荷兰阿姆斯特丹大学医学院麻醉科Patrick Schober教授发表了一篇论文《Statistics From A (Agreement) to Z (z Score): A Guide to Interpreting Common Measures of Association, Agreement, Diagnostic Accuracy, Effect Size, Heterogeneity, and Reliability in Medical Research》，对各种常见的统计指标的界值进行了介绍说明，并建议对医学研究中的一些常用统计指标进行简单易懂的解释，小咖将继续为大家进行一一介绍。

前面我们已经介绍了相关系数、克朗巴哈系数、ICC、Kappa、AUC，今天我们继续介绍另外几个统计指标。

标准均值差SMD：

Cohen’ d，Hedge’ G，Glass’ Δ

在医学研究文献中，组间的平均差异通常被报告为原始测量单位的未标准化差异，例如收缩压的平均差异为15mmHg，因为这些单位具有内在的医学含义。

但是在心理学或社会科学等其他研究领域，量表通常没有内在的计量单位。因此，效应量大小通常以标准均值差（SMD）的形式进行报告，使用Cohen’ d，Hedge’ G，Glass’ Δ。SMD为两组之间均值（或比例或等级）的差异除以标准差。

简单地说，SMD为1表示两组的均值相差1个标准偏差。SMD计算根据所使用的标准差类型不同而不同，组间的合并标准差是最为常见的。

虽然在医学研究文献中，未标准化的差异，例如以平均值或比例差异表示的治疗效果更为常见，但也经常会用到SMD。例如，在Meta分析中，当纳入研究的结果使用不同的量表进行测量时，通常使用SMD来汇总数据。

而在医学研究中，SMD最常用的地方可能是在随机对照试验中，或进行倾向性评分匹配或加权前后，来评估两组组间基线资料的均衡性。

Cohen最初提出以0.2、0.5和0.8作为SMD的划分界值，分别对应效应量的小、中、大。这种解释在文献中被广泛接受。在评估组间的均衡性时，SMD<0.1通常表示均衡性较好，可以认为研究组之间的差异很小。