跳转至

描述性统计

方法简介

描述性统计是临床试验分析的起点，用于 summarise 受试者基线特征、安全性数据和疗效指标的分布情况。

AI Prompt 模板

生成 Table 1 的 Prompt 
我有一项随机对照试验的数据，请帮我生成基线特征表 (Table 1)。

数据框包含以下变量：
- treatment: "Drug" / "Placebo"
- age: 连续变量
- sex: "Male" / "Female"  
- bmi: 连续变量
- systolic_bp: 连续变量
- prior_med: "Yes" / "No"

要求：
1. 连续变量报告 均值±标准差 和中位数[Q1, Q3]
2. 分类变量报告 n (%)
3. 组间比较：连续变量用 t 检验或 Wilcoxon，分类变量用卡方检验或 Fisher
4. 格式整齐，适合发表

代码实现

library(dplyr)
library(tableone)

# 创建 Table 1
vars <- c("age", "sex", "bmi", "systolic_bp", "prior_med")
cat_vars <- c("sex", "prior_med")

tab1 <- CreateTableOne(
  vars = vars,
  strata = "treatment",
  data = data,
  factorVars = cat_vars,
  test = TRUE,
  smd = TRUE
)

print(tab1, showAllLevels = TRUE, smd = TRUE)

import pandas as pd
from scipy import stats

def describe_by_group(df, group_col, continuous_vars, categorical_vars):
    """生成分组描述统计"""
    result = {}
    for group, subdf in df.groupby(group_col):
        desc = {}
        for var in continuous_vars:
            desc[var] = {
                'mean': subdf[var].mean(),
                'sd': subdf[var].std(),
                'median': subdf[var].median(),
                'q1': subdf[var].quantile(0.25),
                'q3': subdf[var].quantile(0.75)
            }
        for var in categorical_vars:
            desc[var] = subdf[var].value_counts().to_dict()
        result[group] = desc
    return result

proc means data=adtte mean std median q1 q3;
    class treatment;
    var age bmi systolic_bp;
run;

proc freq data=adtte;
    tables treatment * sex / chisq;
    tables treatment * prior_med / chisq;
run;

输出解读

  • SMD (Standardized Mean Difference) > 0.1 提示基线不均衡
  • **p 值**仅作参考，基线检验不应作为筛选标准
  • ICH E9 指出基线比较不应进行假设检验

相关可视化