我们在开展临床试验的时候，患者随机分为两组，开展分析。由于是随机化分组，实验组和对照组在人口学、基础指标、病情等方面应该是均衡可比的
统计学也往往采用t检验、卡方检验等方法来比较实验组和对照组的差异性，若P值小于0.05，则说明两组存在着统计学差异，当然，一般情况下P值都是大于0.05的，也就是没有统计学差异。我们一般视为均衡可比。
问题来了，临床试验基线两组比较有若干个指标P值≤0.05，是有统计学差异，那么两组不均衡了吗？
统计学差异是一个数字游戏，并不能直接推导出均衡性的问题。均衡性是实验设计的术语。
两组数据是否具有统计学差异，不仅与两组数据的本质差异有关，而且非常重要的是，和样本量有关（抽样误差有关）。
样本量越大，抽样研究抽样误差越小，采用统计学分析时P值越小。
因此，如果样本量很大，即便两组实际差异非常非常小，P值也会小于0.05，反之，样本量很小，P值就大了。
P值小于0.05，的确有差异呀，为什么还可以说均衡呢？
各位可以思考下，“均衡”有没有标准？当然没有，那么什么才是均衡呢？P值决定？岂不知，P值小于0.05就有统计学差异本身也不是一个标准，只是约定成俗的东西。
实验设计学是怎么认定均衡的呢？只要是随机化分组研究，两组就是均衡的，哪怕是简单随机分组。
这句话和P值矛盾。很多样本量较大的随机对照研究，基线比较有统计学差异的，但是我们仍然认为它是均衡可比的。因为它是随机分组的。
不用质疑这句话。
因此，很多高水平随机对照研究论文，基线是不比较的。特别是顶级论文。基线比较是画蛇添。因为它是随机对照研究，那就基线可比！因为此时差异性比较的P值意义不大，反而添堵。
反过来说，如果不是随机化研究，比如观察性研究，队列研究呀，病例对照研究，根据实际情况自动成组的，那么两组就是不均衡的，哪怕基线是可比的！
所以观察性研究，哪怕所谓的均衡，也可能存在未知混杂因素，结果还是不那么靠谱。
总结来说：真随机分组，均衡；假随机、不随机，不均衡。
我是郑老师，在这里讲讲统计学的点滴细节。有问题，请留言。
-gqWJ.jfif)
