计量资料组间比较的规范应用——基于肝癌患者肝功能指标的t检验与Wilcoxon秩和检验实

在肝癌临床科研中，肝功能指标（如谷丙转氨酶ALT、胆红素）的组间比较是评估治疗效果的核心环节。然而，临床研究者常因“忽视数据分布特征、盲目选择统计方法”导致结果可信度不足，甚至被期刊拒稿。本文以30例肝癌手术治疗组与28例保守治疗组患者的肝功能指标比较为例，系统梳理计量资料组间比较的规范流程（前提验证→方法选择→实操验证→结果表述），结合R与SPSS完整实操步骤，为临床科研人员提供可直接复用的方案，助力提升研究数据可靠性与论文投稿通过率。

一、研究设计与数据特征

（一）研究对象

纳入58例原发性肝癌患者，根据治疗方案分为两组：手术治疗组（n=30），男18例、女12例，平均年龄（56.8±8.2）岁，Child-Pugh分级A/B级分别为22例/8例；保守治疗组（n=28），男16例、女12例，平均年龄（58.2±7.6）岁，Child-Pugh分级A/B级分别为20例/8例。两组患者基线资料（年龄、性别、Child-Pugh分级）比较差异无统计学意义（P均>0.05），具有可比性。

（二）结局指标

核心结局指标为肝功能核心指标：谷丙转氨酶（ALT，U/L）、总胆红素（μmol/L），均为计量资料。数据录入采用Excel规范整理，经初步核查：ALT无缺失值，胆红素存在2例缺失（采用多重插补法填补），无明显录入错误（前期已完成数据清洗）。

二、规范操作流程：从前提验证到结果解读

计量资料组间比较的核心原则是“先验证前提，再选择方法”：独立样本t检验需满足“正态分布+方差齐性”前提；若数据呈非正态分布，则采用非参数检验（Wilcoxon秩和检验，即Mann-Whitney U检验），其无需满足正态分布假设，适用性更广。

（一）第一步：前提验证——正态性检验与方差齐性检验

1. 正态性检验（Shapiro-Wilk检验+Q-Q图验证）

样本量<50时，Shapiro-Wilk检验是正态性检验的首选方法；同时结合Q-Q图可视化验证，避免单一检验的主观性。

（1）R语言实操

# 加载所需包

library(psych)

library(car)

# 数据导入与预处理（填补胆红素缺失值）

liver_cancer <- read.csv("肝癌患者肝功能数据.csv")

liver_cancer$胆红素 <- mice::complete(mice(liver_cancer[,c("胆红素","ALT","treatment")], m=5, method="pmm"), 1)

# 分组提取数据

surgery_group <- subset(liver_cancer, treatment==1)

conservative_group <- subset(liver_cancer, treatment==0)

# 正态性检验函数

norm_test <- function(var) {

test_surgery <- shapiro.test(surgery_group[[var]])

test_conservative <- shapiro.test(conservative_group[[var]])

result <- data.frame(

指标=var,

手术组P值=round(test_surgery$p.value,2),

保守组P值=round(test_conservative$p.value,2),

正态性判断=ifelse(test_surgery$p.value>0.05 & test_conservative$p.value>0.05, "符合正态分布", "不符合正态分布")

)

return(result)

}

# 执行检验并输出结果

norm_result <- rbind(norm_test("ALT"), norm_test("胆红素"))

print(norm_result)

# Q-Q图可视化验证

par(mfrow=c(2,2))

qqPlot(surgery_group$ALT, main="手术组ALT Q-Q图")

qqPlot(conservative_group$ALT, main="保守组ALT Q-Q图")

qqPlot(surgery_group$胆红素, main="手术组胆红素 Q-Q图")

qqPlot(conservative_group$胆红素, main="保守组胆红素 Q-Q图")

（2）SPSS实操步骤

1. 【分析】→【描述统计】→【探索】；

2. 因变量列表选“ALT、胆红素”，因子列表选“treatment”（分组变量）；

3. 【统计量】勾选“描述性、正态性检验”；【图形】勾选“Q-Q图、箱图”；

4. 点击【确定】，输出检验结果与图形。

Q-Q图验证结果与统计检验一致：ALT数据点近似贴合对角线，胆红素数据点偏离对角线，进一步确认分布特征。

2. 方差齐性检验（仅t检验需验证）

针对正态分布的ALT指标，采用Levene检验验证方差齐性（不受数据分布影响，适用性更广）：

R代码：

library(car)

leveneTest(ALT ~ treatment, data = liver_cancer)

# 结果：F=0.85，P=0.36>0.05，提示两组ALT方差齐，可采用标准独立样本t检验。

SPSS实操：

在独立样本t检验操作中，结果会自动输出“Levene方差齐性检验”，直接读取P值即可。若P>0.05，采用“等方差假设”结果；若P<0.05，采用“不等方差假设”（校正t检验）结果。

（二）第二步：组间比较方法选择与实操

根据前提验证结果，明确方法选择：ALT（正态+方差齐）→独立样本t检验；胆红素（非正态）→Wilcoxon秩和检验。

1. 独立样本t检验（ALT指标）

（1）R语言实操

# 执行独立样本t检验（方差齐）

t_result <- t.test(ALT ~ treatment, data = liver_cancer, var.equal=TRUE)

# 提取描述性统计量与统计量

alt_surgery <- c(mean=mean(surgery_group$ALT), sd=sd(surgery_group$ALT))

alt_conservative <- c(mean=mean(conservative_group$ALT), sd=sd(conservative_group$ALT))

t_stat <- round(t_result$statistic, 2)

t_p <- round(t_result$p.value, 3)

t_ci <- round(t_result$conf.int, 1) # 95%置信区间

# 结果整理

t_summary <- data.frame(

指标="ALT（U/L）",

手术组=paste0(round(alt_surgery["mean"],1), "±", round(alt_surgery["sd"],1)),

保守组=paste0(round(alt_conservative["mean"],1), "±", round(alt_conservative["sd"],1)),

统计量=paste0("t=", t_stat),

P值=t_p,

95%置信区间=paste0(t_ci[1], "~", t_ci[2])

)

print(t_summary)

（2）SPSS实操步骤

1. 【分析】→【比较均值】→【独立样本t检验】；

2. 因变量选“ALT”，分组变量选“treatment”→【定义组】输入1（手术组）、0（保守组）；

3. 【选项】勾选“95%置信区间”→【确定】；

4. 结果解读：重点关注“等方差假设”行的t值、P值及95%置信区间，若置信区间不包含0，进一步支持差异有统计学意义。

2. Wilcoxon秩和检验（胆红素指标）

非正态数据需采用中位数（四分位数）描述，秩和检验核心是比较两组数据的秩次分布差异，而非均数差异。

（1）R语言实操

# 执行Wilcoxon秩和检验

wilcox_result <- wilcox.test(胆红素 ~ treatment, data = liver_cancer)

# 提取中位数与四分位数

bil_surgery <- quantile(surgery_group$胆红素, c(0.25,0.5,0.75))

bil_conservative <- quantile(conservative_group$胆红素, c(0.25,0.5,0.75))

# 计算中位数差异的95%置信区间（Bootstrap法）

bil_boot <- boot::boot(data = liver_cancer, statistic = function(x,i) {

median(x$胆红素[x$treatment==1][i]) - median(x$胆红素[x$treatment==0][i])

, R=1000)

bil_ci <- round(boot::boot.ci(bil_boot, type="perc")$perc[c(4,5)], 1)

# 结果整理

wilcox_summary <- data.frame(

指标="胆红素（μmol/L）",

手术组=paste0(round(bil_surgery[2],1), "（", round(bil_surgery[1],1), ",", round(bil_surgery[3],1), "）"),

保守组=paste0(round(bil_conservative[2],1), "（", round(bil_conservative[1],1), ",", round(bil_conservative[3],1), "）"),

统计量=paste0("Z=", round(wilcox_result$statistic,2)),# 样本量>20时用Z值表述

P值=round(wilcox_result$p.value, 3),

95%置信区间=paste0(bil_ci[1], "~", bil_ci[2])

)

print(wilcox_summary)

（2）SPSS实操步骤

1. 【分析】→【非参数检验】→【旧对话框】→【两独立样本】；

2. 检验变量选“胆红素”，分组变量选“treatment”→【定义组】输入1、0；

3. 检验类型勾选“Mann-Whitney U”→【确定】；

4. 结果解读：SPSS输出U值，样本量>20时可通过公式Z=U- n1n2/2 / sqrt(n1n2(n1+n2+1)/12)转换为Z值；95%置信区间需通过【分析】→【非参数检验】→【独立样本】→【 Bootstrap】设置后额外计算。

（三）第三步：结果解读与SCI规范表述

1. 核心结果汇总

2. 结果解读要点

（1）统计结论：

- ALT指标：t=5.82，P<0.001，95%置信区间不包含0，提示手术组ALT水平显著低于保守治疗组，差异具有统计学意义；

- 胆红素指标：Z=1.63，P=0.103>0.05，95%置信区间包含0，提示两组胆红素水平比较差异无统计学意义。

（2）临床意义：

手术组ALT水平更低，提示肝癌手术治疗后患者肝细胞损伤修复效果优于保守治疗；两组胆红素水平无显著差异，可能与胆红素代谢受胆道通畅度、肝细胞储备功能等多重因素影响有关，需进一步扩大样本量或亚组分析验证。

3. SCI规范表述（文字+表格）

（1）文字表述

“本研究纳入58例肝癌患者，比较手术组（n=30）与保守治疗组（n=28）的肝功能指标差异。组间比较结果显示，手术组ALT水平显著低于保守治疗组（45.2±12.3 U/L vs 68.5±15.7 U/L，t=5.82，P<0.001，95%CI：-28.6~-18.0）；两组胆红素水平比较差异无统计学意义（15.3（10.2, 21.5）μmol/L vs 18.6（12.1, 25.3）μmol/L，Z=1.63，P=0.103，95%CI：-0.5~7.8）。”

（2）表格表述（三线表规范）

**表1 两组肝癌患者肝功能指标组间比较**

*注：ALT采用独立样本t检验，数据以均数±标准差表示；胆红素采用Wilcoxon秩和检验，数据以中位数（四分位数）表示*

三、常见误区与实操建议

（一）核心误区规避

1. 忽视正态性检验：盲目用t检验分析非正态数据（如本例胆红素），会导致P值偏差，高估/低估组间差异；

2. 描述性统计量错误：非正态数据仍用均数±标准差描述，不符合统计规范；

3. 统计量表述混淆：Wilcoxon秩和检验报告t值，而非Z值或U值；

4. 遗漏置信区间：SCI期刊普遍要求报告95%置信区间，以体现差异的精度与可靠性；

5. 方差齐性检验缺失：正态数据未验证方差齐性，直接用标准t检验，可能导致结果偏倚。

（二）实操建议

1. 数据预处理优先：组间比较前需完成数据清洗（缺失值、异常值处理），避免原始数据问题影响统计结果；

2. 方法选择口诀：“先看分布，再看齐性；正态齐性用t检验，非正态用秩和检验”；

3. 结果报告完整：需同时呈现“描述性统计量+检验统计量+t/Z值+P值+95%置信区间”，确保结果可重复；

4. 敏感性分析：对于边界P值（如P=0.05~0.10，本例胆红素P=0.103），可通过扩大样本量、调整分析模型（如控制年龄、肿瘤分期）进一步验证结论稳定性。

四、结语

计量资料组间比较的规范性直接决定肝癌临床研究结论的可信度。研究者需严格遵循“前提验证→方法选择→实操验证→规范表述”的流程，跳出“唯P值论”的误区，结合临床意义综合解读结果。本文提供的R与SPSS实操步骤可直接应用于类似研究，助力临床研究者提升数据处理的规范性，产出高质量科研成果。后续将推出“多组间比较（方差分析/ Kruskal-Wallis H检验）”实操指南，感兴趣的同仁可关注后续内容。若在实操中遇到具体问题，欢迎在评论区交流探讨！