基线资料表(Table 1)

这个方法是做什么的

论文里通常作为“表 1”出现的基线资料表：按分组变量把研究对象的人口学与临床特征并排列出，并逐个变量选择合适的描述方式与组间检验。它的价值在于每一行用的方法都可以追溯——第一张卡把每个连续变量各组的 Shapiro-Wilk 结果、分类变量的最小期望频数和最终选用的检验逐行列出，审稿人问“为什么这一行用了秩和检验”时可以直接回答。

连续变量判为正态时报告均数±标准差，两组用 Welch t 检验、多组用单因素方差分析（Levene 检验 p<0.05 时改用 Welch 方差分析）；判为非正态时报告中位数(P25, P75)，两组用 Mann-Whitney U 检验、多组用 Kruskal-Wallis 检验。分类变量报告例数(列百分比)，用 Pearson χ² 检验；2×2 表有期望频数小于 5 时改用 Fisher 精确检验，更大的稀疏表用带固定种子的 Monte-Carlo Fisher 检验。两组比较时另给标准化均数差 SMD 与 Love 图，第四张卡给每个变量的效应量。

需要准备什么数据

放入[定类]分组变量（可选）（可选）：定类变量（分组/标签）
放入待描述的变量：至少 1 个

数据要求

数据表至少 10 行。
本方法允许所选变量含缺失值——缺失本身就是分析对象的一部分，不会因为「完整记录不够」被拦下。
单列缺失率不超过 50%。
「放入[定类]分组变量（可选）」的类别数需在 2~20 之间。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

写临床研究、队列研究或随机对照试验的“研究对象基线特征”
观察性研究中寻找组间不均衡、可能需要在后续模型中校正的混杂因素
想一次性完成几十个变量的描述与组间比较，并保留每行检验方法的依据

不放分组变量时只做总体描述。正态性判定可以在控件中改为“全部按正态”或“全部按非正态”，用于与期刊要求统一口径。缺失值逐变量剔除，第一张卡给出每个变量的缺失例数。

什么时候不要用它

你关心的是某一个变量在两组间的差异及其效应大小：表 1 只给每行一个 p 值，深入分析请用「独立样本T检验」或「独立样本 Mann-Whitney U 检验」，它们给出完整的前提检验与效应量。
要在组间比较时同时校正其他因素：表 1 是逐变量的单因素比较，需要校正时改用「单因素与多因素回归」。
分组是同一批人前后两次测量：两组不独立，配对资料请用「配对样本T检验」或「配对卡方检验」。
只想看单个分类变量的列联表与多种卡方变体：用「卡方检验自动求解器」更完整。

容易误读的地方

随机对照试验的基线 p 值不是“随机化是否成功”的检验。 随机化之下任何基线差异都源于机会，CONSORT 声明不建议对基线做显著性检验；更合适的是只报告描述统计与 SMD（SMD<0.1 通常视为均衡）。本模块在结论卡写明了这一点，必要时可只取表中的描述列。
正态性判定随样本量变化。 每组几百例时，轻微偏离也会让 Shapiro-Wilk 给出 p<0.05，整行于是改报中位数；同一份数据样本小时却可能被判为正态。期刊要求统一描述口径时，用控件强制统一，并在方法学里写明。
SMD 的口径要写清楚。 本模块的连续变量 SMD 用两组方差的平均作为分母（Austin 2009，与常用的 tableone 软件一致），与第四张卡用合并标准差的 Cohen's d 不同；示例中住院天数 SMD=0.437、吸烟 SMD=0.319，提示这两项在组间明显不均衡。
期望频数小于 5 时不要硬用卡方。 示例中“既往心肌梗死”只有 13 例阳性，2×2 表的最小期望频数低于 5，该行自动改用 Fisher 精确检验，统计量列显示为“-”，检验列标出对应的字母。
多个变量的 p 值没有做多重比较校正。 表 1 是描述性的，几十行里出现一两个 p<0.05 很正常，不应据此下“两组不可比”的结论，判断均衡性主要看 SMD。
百分比的分母是“该组该变量的有效例数”。 某变量有缺失时，各组百分比之和仍为 100%，但分母小于该组总例数；缺失较多的变量（示例中体质指数缺 7 例、吸烟缺 3 例）应在表注中写明缺失例数，第一张卡已逐变量列出，必要时先用缺失值处理方法补全再制表。
多分类变量只给一个总体 p 值。 例如肿瘤分期三个水平只有一行检验结果，它回答“各组的分期构成是否不同”，不回答具体哪一期不同；需要逐期比较时应另做两两比较并校正多重性，而不是在表 1 里逐格解读百分比差异。
数值编码的分类变量会被自动识别。 取值不超过 5 种的数值列（如 0/1 编码的性别、1~3 编码的分期）按分类变量报告 n(%)；若它其实是连续量（如只有 4 个取值的评分），请在前端把变量类型标为定量。

报告里有什么

输出结果一：样本构成、缺失与检验选择
输出结果二：基线资料表（Table 1）
输出结果三：组间均衡性可视化（Love 图）
输出结果四：效应量
输出结果五：结论与学术表述

baseline_table — 图1
Love 图：每个点是一个变量的标准化均数差绝对值，虚线为 0.1 的常用均衡阈值。