，而是“分组标准必须一致且可说明”。
如果同一研究前后使用不同阈值，结果会失去一致性。对投稿来说，这类变量尤其要在方法学中写清楚分层依据。

2.3 计算变量，适合总分、指数和判定变量

第三种方式是计算变量 。
当研究需要把多个条目合并成一个新指标时，就必须通过公式生成新变量。典型例子包括问卷总分、风险评分、综合指数等。

例如：

• 评分1 + 评分2 + 评分3 = total。
• 收缩压与舒张压共同判断是否高血压。
• 多个条目求和得到量表总分。

这类变量赋值的本质是：用规则把多个已知变量转换成一个新变量。
它比简单录入更重要，因为它直接决定研究终点、暴露因素或分层结果。

3. 临床变量赋值规范的四个关键原则

3.1 先定义变量，再开始编码

很多数据问题，根源都在“边收集边想规则”。
规范做法应是先完成变量字典，再开始录入。变量字典至少应包括：

• 变量名称。
• 变量类型。
• 取值范围。
• 编码含义。
• 缺失值定义。
• 异常值处理规则。

例如“性别”不能只写“1、2”，而要明确：

• 1 = 男。
• 2 = 女。

只有先定义，再赋值，后续分析才不会出现歧义。

3.2 连续变量和分类变量不能混用

这是临床数据库中最常见的问题之一。
例如 BMI 原本是连续变量，但在分析中又被当作分类变量处理。如果没有重新编码说明，就会导致统计逻辑混乱。

临床研究中要区分：

• 标度变量 ，如年龄、血压、BMI、实验室数值。
• 名义变量 ，如性别、血型、疾病分型。
• 有序变量 ，如病理分级、疼痛评分分层。

变量类型一旦定义错误，后面的统计方法就会跟着错。
这不仅影响 p 值，也会影响图表展示和审稿人判断。

3.3 编码规则要固定，不能“同值不同义”

同一个数字，在不同数据库里必须保持同一含义。
例如：

• 1 不能在一个字段里表示“男”，在另一个字段里又表示“女”。
• 0 不能既代表“否”，又代表“缺失”。
• 2 不能有时代表“正常”，有时代表“超重”。

临床变量赋值规范的核心是一数一义 。
一旦出现“一值多义”，数据就失去可解释性。即便统计显著，也不能支撑论文发表。

3.4 缺失值和异常值必须单独处理

缺失值不是普通数值。异常值也不能随意保留。
例如年龄出现 -15，明显不符合临床逻辑。如果核查确认是录入错误，应按规范更正，而不是直接参与分析。

建议在数据清洗中明确区分：

• 真缺失。
• 录入错误。
• 逻辑错误。
• 极端但真实的值。

把异常值当真实值，会扭曲均值、回归系数和分组结论。
把缺失值当 0，也会制造虚假的临床差异。

4. 让数据“可发表”的实操流程

4.1 第一步，建立变量字典

变量字典是发表级数据库的基础。建议在 Excel 中先完成一版，至少包括：

• 字段名。
• 中文名称。
• 数据类型。
• 编码规则。
• 缺失值标记。
• 统计用途。

这一层工作看似琐碎，却能大幅减少后期返工。
对于多中心研究、回顾性队列和临床注册研究，变量字典尤其重要。

4.2 第二步，统一赋值逻辑

录入前就要约定规则。比如：

• 性别统一用 1/2 编码。
• 结局变量统一用 0/1 编码。
• 合并变量统一按同一阈值分层。
• 量表得分统一按固定公式计算。

如果研究团队多人协作，最好在开始前开一次数据规范会。
同一套编码规则，必须让所有录入者理解一致。

4.3 第三步，保留原始值和衍生值

发表级数据通常建议同时保留：

• 原始连续变量。
• 重新编码后的分类变量。
• 计算得到的新变量。

例如既保留 BMI 原值，也保留 BMI 分层变量。
这样做有两个好处：

1. 方便回查。
2. 方便不同统计策略并行使用。

不要为了分析方便就删除原始值。
删除后，一旦审稿人追问阈值、公式或分层依据，数据就无法回溯。

4.4 第四步，检查逻辑一致性

完成赋值后，必须进行逻辑校验。常见检查包括：

• 数值范围是否合理。
• 编码是否统一。
• 分层后人数是否与原始数据一致。
• 计算变量是否与公式匹配。
• 缺失值是否被误编码。

比如高血压判定变量，必须根据收缩压 ≥ 140 或舒张压 ≥ 90 生成。
如果计算逻辑与临床标准不一致，结果就没有发表价值。

5. 临床研究中最容易踩坑的赋值问题

5.1 只改数值，不留记录

很多人修改了变量，却没有保留日志。这样一来，后续无法解释修改依据。
规范做法是记录：

• 修改前值。
• 修改后值。
• 修改原因。
• 修改日期。
• 操作人。

这在临床研究审计中很关键。

5.2 分层标准不写清楚

例如 BMI、血压、实验室指标的分组阈值，如果不在方法部分说明，就会被认为不规范。
所有重新编码后的分类变量，都必须能追溯到明确标准。

5.3 把赋值等同于简单替换

变量赋值不是机械换数。
它本质上是把临床事实转化为可分析语言。
因此，每一次赋值都应回答三个问题：

• 这个值代表什么。
• 为什么这样赋。
• 是否符合研究目的。

6. 结尾：把规范变量赋值做对，数据才真正能发表

临床变量赋值规范，不只是数据录入技巧，而是科研质量控制的一部分。
它决定了变量能否被正确识别，统计能否顺利完成，论文能否经得起审稿和复核。先规范赋值，再做分析，才是临床研究的正确路径。

如果你正在整理临床数据库，建议从变量字典、编码规则和分层标准三处入手，逐项校正。
当你需要把原始数据整理成可发表的研究数据时，可以借助解螺旋的体系化工具和课程支持，减少返工，提高规范性，让数据更接近发表标准。