本篇文章是GraphPad总结出的关于如何有理有据的呈现我们的数据和分析,当然,其中必须报告实验设计的细节,包括盲法和随机化。
01 总体 应完整地报告所有结果,保证不存疑义。 02 分析前的分析 如果剔除异常值,请说明有多少异常值,用于识别异常值的标准是什么,以及这些标准是否作为实验设计的一部分预先选择。 03 样本量 如果各组的样本量不相等,则需要解释原因。 04 避免P值篡改 如果从一个样本量开始,以另一个样本量结束,需要准确解释你是如何决定添加额外样本和/或剔除样本。请说明这些决定是基于预设的方案,还是在实验过程中所做的。 05 绘图数据 如果选择使用误差条绘制平均值,则绘制可以显示变异度的标准偏差误差条,而非不能显示变异度的平均值误差条的标准误差。 06 统计方法 说明所选择的所有选项。重复测量?是否纠正不相等的方差?稳健回归?约束参数?分享参数?报告完整的详细信息,以便任何人都可以开始使用你的数据,得到完全一样的结果。 07 报告效应量 考虑以95%置信区间显示效应量(即差值或比率)的图表。 08 报告P值 比较两组时,说明P值是单侧还是双侧(与单尾或双尾相同)。如果为单侧,则说明你在收集数据之前预测的效应方向(以及记录的该预测)和记录的该决定和预测。如果在收集数据之前并未做出该决定和预测,则不得报告一个单侧P值。 09 报告统计假设检验/显著性 在讨论结果的临床或生理影响时,切勿使用“显著”一词。而是使用诸如“大”、“实质性”和“临床相关”等词。在这种情况下使用“显著”只会导致出现混淆情况。 10 多重比较 如需报告多重调整后P值,则明确指出这些P值已作调整。