临床研究只报告P<0.05,为什么现在越来越不够用了?做临床研究，到了统计分析这一步，很多人最先看的还是P值。 P＜0.05，说明有统计学意义，结果基本“稳了”；P＞0.05，就开始担心这个指标是不是做不出来；如果几个主要指标都没有显著差异，甚至会怀疑整篇文章是不是没什么价值。很多临床论文的结果表也是按照这个思路做的：两组均值、标准差、t值或者χ²值，最后放一个P值，再根据结果写“显著改善”或者“差异无统计学意义”。 但如果这两年投稿比较多，或者认真看过一些期刊的审稿意见，会发现一个变化：P值当然还要报告，但只给P值，越来越难完整说明研究结果了。审稿人还会继续问：两组到底差了多少？这个差异大不大？估计得准不准？即使有统计学意义，它在临床上有没有实际价值？ 也就是说，一项研究不能只告诉读者“有没有差异”，还要进一步说明：差异有多大，以及这个差异有多可靠。这也是为什么，效应量和95%置信区间在临床论文中的重要性越来越高。 01 P＜0.05没有错，问题是我们经常让它说明了太多事情 现在强调效应量和置信区间，并不代表P值没用了。真正的问题在于，很多论文习惯用一个P值承担太多任务。比如一项围术期护理研究，干预组术后并发症发生率为10%，对照组为18%，P＝0.04。很多论文最后只写：“干预组并发症发生率显著低于对照组，差异具有统计学意义。”这句话没有错，但真正有临床意义的信息其实是10%和18%相差了8个百分点，也就是每100名患者中，干预组大约少发生8例并发症。如果进一步报告RR及95%置信区间，读者才能同时看到效果有多大、这个估计有多稳定。 连续变量也是一样。假设一种康复方案让术后疼痛评分平均降低0.2分，因为样本量较大，最后得到P＜0.001。从统计学上看结果很漂亮，但临床上更应该问：0.2分的变化，对患者到底意味着什么？反过来，如果两组并发症发生率分别为10%和15%，P＝0.08，也不能简单写成“干预无效”。它只能说明，在当前样本和分析条件下，还没有获得足够证据证明两组存在统计学差异，至于这5个百分点有没有临床价值，还需要结合效应估计和置信区间判断。 所以，P＝0.049和P＝0.051之间，并不存在一道能够自动把“有效”和“无效”完全分开的墙。尤其是样本量较大的研究，一些很小的差异也可能得到P＜0.001。统计学显著不等于临床意义重大；没有达到统计学显著，也不等于研究没有价值。 02 审稿人现在更想知道：这个结果到底有多大意义？ 为什么现在越来越强调效应量和95%置信区间？因为单独一个P值提供的信息确实有限。同样是P＝0.03，一项研究可能是并发症从30%降到了15%，另一项可能只是从30%降到了28%。两项研究都可以写“差异具有统计学意义”，但临床价值显然不同。 所以现在看结果，需要把几个信息放在一起：P值提供统计证据，效应量告诉我们差异有多大，95%置信区间则帮助判断这个效应估计有多精确。比如某项围术期护理研究发现新方案组并发症更少，P＝0.046，进一步分析得到OR约为0.49，且95%置信区间接近但没有跨过1。这个结果不仅告诉我们“有统计学差异”，还提示新方案可能与较低的并发症风险相关，但由于区间已经接近1，结果仍需要谨慎解释。 这也是现在很多审稿意见背后的逻辑。审稿人并不是不看P值，而是不会看到P＜0.05就停止判断。他们还会看研究设计、样本量、多重比较、效应大小和置信区间等。尤其是一项研究分析了很多指标时，偶然出现几个P＜0.05并不困难。相比“表格里有多少个显著结果”，审稿人真正关心的，是这些结果到底有多大意义，以及能不能相信。 03 如果你的结果表现在只有P值，可以从这里开始改 这并不意味着以后做临床论文，要往结果表里塞一大堆复杂指标。关键还是根据结局类型选择合适的报告方式。对于并发症、死亡、再入院等二分类结局，可以在两组发生率之外，根据研究设计报告绝对风险差、RR或OR及95%置信区间；对于住院时间、疼痛评分、生活质量评分等连续结局，可以进一步报告组间差值及95%置信区间，必要时补充相应效应量；生存研究除了Log-rank检验，还应关注HR及95%置信区间。 补充这些指标，不是为了让统计分析显得更复杂，而是让结果从“有差异/没差异”，进一步变成**差异有多大，我们对这个差异有多确定”。如果一篇论文最后只有“观察组优于对照组，P＜0.05”“生活质量提高，P＜0.05”“并发症减少，P＜0.05”，即使表格里有很多显著结果，读者依然不知道这些改善到底有多大，也不知道结果是否稳定。 这一点对准备职称成果的人同样有意义。现在卫生专业技术人员职称评价越来越强调成果本身的质量和实际价值，当然，具体申报仍然要以所在地区和单位当年的要求为准。但如果一项研究要作为代表性成果，几个P＜0.05并不能自动说明研究质量。差异有多大、结果有多可靠、有没有临床意义，才是研究最终需要回答的问题。 总结 P值没有过时，也不是以后做统计分析就不用看P值了。真正发生变化的是，我们不能再让P值承担它回答不了的问题。如果你的结果表里已经有均值、标准差、t值、χ²值和P值，下一步未必是继续寻找更多P＜0.05。可以先看看，有没有把最容易被忽略的两项信息补完整：效应量，以及95%置信区间。 因为一篇真正完整的临床论文，需要回答的从来不只是“有没有差异”，而是：差异有多大，我们有多确定，以及它对临床到底意味着什么。
