变量编码避坑：以高血压患者数据为例，教你定义计量 / 计数 / 有序变量

今天分享医学统计系列第二篇文章，希望对你有帮助

做临床研究时，很多医生朋友会遇到这样的问题：“明明收集了完整的高血压患者数据，却因为变量定义混乱，后续统计分析频频出错，甚至被 SCI 期刊审稿人质疑数据可靠性。” 其实，变量编码是医学统计的 “第一步”，也是最容易踩坑的环节 —— 选对变量类型、做好编码，后续的统计描述、组间比较才能顺利推进。今天就以某医院 150 例高血压患者的真实数据为例，手把手教大家区分计量、计数、有序变量，掌握 SCI 期刊认可的编码规范。​

先看一个真实场景：某医生收集了高血压患者的 “年龄、性别、收缩压、病程、疗效等级”5 类数据，直接用 Excel 录入后就开始做统计，结果发现：用 “1 = 男、2 = 女” 编码的性别，在 SPSS 中被识别成了计量变量；“疗效等级：显效 / 有效 / 无效” 被写成文字后，无法进行秩和检验；甚至连 “收缩压” 都因为录入了 “145mmHg” 这样带单位的格式，导致软件无法计算均值。这些问题的根源，都是没搞懂 “变量类型” 和 “编码规则”。​

一、3 类核心变量：用高血压数据逐个拆解​

我们先明确一个核心原则：变量类型决定后续统计方法—— 计量变量用均数、标准差描述，计数变量用频数、百分比描述，有序变量需考虑等级关系，三者的分析逻辑完全不同。下面结合 150 例高血压患者数据，逐个说明：​

1. 计量变量：能 “量化” 的连续数据，有具体数值和单位​

这类变量的核心特征是 “可以用数字表示具体大小，且能进行加减运算”，比如身高、体重、血压值等。在 150 例高血压患者数据中，典型的计量变量包括：​

• 年龄：数据格式为 “55 岁、62 岁、48 岁”，最终整理为 “55±8 岁”（均数 ± 标准差），单位是 “岁”；​
• 收缩压（SBP）：录入时需去掉单位，直接填数值 “145、138、152”，后续统计时标注单位 “mmHg”，结果可表示为 “145±12 mmHg”；​
• 病程：若记录为 “5 年、10 年、3 年”，则属于计量变量，可描述为 “7.2±3.5 年”；但需注意：若记录为 “、5-10 年、>10 年”，则不属于计量变量（后续会讲这类情况的处理）。​

编码避坑点：计量变量必须是 “纯数值”，不能带单位（如 “145mmHg” 需改为 “145”），也不能用 “范围” 表示（如 “50-60 岁” 需改为具体数值 “55”，或拆分为 “年龄下限”“年龄上限” 两个变量）。​

2. 计数变量：按 “类别” 分组，各组间无等级关系​

这类变量的核心特征是 “只能归为不同类别，无法比较大小或进行加减运算”，且类别之间是 “平等” 的，比如性别、是否合并疾病等。在高血压患者数据中，常见的计数变量有：​

• 性别：分为 “男、女” 两组，无等级差异（不能说 “男比女高级”），编码时建议用 “1 = 男、0 = 女”（二进制编码，后续回归分析更方便），最终统计结果为 “男 82 例（54.7%）、女 68 例（45.3%）”；​
• 合并糖尿病：分为 “是、否” 两组，编码为 “1 = 是、0 = 否”，结果可表示为 “合并糖尿病 32 例（21.3%）、无糖尿病 118 例（78.7%）”；​
• 吸烟状态：若分为 “吸烟、不吸烟”，则是二分类计数变量；若分为 “从不吸烟、曾经吸烟、现在吸烟”，虽有 3 组，但各组间无明确等级（“曾经吸烟” 和 “现在吸烟” 无法比较 “高低”），仍属于多分类计数变量，编码可设为 “1 = 从不吸烟、2 = 曾经吸烟、3 = 现在吸烟”。​

编码避坑点：计数变量的类别必须 “互斥且全面”—— 比如性别不能漏 “其他”（若研究对象有该情况），也不能出现 “既男又女” 的重叠；多分类计数变量的编码无需遵循 “大小逻辑”（如 “吸烟状态” 的编码 1、2、3 不代表等级）。​

3. 有序变量：按 “等级” 分组，各组间有明确顺序关系​

这类变量是临床研究中最容易被误判的类型，核心特征是 “类别有先后顺序，可比较等级高低”，但无法精确量化差异（比如 “显效” 和 “有效” 的差距不能用具体数字表示）。在高血压患者疗效研究中，最典型的就是：​

• 疗效等级：根据《中国高血压防治指南》，分为 “显效（收缩压下降≥20mmHg 或降至正常）、有效（收缩压下降 10-19mmHg）、无效（未达到上述标准）”，这三组有明确的 “优劣顺序”（显效 > 有效 > 无效），属于有序变量；​
• 血压控制水平：分为 “优良（0/80mmHg）、尚可（130-139/80-89mmHg）、不良（≥140/90mmHg）”，同样有等级关系，需按有序变量处理。​

编码避坑点：有序变量的编码必须 “体现等级顺序”，比如疗效等级建议设为 “1 = 显效、2 = 有效、3 = 无效”（从优到差），或 “3 = 显效、2 = 有效、1 = 无效”，但不能随机编码（如 “1 = 无效、3 = 显效、2 = 有效”），否则后续秩和检验会出错；另外，不要把有序变量误归为计数变量 —— 若将 “疗效等级” 按普通计数变量做卡方检验，会丢失 “等级差异” 的关键信息，这是 SCI 论文中常见的统计错误。​

二、SCI 期刊认可的变量编码规范：3 个关键要求​

很多医生朋友的变量编码 “自己能看懂，但审稿人看不懂”，核心是没满足 SCI 期刊的规范要求。结合高血压数据案例，总结 3 个关键要点：​

1. 变量命名：清晰具体，避免模糊表述​

• 错误示例：“血压”“时间”“效果”（无法判断是收缩压还是舒张压，是病程还是随访时间）；​
• 正确示例：“收缩压（SBP）”“病程（年）”“降压疗效等级”（标注缩写、单位或定义，让审稿人一目了然）。​

2. 编码说明：在论文 “方法学” 部分明确标注​

SCI 论文需在 “数据收集与变量定义” 部分说明编码规则，比如：“本研究纳入 150 例高血压患者，其中性别（1 = 男，0 = 女）、合并糖尿病（1 = 是，0 = 否）为二分类计数变量；年龄（岁）、收缩压（mmHg）、病程（年）为计量变量；降压疗效等级（1 = 显效，2 = 有效，3 = 无效）为有序分类变量。”​

3. 缺失值处理：明确标注，不随意删除​

若高血压患者数据中存在缺失（如 10 例患者未记录 “病程”），编码时需用 “NA”（R 语言）或 “.”（SPSS）标注，不能用 “0” 或 “999” 等数字代替（会被软件误判为有效数据），且需在论文中说明缺失情况：“本研究共收集 150 例患者数据，其中病程变量存在 10 例缺失（缺失率 6.7%），采用多重插补法进行处理。”​

三、实操演示：高血压数据的 Excel 编码模板​

为了让大家 “看完就能用”，这里提供 150 例高血压患者数据的 Excel 编码模板（部分示例），后续导入 R 或 SPSS 时可直接使用：

按照这个模板编码，后续做 “年龄的正态性检验”“疗效等级的秩和检验” 时，就不会出现变量类型错误，统计结果也更可靠。​

变量编码看似简单，却是决定统计分析成败的 “基础工程”—— 就像盖房子要先打好地基，变量定义清晰了，后续的 t 检验、回归分析、SCI 结果呈现才能顺利推进。接下来的系列文章中，我会以糖尿病、冠心病等疾病数据为例，继续拆解 “数据清洗实操”“统计描述方法”，每篇都附 R 和 SPSS 的详细操作步骤，帮大家避开统计陷阱。​

如果你的研究中遇到过变量编码相关的问题（比如不知道如何处理 “半定量数据”“多选项变量”），欢迎在评论区留言；想系统学习医学统计 + SCI 实操的朋友，记得关注我，后续文章会持续更新，让你从 “数据收集” 到 “论文发表” 都能少走弯路！