别让 Excel 毁了你的科研:数据录入的“生死红线”
- 2026-09-20 11:48:29
别让 Excel 毁了你的科研:数据录入的“生死红线”你是不是这样录数据的？ 打开 Excel，第一行写上“姓名、性别、诊断”，然后就开始填。遇到不确定的填个“？”，遇到没查到的空着，遇到同一种药有时候写“阿司匹林”有时候写“Asp”。 三个月后，当你把这表格发给统计师，你会收到一句冷冰冰的回复： “数据太乱，没法算，回去重搞。” 今天我们就来聊聊，怎么建立一个 “机器喜欢” 的数据库，而不是 “眼睛喜欢” 的表格。 Excel 的原罪：它太“自由”了 Excel 是个好用的电子表格，但作为数据库，它有两个致命弱点： 没有约束 ：你可以在“年龄”栏里填“56岁”，也可以填“大概50多”。但统计软件只能识别数字，它看不懂汉字。 容易手滑 ：拖拽复制时，很容易把上一行的数据覆盖到下一行，你自己还完全没发现。 对于严肃的临床研究（特别是前瞻性研究），我们强烈推荐使用专业工具，如 EpiData 或 REDCap 。 EpiData ：免费、轻量、无需联网。它的杀手锏是 “双录入核查” （两个人分别录一遍，软件自动找不同），能把录入错误率降到几乎为零。 REDCap ：Web端，高大上，多中心研究标配。能设置逻辑跳转（选了“女性”自动跳过“前列腺疾病”选项）。 如果你非要用 Excel，请遵守“保命法则” 我知道，90% 的研究生和医生最后还是会用 Excel，因为顺手。 既然要用，就必须遵守以下 “数据录入铁律” 。遵守这些，统计师会把你供起来；不遵守，就是给自己挖坑。 1. 一行一人，一列一指标（Tidy Data 原则） 行（Row） ：每一行代表一个观测对象（一个病人）。绝对不要把同一个病人的复查数据写在下一行！ 列（Column） ：每一列代表一个变量。 禁忌 ： 绝对禁止合并单元格！ 合并单元格是数据处理的噩梦。 2. 也是最重要的：把“汉字”变成“数字代码” 统计软件（SPSS/R/SAS）本质上是数学软件，它们喜欢数字。 性别 ：不要填“男/女”，要填 1 和 2 。 吸烟 ：不要填“是/否”，要填 1 和 0 。 你要建立一个单独的 Sheet 叫“Codebook（编码本）” ，在里面记录： 性别：1=男，2=女 结局：0=存活，1=死亡 为什么？ 如果你填汉字，很容易出现：“男”、“男性”、“男 ”（带空格）。在软件眼里，这是三个不同的性别。用数字 1 ，永远不会错。 3. 处理“缺失值”的规矩 如果某个数据没采到（比如病人没做这个检查）： 正确做法 ：留空（什么都不填），或者填一个不可能出现的数字（如 -9 或 -999 ，并在编码本里注明）。 错误做法 ：填“未查”、“/”、“NA”、“？”。一旦这一列混入了汉字或符号，整列都会被当成字符型变量，无法计算平均值。 4. 变量名（列头）请用英文 第一行的标题，不要写“入院收缩压（mmHg）”，太长且含特殊符号。 请写： SBPadmission 或 sbpin 。 统计软件对中文变量名的支持往往不好，容易乱码。 一个“完美”Excel 数据库的示范 ID (编号)Age (年龄)Sex (1男2女)Group (1试验2对照)SBP (收缩压)Outcome (0活1死)001561114500026422132100345111280 看着是不是很枯燥？ 对，这就对了！ 给人看的表格要花哨（合并、加粗、彩色）；给机器算的表格要枯燥（纯数字、无格式）。 数据录入前的“三查” 在开始大规模录入病历前，做这三件事： 查变量类型 ：回顾第4天内容，确保血压录的是数值，而不是“高/低”。 查单位统一 ：肌酐有的化验单是 mg/dL，有的是 μmol/L。录入前必须换算统一，不要在数据库里混着填。 查逻辑界值 ：如果你用 Excel，可以利用【数据验证】功能。 比如设置“收缩压”这一列，只能输入 50-300 之间的整数。如果你手滑输成 1400，Excel 会自动报错弹窗。这能救你的命！ 今天的练习（找茬） 请看下面这个 Excel 录入片段，找出至少 3个 会导致后续无法分析的致命错误：
PART 01
PART 02
PART 03
PART 04
PART 05
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
