统计描述怎么写？以冠心病患者为例，正确呈现均数 ± 标准差 / 中位数 + 四分位数

在临床研究投稿时，很多医生朋友会收到这样的审稿意见：“请补充计量资料的正态性检验结果，非正态分布指标不应使用均数 ± 标准差描述”“计数资料的百分比计算有误，建议重新核对”。其实，统计描述是 SCI 论文 “结果部分” 的开篇，也是审稿人最先关注的内容 —— 如果连 “年龄用均数还是中位数”“百分比怎么算” 都出错，后续再复杂的统计分析也会失去可信度。今天就以 180 例冠心病患者的真实数据为例，手把手教大家区分计量资料的描述方式，掌握计数资料的规范呈现，同时附上 R 和 SPSS 的实操步骤，让你的统计描述既符合临床逻辑，又满足 SCI 期刊要求。​

先看一个常见的错误案例：某医生在论文中写道 “180 例冠心病患者，年龄 58±12 岁，甘油三酯 2.3±1.8 mmol/L，合并高血压 85 例（47.2%）”。投稿后被审稿人指出两点问题：一是未说明年龄和甘油三酯的正态性检验结果，无法判断 “均数 ± 标准差” 是否适用；二是甘油三酯通常呈非正态分布，用均数描述会掩盖数据的真实分布特征（比如存在高值 outliers 时，均数会被拉高）。这个案例的核心问题，就是没掌握 “先判断数据分布，再选择描述方式” 的统计逻辑。​

一、计量资料描述：先做正态性检验，再选 “均数 ± 标准差” 或 “中位数（四分位数）”​

计量资料是指能通过数值量化的指标（如年龄、血压、血脂），其描述方式完全由 “数据分布类型” 决定 —— 正态分布用 “均数 ± 标准差（x̄±s）”，非正态分布用 “中位数（四分位数）[M（Q1, Q3）]”。我们以 180 例冠心病患者的 3 个核心指标（年龄、总胆固醇、甘油三酯）为例，完整演示从 “分布判断” 到 “结果呈现” 的过程。​

1. 第一步：正态性检验（关键前提，不能省略）​

在选择描述方式前，必须先通过 “统计检验 + 可视化” 判断数据是否符合正态分布。​

• R 实操：Shapiro-Wilk 检验 + Q-Q 图​

假设我们已将 180 例冠心病患者数据导入 R，数据框名为chd_data，包含年龄（岁）、总胆固醇（mmol/L）、甘油三酯（mmol/L）3 个变量。代码如下：

# 1. 加载必备包

install.packages(c("psych", "car"))

library(psych)

library(car)

# 2. 提取计量资料变量

numeric_vars d_data[, c("年龄", "总胆固醇", "甘油三酯")]

# 3. Shapiro-Wilk正态性检验（样本量时首选）

for (var in colnames(numeric_vars)) {

cat("=== ", var, "的正态性检验结果 ===\n")

# 排除缺失值

data_complete .omit(numeric_vars[[var]])

# 执行检验

sw_test complete)

print(sw_test)

# 结果解读：P>0.05提示符合正态分布

}

# 4. Q-Q图可视化验证（更直观判断分布）

par(mfrow = c(1, 3)) # 1行3列布局

for (var in colnames(numeric_vars)) {

qqPlot(numeric_vars[[var]], main = paste(var, "Q-Q图"), pch = 16, col = "blue")

}

假设检验结果如下：​

• 年龄：Shapiro-Wilk 检验 P=0.15 > 0.05，Q-Q 图点近似沿直线分布 → 符合正态分布；​
• 总胆固醇：Shapiro-Wilk 检验 P=0.22 > 0.05，Q-Q 图点分布均匀 → 符合正态分布；​
• 甘油三酯：Shapiro-Wilk 检验 P=0.02 05，Q-Q 图点偏离直线（右侧有长尾） → 不符合正态分布。​
• SPSS 实操：探索分析（含检验与图形）​

操作步骤：​

1. 点击【分析】→【描述统计】→【探索】；​
2. 将 “年龄、总胆固醇、甘油三酯” 选入 “因变量列表”，“显示” 选择 “两者”；​
3. 点击【统计量】，勾选 “描述性” 和 “正态性检验”；​
4. 点击【图形】，勾选 “Q-Q 图” 和 “箱图”（箱图可辅助看是否有异常值）；​
5. 点击【确定】，输出结果。​

结果解读与 R 一致：年龄和总胆固醇符合正态分布，甘油三酯呈非正态分布。​

正态性检验避坑点：不要仅凭 “经验” 判断分布（比如认为 “年龄一定正态”）—— 当样本中存在极端值（如年轻冠心病患者或高龄患者较多）时，年龄也可能呈非正态分布；样本量较大（>500）时，Shapiro-Wilk 检验敏感性过高，可结合 Q-Q 图和数据实际意义判断（如血压、血脂等生理指标通常近似正态）。

2. 第二步：按分布类型选择描述方式，计算统计量​

• 正态分布变量（年龄、总胆固醇）：均数 ± 标准差（x̄±s）​

均数反映数据的 “中心位置”，标准差反映 “离散程度”，适合对称分布的数据。​

• R 实操：用psych包的describe()函数计算，代码如下：

# 计算正态分布变量的均数和标准差

norm_desc c("年龄", "总胆固醇")], fast = TRUE)

# 提取均数（mean）和标准差（sd），保留1位小数

norm_result 变量 = rownames(norm_desc),

均数±标准差 = paste0(round(norm_desc$mean, 1), "±", round(norm_desc$sd, 1))

)

print(norm_result)

输出结果（示例）：

• SPSS 实操：在【探索】分析的输出结果中，查看 “描述性” 表格，直接提取 “均值” 和 “标准差”，按 “均值 ± 标准差” 格式整理。​
• 非正态分布变量（甘油三酯）：中位数（四分位数）[M（Q1, Q3）]​

中位数是数据排序后的 “中间值”，不受极端值影响；四分位数（Q1 = 第 25 百分位，Q3 = 第 75 百分位）反映数据的 “中间 50% 范围”，适合偏态分布的数据（如甘油三酯常因少数高值患者呈右偏分布）。​

• R 实操：用quantile()函数计算，代码如下：

# 计算甘油三酯的中位数（50%分位数）和四分位数（25%、75%分位数）

tg_quant _vars$甘油三酯, probs = c(0.25, 0.5, 0.75), na.rm = TRUE)

# 整理为“中位数（Q1, Q3）”格式，保留1位小数

tg_result 变量 = "甘油三酯",

中位数（四分位数） = paste0(round(tg_quant[2], 1), "（", round(tg_quant[1], 1), ",", round(tg_quant[3], 1), "）")

)

print(tg_result)

输出结果（示例）：

• SPSS 实操：在【探索】分析的输出结果中，查看 “百分位数” 表格，提取 “25”“50”“75” 对应的数值，按 “中位数（Q1, Q3）” 格式整理。​

3. 第三步：SCI 论文中的规范表述（附示例）​

统计描述不仅要计算正确，还要在论文中清晰呈现，通常分 “文字描述” 和 “表格呈现” 两种方式：​

• 文字描述示例：​

“本研究共纳入 180 例冠心病患者，其中男性 102 例（56.7%），女性 78 例（43.3%）。计量资料中，年龄符合正态分布，以均数 ± 标准差表示为 62.3±8.5 岁（范围 45-81 岁）；总胆固醇亦符合正态分布，为 4.8±1.1 mmol/L；甘油三酯呈非正态分布，以中位数（四分位数）表示为 1.8（1.2, 2.5）mmol/L。”​

• 表格呈现示例（三线表，符合 SCI 要求）：

表格避坑点：非正态分布变量不要标注 “±”（如写成 “1.8±0.7” 是错误的）；范围（如年龄 45-81 岁）可选择性添加，用于展示数据的整体跨度，但不要替代标准差或四分位数。​

二、计数资料描述：频数（百分比）[n（%）] 的正确计算与呈现​

计数资料是指按类别分组的指标（如性别、合并症、疾病分期），描述核心是 “频数 + 百分比”，但需注意 “分母的选择”（总样本量或各组样本量）和 “百分比的准确性”。我们仍以 180 例冠心病患者的计数资料（性别、合并高血压、合并糖尿病、心功能分级）为例说明。​

1. 二分类计数资料（性别、合并高血压、合并糖尿病）：直接计算总样本百分比​

二分类变量只有两个类别（如性别：男 / 女，合并高血压：是 / 否），百分比分母为 “总样本量”。​

• R 实操：用table()函数计算频数，再换算为百分比，代码如下：

# 提取计数资料变量

count_vars chd_data[, c("性别", "合并高血压", "合并糖尿病")]

# 定义函数：计算频数和百分比

count_desc {

tab (var, useNA = "no") # 不包含缺失值

pct (tab) * 100, 1) # 百分比保留1位小数

result data.frame(

类别 = names(tab),

频数（百分比） = paste0(tab, "（", pct, "%）")

)

return(result)

}

# 应用函数到每个变量

for (var in colnames(count_vars)) {

cat("=== ", var, "的描述结果 ===\n")

print(count_desc(count_vars[[var]]))

}

输出结果（示例）：​

• 性别：

合并高血压：

• SPSS 实操：​

1. 点击【分析】→【描述统计】→【频率】；​
2. 将 “性别、合并高血压、合并糖尿病” 选入 “变量”；​
3. 点击【统计量】，勾选 “百分比”；​
4. 点击【确定】，输出 “频率表”，直接提取 “频数” 和 “百分比”。​

2. 多分类计数资料（心功能分级）：按类别呈现，避免遗漏​

多分类变量有 3 个及以上类别（如心功能分级：Ⅰ 级 /Ⅱ 级 /Ⅲ 级 /Ⅳ 级），需列出所有类别及其百分比，分母仍为 “总样本量”。​

• 示例结果（文字描述）：​

“180 例冠心病患者中，心功能 Ⅰ 级 32 例（17.8%），Ⅱ 级 85 例（47.2%），Ⅲ 级 53 例（29.4%），Ⅳ 级 10 例（5.6%）。”​

• 示例结果（表格呈现）：

计数资料避坑点：​

1. 百分比不要四舍五入过度（如保留 1 位小数即可，避免 “56.666%” 的冗余表述）；​
2. 所有类别的百分比之和应为 100%（若有缺失值，需在表格下方注明 “缺失例数”，如 “合并糖尿病：2 例缺失”）；​
3. 不要混淆 “构成比” 和 “率”（如 “心功能 Ⅲ 级 53 例（29.4%）” 是构成比，反映该级别在总样本中的占比；而 “年发病率” 是率，需结合时间维度计算，两者不能混用）。​

三、实操验证：确保统计描述与数据分布一致​

完成统计描述后，建议通过 “可视化图形” 验证结果是否合理，避免计算错误：​

• 正态分布变量：用直方图（Histogram）查看是否呈 “钟形分布”——R 用ggplot2的geom_histogram()，SPSS 在【探索】分析中勾选 “直方图”；​
• 非正态分布变量：用箱线图（Boxplot）查看中位数是否在箱体中间、是否有极端值 ——R 用geom_boxplot()，SPSS 在【探索】分析中勾选 “箱图”；​
• 计数资料：用条形图（Bar Chart）查看各类别频数的分布 ——R 用geom_bar()，SPSS 点击【图形】→【旧对话框】→【条形图】。​

比如，甘油三酯的箱线图若显示中位数靠近 Q1（即箱体上半部分更长），则符合右偏分布，验证 “中位数（1.8）低于均数（如 2.1）” 的结果合理，进一步说明用中位数描述的正确性。​

统计描述看似是 “简单的计算”，实则是临床研究的 “门面”——180 例冠心病患者的数据通过规范描述，不仅能让审稿人快速了解样本特征，还能为后续的 “组间比较”（如不同心功能分级患者的血脂差异）奠定基础。很多医生朋友之所以在统计描述上出错，本质是跳过了 “正态性检验” 这一步，或混淆了 “均数” 与 “中位数” 的适用场景。​

接下来的系列文章中，我会聚焦 “假设检验的核心 ——P 值与置信区间”，以胃癌疗效对比为例，通俗解释 “P5 到底意味着什么”“如何避免误解 P 值”，同时教大家用 R 和 SPSS 做组间比较的基础检验。如果你的研究中遇到过 “统计描述与期刊要求不符”“不知道如何判断数据分布” 等问题，欢迎在评论区留言；想持续学习医学统计 + SCI 实操的朋友，记得关注我，后续内容会帮你一步步攻克统计难关，让论文投稿更顺利！