你有没有遇到过这样的情况：明明治疗后感觉好多了，但数据却“不说话”？
我是小雅，一位深耕健康科普多年的自媒体人。最近有粉丝私信我：“医生说我指标改善了，可为什么论文里写‘无统计学差异’？”——这正是我们今天要聊的：一组治疗前后对比的统计学方法。
别急，先看个真实案例：
去年我帮一位甲状腺结节患者整理资料，她做了半年中药调理。治疗前TSH是5.2 mIU/L，治疗后降到3.1 mIU/L。她说：“我明显没那么累啦！”但医院报告写着“P=0.08”，没达到显著水平（通常α=0.05）。她很困惑，甚至怀疑疗效。
这时候，我们就得用对方法了！
Q：那到底该用什么统计学方法来比较治疗前后的变化？
A：首选配对t检验（Paired ttest）！它专门用于同一组人在干预前后的数值型数据比较。比如上面那位患者的TSH值，就是典型的配对设计。
举个更直观的例子：假设你测量了10位高血压患者用药前后的收缩压（单位mmHg），配对t检验会告诉你：“这些变化是不是真的有效，而不是随机波动？”
Q：如果数据不是正态分布呢？比如偏态严重？
A：那就上Wilcoxon符号秩检验！它是非参数版本的配对检验，不依赖正态假设，特别适合小样本或数据歪斜的情况。
比如一位慢性疲劳综合征患者，治疗前后体力评分从3分升到7分，但数据分布不均，这时用Wilcoxon更稳妥。
Q：还有其他注意事项吗？
A：当然！一定要注意三点：
1️⃣ 样本量足够（一般≥30较理想）；
2️⃣ 数据必须来自同一人群（不能混入不同组）；
3️⃣ 报告时别只说“P值”，还要加上效应量（如Cohen’s d）和置信区间——这才是专业又真实的表达。
最后送大家一句话：
“数据不会撒谎，但解读方式决定真相。”——别让统计学变成冷冰冰的数字游戏，而是你理解健康的钥匙。
如果你也常被“统计学差异”困扰，欢迎留言讨论～点赞+收藏，下次再战数据分析不迷路！✨
