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 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）。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！禁忌 ： 绝对禁止合并单元格！ 合并单元格是数据处理的噩梦。统计软件（SPSS/R/SAS）本质上是数学软件，它们喜欢数字。你要建立一个单独的 Sheet 叫“Codebook（编码本）” ，在里面记录：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。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。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。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）。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！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：
