国际顶级医学期刊《柳叶刀》（The Lancet）最近发表了一篇实用的通讯文章（Correspondence），该篇Correspondence基于过去3年内对提交给《柳叶刀》的1000多篇manuscripts进行审核的经验，总结了科研report中常见统计使用错误，并给出了规避统计使用错误的建议，值得一读。
简单分享小编的学习笔记，欢迎评论区讨论！
- 描述性统计对于理解数据至关重要，对于定量变量选择何种描述性统计指标描述，根据数据分布情况而定，可选择报告均值和标准差，或者报告中位数和四分位数范围（IQR）。同时，需要提供分析中使用的变量的直方图或表格等补充资料。
- 所有统计分析都建立在基本假设的基础上，如果可行的话，最好使用图形检查所有模型假设。
- 显示精确的p值，例如，0.032的p值应显示为p=0.032，而不是p<0.05，然而，可以使用不等式p<0.0001来报告非常小的p值。
- 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。
- 基于临床重要性解释结果，并使用95%置信区间适当估计关联。
- 根据背景信息识别混杂因素，而不是统计学检验。
- 如果缺失数据的比例很高，可能会影响结果，不要简单删除不完整数据，建议使用逆概率加权或多重插补等方法。
- 使用专用的方法评估和处理稀疏数据偏倚（sparse-data bias）。
- 如果结果发生率较高，应报告危险比（risk ratio）或危险差（risk difference），而不是比值比（odds ratio）。
- 即使使用了相乘模型（multiplicative），也要评估相加交互作用（additive interactions）。
全文总结如下，
