醫學論文常見撰寫錯誤
大林慈濟醫院耳鼻喉科 李清池
摘要

研究設計需注意事項:
了解研究設計
事前準備工作
了解sample組成
選擇適當之測量工具


常見之統計錯誤:
常見的統計錯誤
統計方法陳述不完整
常見錯誤結果呈現方式
常態分布 vs.非常態分布
錯誤的P值寫法
錯誤解釋結果
學習目標



了解研究設計
認識常見的統計錯誤
了解正確之統計方式、進而避免錯誤使用
大綱




第一章
第二章
第三章
第四章
研究設計需注意事項
常見之統計錯誤
表達方式錯誤
課程總結
第一章 研究設計需注意事項






1.1單元學習目標
1.2 了解研究設計
1.3 事前準備工作
1.4 了解sample組成
1.5 選擇適當之測量工具
1.6 單元小結
1.1 單元教學目標


認識研究設計
認識研究需準備之事前工作
1.2 了解研究設計
RCT (randomized controlled study): experimental or
interventional study
 Controlled comparative study
 Observational study:
Case-control study
Cohort study
Survey

1.3 研究前準備工作(1)





了解研究的dependent variables: primary
outcome, secondary outcomes
了解研究的independent variables: x1, x2,..
可能之risk factors, confounding factors
適合的統計方式
不要等研究做完才來用統計方式找關聯性
研究前準備工作(2)



於申請計畫經費時，應先估算達到 power=0.8
時所需之sample size.
而估算公式可用pilot study或之前相關研究利
用公式或套裝軟體計算 (free software:
power and sample size calculation).
清楚了解 type I error及 type II error定義
網路上下載免費軟體



http://www.cher.ubc.ca/PDFs/Sample_size.pdf 講
義
SAS power and sample calculation:使用sas syntax
輕鬆計算
使用NCSS, PASS software
Truth
H0
H1
Accept H0
1-α
β
(type II error)
Reject H0
α
(type I error)
1-β
(power)



關於收案病例數目應於方法 (material and
methods)中 描述清楚
若有個案退出可用flow chart幫助讀者釐清人
數變化
若是採用RCT (randomized controlled study)
應徹底執行 randomization 及 blinding 步驟
清楚了解sample之組成




常見在非RCT之研究中，比較兩組之變相有無差
異時，應謹慎以對
若是個案數過少，p value>0.05並不表示兩組
間無差異!
Selection bias always should be
considered!
若個案數適當，可考慮使用propensity score
處理selection bias問題
測量工具之選擇



避免自製問卷
研究工具應採有信度 (reliability)及效度
(validity)驗證過之問卷或測量方式
如量測癌症生活品質問卷，可用中文化之SF-36、
中文化之EORTC QLQ-C30或HN35
1.6 單元小結




了解研究設計是進行研究前必備知識
進行研究前應先估計收案數目
可採用flow chart幫助讀者釐清病例數目變化過程
選擇適當之測量工具(有信度及效度之工具)
第二章常見之統計錯誤




2.1 單元學習目標
2.2 常見的統計錯誤
2.3 統計方法陳述不完整
2.4 單元小結
2.1單元教學目標


了解常見之統計錯誤
避免統計錯誤
2.2 常見的統計錯誤




在進行統計分析之前，應對資料庫之分布有基
本之認識，才能選擇正確之分析方式
但卻發現研究者常忽略採用統計分析之基本假
設，因而誤用統計方法
在撰寫論文中誤用統計方法，可能遭致退稿或
不正確解讀結果
認識正確之統計方式，避免錯誤
使用不正確之統計方式




Two-sample t test vs paired-t test
Parametric method vs non-parametric test
Pearson’s chi-square test vs Fisher’s exact test
Continuous variable vs Categorical or Ordinal
variable
誤用linear regression


Y=β0+β1X1+ε
Linear regression被廣泛的使用，卻也常常被
誤用:
如資料不是常態分佈
Xi間未完全獨立 (如重複測量)
Y和X間不是線性關係 (如Y= β1X2+ ε)
LINE原則
Type I error 問題




進行研究時，若有多組比較時，應事前即定義
好組別
不應為了產生統計意義而重新分組
分組應符合常理，不然應於方法中詳細敘述
若結果為連續變項，多組比較時，應採ANOVA
及 post-hoc (Bonferonni or Tukey, etc.)，
不可兩兩相比，產生過多之type I error.
Example:
若有10組學生比較身高，要用何種檢定呢?
 One-way ANOVA及post-hoc
 若兩兩檢定會有什麼問題嗎?
type I error 可能會達到 45x0.05
 解決方法: Bonferroni Multiple comparisons
procedure,
此時達統計意義之標準為 0.05/45=0.0011

Example
若有甲乙兩班各5人比較體重高低，要用何種檢
定?
 Wilcoxon Rank-Sum test or Mann-Whitney U
test
因為個案數過少，採用無母數方法

使用Chi-square test常見錯誤



應先建立要檢測之虛無假說(null
hypothesis) ，再選定檢定變項。
若列聯表中有期望值<5時，應改用Fisher’s
exact test 評估結果
若組別過多，可考慮併組
Tx * Result Crosstabulation
Result
1.00
Tx
1.00
Count
Expected Count
2.00
Count
Expected Count
Total
Count
Expected Count
2.00
Total
8
10
18
6.2
11.8
18.0
1
7
8
2.8
5.2
8.0
9
17
26
9.0
17.0
26.0
Chi-Square Tests
Valu
e
Asymp.
Sig. (2sided)
df
Pearson ChiSquare
2.49
7a
1
.114
Continuity
Correctionb
1.28
5
1
.257
Likelihood Ratio
2.78
3
1
.095
Fisher's Exact
Test
Exact
Sig. (2sided)
.190
Linear-by-Linear
Association
2.40
1
N of Valid Cases
26
1
.121
a. 1 cells (25.0%) have expected count less than 5. The minimum
expected count is 2.77.
b. Computed only for a 2x2 table
Exact
Sig. (1sided)
.128
2.3 統計方法陳述不完整




雙尾或單尾檢定
Two sample t-test vs. paired t test
少用之統計方式未詳細說明
若同一Table中有數種變項檢定應陳述清楚
2.4 單元小結



於類別變項統計時，若expected value<5要改用
Fisher’s exact test
於連續變項多組比較應採用ANOV及事後比較
(post-hoc)
若同一Table中有數種變項檢定應陳述清楚
第三章 常見錯誤結果呈現方式





3.1
3.2
3.3
3.4
3.5
單元學習目標
常態分布 vs.非常態分布
錯誤的P值寫法
錯誤解釋結果
單元小結
3.1 單元教學目標



認識結果呈現方式
了解standard deviation 和 standard error
之使用時機
避免錯誤之P值表達方式
3.2 常態分布 vs.非常態分布

Parametric :
Mean±SD
Paired-t test

Two-sample t test


ANOVA






Nonparametric:
Median; range
Wilcoxon Signed-Rank
test
Wilcoxon Rank-Sum
test
Kruskal-Wallis test
常態分布
Mean
 Standard deviation (SD): 描述資料之分佈
 所有樣本中，有95%樣本會在mean±1.96 SD內
 Standard error (SE): 使用sample mean來估計
population之平均值，95% confidence interval =
mean±1.96 SE

3.3 錯誤的P值寫法
Example:
Hazard ratio=5, P=ns;
HR=3, P<0.05;
HR=4, P>0.05
 以上皆是錯誤之書寫方式,除非P<0.001
 應清楚載明P值，如 HR=0.656, P=0.007

除 P value外，加入95% CI



The effect of drug on lowering DBP was statistically
significant (P<0.05) report the real P value, such
as P=0.02
The effect of drug in treatment group on lowering
DBP dropped from 110 to 92 mmHg (P=0.02)
The drug lowered DBP by a mean of 18 mmHg
(95% CI=2-34 mmHg, P=0.02)
3.4 錯誤解釋結果




P值未達統計意義為”non significant”
不等於”no effect” 或 “no difference”
當研究統計結果為non significant時，應計算
統計之power，一般當power=0.8以上才可說兩
組間無明顯差別!
Power=1-β (type II error)
Pr (rejecting H0 when H1 is true)




於結果呈現及討論時，需討論potential bias
及confounding factors
探討bias之方向
若結果可能被低估下仍達統計學顯注意義，責
實際情況上更有意義
若結果可能被高估，則於結果之判讀應更保守
及小心
如左圖p=0.388;
應解讀為兩者差距未無
統計學之意義，而不
應過度解讀為兩者無
差別
 若能提供power更好

Clinical importance vs. statistical significance


當sample size大時，統計結果常達統計之顯著
意義，但若effect size過小，反而於臨床上沒
有實際效用!
當sample size小時，統計結果未達統計之顯著
意義，但若臨床上影響很大，也應趕快發表，
告知其他研究員!
3.5 單元小結




描述資料分佈: Standard deviation
推估95% confidence interval: mean±1.96SE
確切描述p value至小數點後3位
若p value 未達統計學顯著意義應小心保守描
述
第四章 課程總結


4.1 課程總結
4.2 參考資料
4.1 課程總結








進行研究前，對研究設計有詳細知了解，清楚知道是
case-control study, or cohort study or RCT.
應先計算達到 power=0.8所需個案數
選擇適當之統計分析方式: paired t test vs. twosample t test; ANOVA vs. Kruskal-Wallis test
使用列聯表計算，當expected value <5時要採用
Fisher’s exact test.
於統計方式清楚描述本研究是採雙尾或單尾檢定
描述資料分佈使用 standard deviation
推估95% confidence interval: mean±1.96 SE
未達統計學意義不代表無差別!
Absence of proof is not proof of absence.
4.2 參考資料



Alexander MS, Qamruz Z, Karl PF et al. Statistical errors
in medical research-a review of common pitfalls. Swiss
Med Wkly 2007; 137: 44-49.
Tom L. Twenty statistical errors even you can find in
biomedical research articles. Croat Med J 2004; 45:
361-370.
劉仁沛. 公共衛生論文常見之統計問題.
台灣衛誌 2003; 22:356-361.
謝謝各位!