医学论文有别于其他论文，我们那些“神圣”的数据都必须进行统计学处理，这时，大多数人会遇到一个难题，大学时期学过的《医学统计学》早就忘得差不多了，重新翻开统计学书本，基本上也是看得云里雾里。本教程有别于其他任何的统计学教程，其特点是略去一些高深难懂的统计学原理及计算公式，直奔解决实际问题的方法。

1、均数与标准差

【例1】本组105 例，男55例，女50例；平均年龄：62.3±6.1岁，所有入选病例均符合1999年WHO高血压诊断标准。

举这个例子是为了说明“均数”与“标准差”的概念。【例1】中的数据“62.3±6.1”，“62.3”就是年龄的均数，均数的概念大家都懂，那么后面的“6.1”是什么呢？它就是标准差。有人可能会问，表达一组人的平均年龄，用均数就够了，为什么还要加一个标准差呢？统计学上对一组测量结果的数据都要用“均数±标准差”表示，习惯表达代号是：x±s，具体例子如：平均收缩压120±10.2mmHg。我们不必去深究这个公式是怎么样的，只需知道标准差越小，说明数据越集中，标准差越大，说明数据越分散。撰写医学论文的第一步是收集原始数据，如：

第1组身高（cm）：98、99、100、101、102；

第2组身高（cm）：80、90、100、110、120。

2、两样本均数t检验

【例2】目的研究中药板兰根对“非典”疗效。方法将36例“非典”患者随机分为治疗组19例，采用常规治疗 板兰根口服，对照组17例，仅采用常规治疗。结果 治疗组平均退热时间3.28±1.51d；对照组平均退热时间5.65±1.96d，两组间对照差别有极显著意义（p＜0.01）结论 中药板兰根对“非典”有显效疗效，实为国之瑰宝。

这是最常见的一种统计学数据处理类型，统计学述语叫做“两样本均数差别t检验”，说得通俗易懂一些，就是检验两组方法所得到的数据到底有没有差异，或者说，差异是否有意义。

【例2】中一共有6个数据：第一组均数（X1）、标准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、例数（N2），把这6个数据输入软件对应的框内，该软件就会利用预先存储的公式自动计算t值，并得出p＜0.01,由此判断两组间的差别具有极显著的意义（如果没有想成为统计学专家，就不必去理解“t值”是什么了，知道“t值”是为了求“p值”用的就可以了），如下图。

3、配对计量资料t检验

【例3】目的研究音乐胎教对胎儿运动技能培养的效果。方法10例28～32周孕妇，分别记录听音乐（水浒传电视剧主题曲）前每小时的胎动次数及听音乐后每小时的胎动次数，结果数据如下表所示，音乐胎教后胎动次数增多，差别有显著意义（p＜0.0525）结论 音乐胎教可增强胎儿运动技能，对培养我国运动天才有现实意义。

显然【例3】与【例2】有所不同，主要是【例3】两组间的数据可以前后配对的。我们经常碰到这种情况，即同一个体做两次处理，如治疗前检测某一指标，治疗后再检测某一指标，而后做治疗前后配对比较，以判断疗效。这种情况如何进行统计学处理呢？在软件中选择“配对资料t检验”，分别输入上面的2组数据，软件自动计算p＜0.05,差别有显著意义，如下图。