从 Excel 到 SCI,一张“全流程作战地图”带你搞定数据分析
核心痛点：收集了一年的数据都在 Excel 里，乱得像锅粥。不知道怎么清洗数据，也不知道分析的先后顺序。是先做回归？还是先画图？ 本篇目标：构建“数据清洗 -> 基线描述 -> 单因素分析 -> 多因素分析 -> 模型评价”的标准流水线。数据清洗（Data Cleaning）—— 80% 的人都死在这一步统计软件报错，90% 的原因是你 Excel 没填对。 在把数据导入 SPSS 之前，请务必按照 “数据库格式” 整理 Excel。- 一行一例：每一行代表一个病人，绝对不能出现“张三”占了两行的情况。
- 一列一标：每一列代表一个指标（年龄、性别、血压），绝对不能把“血压”和“心率”写在同一个格子里（如 120/80, 75 ）。
- 拒绝合并单元格：这是统计软件的死敌！Excel 里所有合并的单元格，全部拆开。
- 如果有空格，是用 999 代替，还是留空？（SPSS 建议留空，或者定义缺失值）。
- 按一下排序（Sort），看看有没有人的年龄写成了 150 ？收缩压写成了 10 ？
- （SPSS 虽然认汉字，但数字化能避免很多编码错误）。
拿到干净数据，别急着比差异。先做 Table 1（基线表），描述一下你研究的人群长啥样。- 正态分布 →→→ 描述为 Mean ± SD （均值 ± 标准差）。
- 偏态分布 →→→ 描述为 Median (IQR) （中位数 + 四分位间距）。
- 分类变量 →→→ 描述为 n (%) （例数 + 百分比）。
这一步产出：文章里的 Table 1: Baseline Characteristics of Patients 。单因素分析（Univariate Analysis）—— 谁有差异？现在开始分组比较（比如：死亡组 vs 存活组）。 这是我们在第 2 篇“决策树”里讲的核心内容。- 大样本（期望值>5） →→→ Pearson 卡方
- 小样本（期望值<5） →→→ Fisher 精确概率法
- 画图 + 比较 →→→ KM 曲线 + Log-rank 检验
这一步产出：筛选出 P < 0.05（或者 P < 0.1）的变量，这些是“嫌疑人”，准备送入下一步审判。多因素分析（Multivariate Analysis）—— 谁是真凶？这是提升文章档次的关键。单因素有差异不代表什么，多因素有差异才叫 “独立危险因素” 。1.选人：把第三步里算出来有差异的变量（P < 0.05），全部扔进多因素模型里。- 结局是二分类（死/活） →→→ Logistic 回归 →→→ 看 OR 值 。
- 结局是数值（住院天数） →→→ 多重线性回归 →→→ 看 βββ 值 。
- 结局是生存时间（活了多久） →→→ Cox 回归 →→→ 看 HR 值 。
这一步产出：文章里的 Table 2/3: Multivariate Analysis for Risk Factors 。 （ 注意：只有在这里活下来的变量，才能被称为 Independent Predictor。 ）模型评价与绘图（Evaluation）—— 秀肌肉如果你的文章只是想找危险因素，到第四步就结束了。 但如果你想建立一个 预测模型 （比如：建立一个评分系统预测死亡风险），你还需要最后一步。- 算 AUC 值 （0.7 以上可用，0.8 以上优秀）。
- 画 校准曲线（Calibration Plot） 。
3.临床获益（Clinical Usefulness）：——这一步产出：文章里的 Figure 2/3 （漂亮的 ROC 图）。 | | | |
|---|
| 0. 清洗 | | | |
| 1. 描述 | | Mean±SD / Median(IQR) / n(%) | Table 1 |
| 2. 比较 | | | Table 1 的 P值列 |
| 3. 回归 | | | Table 2 / 3 |
| 4. 评价 | | | Figure 1 / 2 |
