临床研究基线均衡性比较除了用P值大小来反映，还可以用这种方法！

原标题：临床研究基线均衡性比较除了用P值大小来反映，还可以用这种方法！

统计小食系列

（1）数据不是正态分布还能做t检验吗？

（2）当正态、偏态、率的数据狭路相逢，如何绘制规范医学论文表格？

（3）基本统计研究七宗罪，你犯了几条？来投个票吧

（4）方差分析后两两比较，究竟应该用哪种方法？

（5）再论“数据不是正态时，是否可以采用t检验？”

（6）“我的研究是基于量表的调查，如何计算样本量？”

（7）两组均数比较，可以用方差分析吗？谈谈结果一样的那些统计方法。

（8）趋势性检验还不会做？来看看最基本的趋势性检验方法

均衡性原则是指除了处理因素不同外，其他对观察结果有影响的因素应尽量一致 。

组间基线资料的均衡性是为了保证反应变量观察结果的组间可比 性，以便在相似的基线条件下考察处理因素对观察结 果的真实影响。目前基线资料均衡性的检验方法常用的是假设检验。

根据P值判断是否均衡其实不那么可靠！

假设检验的目的是通过样本对总体进行推断，而基线均衡性比较的目的是比较样本间的可比性，因此前者的意义在总体层面，后者的意义则在样本层面上。另外根据假设检验和样本量的关系可知，即使样本实 际的均衡性没有变化，随着样本量的减少，检验效能降低，也会得出较大的 P 值，即均衡性变好的假相，所以通过假设检验得出的基线“均衡”是不可靠的。 此时，如果预先对基线数据进行组间比较，作者可能会选择性不报告组间差异有统计学意义的变量，而导致选择性报告偏倚。

因此在随机对照试验中，很多基线比较，干脆不需要提供假设检验和P值的结果。因为这是多余，P值是否小于0.05都不能很好说明是否均衡。

怎么办？我推荐标准化差异法 ( standardized difference )

而标准化差异法不再注重P值，而注重实际差别。 标准化差异的定义由 Flury 和 Reidwyl 在 1986 年 首次提出。

对于连续性变量，其算法是:

可以看出，标准化差值，其实根据两组数据的均数和标准差，将差值转为类似于z值的d值。

对于分类变量，它的算法是

一般地，当标准化差异小于 0.1 时，认为组 间该变量的均衡性较好 。 这一点可见于大部分的文献，有心的朋友今后可以留意一下。

总结来说，

假设检验P值，在小样本时，对不均衡性不敏感；对大样本又过于铭感。标准化差异 正是在小样本情况下也可以检验出基线资料不均衡性的方法。标准化差异同时适用于连续型变量和分类变 量的均衡性比较，且不受度量衡的影响。标准化差异 的优点还在于可以量化指标差异的大小，也可以结合示意图直观地表示。

标准化差异不仅可以用于一般组间差异性比较，还可以用于倾向评分的差异性比较和基于加权的倾向评分比较，不会受到样本量，特别是加权之后样本量的变动影响。

案例分析

比如2019年最新出版的研究慢性肾病的大队列研究中，就是用了标准化率的方法。该研究基于逆概率加权的方法进行匹配研究。

这是匹配前的基线数据，很多标准化差值都超过10%

这是匹配后的基线数据，标准化差值都小于10%

诸位，不如来尝试尝试一下！

欢迎关注本公众号，我们是资源的搬运工，所有科研资源全部免费下载：

1. 医学统计学习全套视频，妙趣+高级+SPSS+测试题，让你从入门到精通！

2. 免费下载各种文献的科研神器SCI-HUB客户端 V5.0版来了

3.问卷和量表如何统计分析？Amos亚洲一哥张伟豪"量化研究SPSS视频"下载!

4. 2006-2018中国卫生统计年鉴合集

5. 公共卫生研究必备：5次国家卫生服务调查100万居民分析报告

6. 精选的meta分析视频来了！

7. “30 天学会R 语言”30篇学习文章合集来了，欢迎坚持从零开始学习！

8. 重磅推出2019年45份大健康产业研究报告

9.精选R语言入门学习资源：视频+文档，初学者者必备！

10.中国70年人口变化数据：1949-2018《中国人口就业统计年鉴》返回搜狐，查看更多

责任编辑：