2024年2月17日，《Lancet》发布了一篇通信类文章（Correspondence），基于对近三年投稿到《Lancet》的1000多份文章的审查，总结了常见的统计误区，并为如何避免这些错误提供了指导。

原文链接：https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)00139-9/fulltext

准确报告统计数据的基本建议总结

• 使用均值和标准差（SD）（或中位数和四分位间距[IQR]）描述定量数据的分布情况；在补充材料中提供直方图或表格。
• 不要简单写P值小于或大于0.05（或0.01），要报告精确的P值（例如，P值为0.032，应写P=0.032，而不是P<0.05）；但对于极小的P值，可以报告为P<0.0001。
• 不要简单将结果描述为没有效果，除非区间估计的所有效应值均没有临床意义。
• 应基于临床重要性来解释结果。
• 根据背景信息（如因果有向无环图[DAG]所示）识别混杂因素，而不是显著性检验。
• 缺失数据的占比过高，可能会影响结果，不要简单删除不完整数据，可使用逆概率加权或多重插补等方法。
• 应使用专用的方法评估和处理稀疏数据偏倚（sparse-data bias）。
• 如果结局发生率较高，应报告危险比（risk ratio，RR）或危险差（risk difference，RD），而不是比值比（odds ratio，OR）
• 即使采用了相乘模型，也要评估相加交互作用。