醫學觀察性研究 · Table 1 指南
醫學論文基線表 Table 1 怎麼做？
已有研究分組、資料字典和彙總結果，怎樣整理成清楚的Table 1？本文提供表格結構範例，說明如何核對分組人數、變數單位、百分比分母與缺失值，並給出一段可複製的AI輸入，用於整理表頭、腳註和待補項。正式數值仍須來自實際分析。
先確定這張表描述哪一批人、哪一個時間點、按什麼分組，再固定變量定義、單位、匯總方式、百分比分母和缺失人數。Table 1 的作用是讓讀者看清研究樣本，不能靠一列 P 值證明兩組可比，也不能代替分析方案。
本文主要面向隊列、病例對照和橫斷面等醫學觀察性研究，依據 STROBE 第 14 項及其解釋文件整理。橫斷面研究未必有縱向意義上的“基線”，表題應準確寫成研究參與者特徵；隨機試驗應另按適用的試驗報告指南和期刊要求核對。
以下表格是填報結構示意，沒有真實患者數據、執行過的統計結果或效果主張。正式表格必須由已確定的研究樣本和受控分析輸出生成，並由研究者核對。
用 RigorMed 交付這項任務
先取得一份能交給統計人員的 Table 1 規格
以下為建議任務輸入與可請求整理產物，不是本輪實跑、客戶成果或保證完成。
已有材料: 已確認的人群與分組、資料字典、彙總結果、單位與缺失人數。
可請求的產物／交付目標: Table 1 規格與腳注草稿、逐變數分母與缺失核對表。
可直接改寫的任務輸入
依已確認的樣本與彙總輸出，整理 Table 1 欄名、變數顯示名稱、統計量、分母、單位與腳注草稿；指出缺失的輸出，不生成未計算的平均數、P 值或人數。
人工核對
正式數值必須來自實際受控分析；P 值不作為自動篩選混雜因素的依據。
一張能獨立讀懂的 Table 1 應寫清什麼
先定義每一列的人群和總人數。下面的文字是需要填報的口徑，不是可直接粘貼進論文的結果。
| 行或腳注 | 需要報告 | 需要回查的依據 |
|---|---|---|
| 表題與分組列 | 研究樣本、時間點、分組定義與各組人數 | 研究設計、納排規則、分組變量和樣本流轉 |
| 連續變量 | 單位、可用人數、均值（標準差）或中位數（P25，P75） | 變量定義、分布和事先確定的匯總方法 |
| 分類變量 | 類別名稱、人數及百分比；明確百分比的分母 | 變量編碼、適用人群與有效回答人數 |
| 缺失信息 | 每個關注變量的缺失人數，必要時分組列出 | 原始編碼、跳題邏輯和缺失處理規則 |
| 表下注釋 | 縮寫、單位、匯總符號、分母及適用的統計說明 | 分析計劃和目標期刊當前作者須知 |
總樣本人數不能自動成為所有行的分母。例如，某變量只對一個適用亞組採集，應先解釋適用條件；拒答、未知、未採集和不適用也不能未經核驗就合併成一個“缺失”類別。
同樣20人，為何可寫20.0%或25.0%？
以下是一組一般、未加權樣本的合成教學，不是研究結果、客戶成效或產品實跑：總人數100，此變項適用於全體，80人有有效紀錄、20人缺失；有效紀錄中20人吸菸、60人不吸菸。先固定分母，再寫百分比。
| 擬報告列 | 以有效紀錄為分母的寫法 | 可重算依據 |
|---|---|---|
| 吸菸 | 20 (25.0%) | 20 / 80 × 100 = 25.0% |
| 不吸菸 | 60 (75.0%) | 60 / 80 × 100 = 75.0% |
| 此變項缺失 | 20；占全組20.0% | 20 / 100 × 100 = 20.0% |
先核對20 + 60 = 80及80 + 20 = 100。前式要求本例類別互斥且涵蓋所有有效紀錄；後式要求變項對全部100人適用。若有不適用、跳題或重複紀錄，先核對來源與編碼，不直接套式。實際多組表須逐組核對，不能只核總欄。
若預先決定以全組100人為分母，同樣的吸菸人數可寫20 (20.0%)，不吸菸為60 (60.0%)，缺失為20 (20.0%)，註腳也須同步改成全組分母。20.0%與25.0%回答不同問題，並非一個必然正確、另一個必然錯誤；不可在同一類別區塊不說明就混用分母。
缺失20人不能當作「不吸菸」併入60人，也不能為湊100%而刪除。本例只說明報告口徑，不判斷缺失機制、不插補、不證明組間可比，也不改正式模型的分析樣本。複雜抽樣加權比例、配對或重複測量須另依設計處理，不能直接移用原始人數比例。
可審閱產物至少列出：變項/組別、適用總人數、有效人數、各類別人數、缺失人數、百分比分母、算式、註腳及源彙總表位置。缺來源人數就標待補，不從四捨五入後的百分比反推人數；研究者仍須確認定義與方案。
可在建議輸入追加：「只依據我有權提供的彙總輸出，整理上述Table 1分母核對表及註腳；保留原人數，標示人數不閉合、分母混用與來源缺口。只演算已有彙總數字，不補造患者紀錄、缺失值、P值或研究結論。」STROBE第14項支持特徵及逐變項缺失報告；本表與百分比為本頁獨立教學，不是來源研究資料。
從分析樣本到表格，按五步核對
固定樣本與分組
記錄納排規則、觀察時點、分組變量及每組人數。表中描述的是全部納入者、某項分析的完整病例，還是一個預設亞組，必須寫清；不要為了讓表格更整齊而另行刪除記錄。
逐項確認變量定義
先查數據字典和來源文檔，再確定變量是連續、分類還是有序類別。年齡和測量指標要標單位；疾病分期等少量有序類別通常應列各類別人數與比例，不能只因用數字編碼就按連續量求平均。
選對描述性匯總
STROBE 解釋文件建議連續變量按研究組報告均值和標準差，或在分布不對稱時報告中位數和百分位範圍。用 P25、P75 明確寫出四分位端點，可避免將“四分位範圍”與兩端差值混淆。描述樣本離散程度時，不應把標準誤或置信區間當成標準差的替代品；若另報告總體估計及其不確定性，應說明那是另一種統計量。
把缺失與分母擺到台面上
STROBE 第 14(b) 項要求給出每個關注變量的缺失人數。分類變量報告人數和百分比，並說明使用整組人數還是非缺失的有效人數作分母；必要時直接列可用人數。百分比的小數位和四捨五入應一致，不通過修改原始人數湊成整齊的比例。
沿輸出、表格與正文回查
逐項核對組人數、類別人數、有效分母、缺失人數、單位和匯總符號，並與樣本流轉、方法及正文保持一致。ICMJE 要求表題能夠獨立理解，非標準縮寫和解釋應放在腳注中；期刊要求仍須另行核對。
Table 1 的 P 值不是混雜因素篩選器
STROBE 的解釋文件明確建議描述性表格避免顯著性檢驗，並指出 P 值不是選擇需要調整的混雜因素的適當依據。一個 P 值大於 0.05，不能證明兩組相同、可比或沒有混雜；一個較小的 P 值也不能代替研究背景與變量角色判斷。
如果研究問題確實需要組間比較，應在分析計劃中明確目的、估計量、方法和解釋邊界；不能先看 Table 1 的顯著性，再臨時決定調整哪些變量。病例對照研究中，比較病例與對照的特徵也不能直接完成混雜評估。
導出正式表格前的七項檢查
每項應能定位到定義、方案或輸出：
- 表題是否準確說明研究人群、時間點與分組？
- 各組總人數是否與凍結的研究樣本及樣本流轉一致？
- 變量類型、類別標籤、編碼和單位是否核對來源字典？
- 連續變量的匯總符號是否與實際統計量一致？
- 每個關注變量的有效人數、缺失人數和百分比分母是否明確？
- 是否避免用描述性表格的 P 值決定混雜調整？
- 腳注、縮寫、小數精度與正文是否統一，並核對了期刊要求？
複雜抽樣、匹配、重復測量等設計需要另外考慮權重或相關結構。不能把本頁的普通樣本匯總口徑直接當成適用於所有設計的分析方法；例如 NHANES 的原始人數與加權總體比例應明確區分，具體方法見相關權重指南。
常見問題
醫學論文 Table 1 一定要放 P 值嗎？
不一定。對於觀察性研究的描述性特徵表，STROBE 解釋文件建議避免顯著性檢驗。先明確表格目的和適用設計，再核對期刊要求；不要把一列 P 值當成兩組可比的證明。
分類變量的百分比為什麼和總人數對不上？
先檢查該變量是否只適用於一個亞組，以及分母是整組人數還是非缺失的有效人數。報告類別人數、缺失人數和分母定義，並回查特殊編碼；不要通過刪行或改數字消除表面差異。
均值後面的數可以寫標準誤而不注明嗎？
不能含糊。標準差描述樣本離散程度，標準誤描述估計精度，兩者含義不同。明確標注實際統計量；本頁所說的均值（標準差）不能被未說明的均值（標準誤）替換。
Table 1 做得完整，就代表分析方案合理嗎？
不是。它幫助讀者理解研究樣本，但不能驗證數據授權、研究設計、偏倚控制、混雜調整或因果解釋。正式分析與投稿仍需要相應的方法學、來源和責任人核對。
核驗來源
以下官方來源核驗於 2026-09-30 / RigorMed: 2026-10-13 / STROBE14: 2026-10-23，發布前將再次檢查存取條件與更新時間。
- STROBE 官方：按研究設計選擇觀察性研究報告清單
本頁重點參考描述性資料第 14 項；報告清單不是研究質量評分。
- STROBE Explanation and Elaboration：第 14(a)、14(b) 項
原文核對了連續變量匯總、逐變量缺失人數，以及描述性表格和混雜篩選的 P 值邊界。
- ICMJE：Preparing a Manuscript，Results 與 Tables
核對絕對人數、百分比、表題、腳注、縮寫和統計量說明要求。
帶著材料開始
先取得一份能交給統計人員的 Table 1 規格
帶著有權使用的材料，依本頁任務範例提交到工作台；按執行前的材料與積分提示確認，再複核可審閱的成果。