t检验大概是流传最广泛、应用最多的一种统计方法了，不管是在统计学界还是临床中，t检验几乎无人不知无人不晓。而与此相对应的是，t检验大概也是应用错误最多的方法之一了。
据本人多年审稿经验，直至今日，t检验应用依然错误百出，有时确实令人纳闷。因为其实这些都是完全可以避免的，可为什么还存在这么多误用呢？我想，统计学的正确推广应用还是路漫漫而任重。
本文结合审稿中的一些现象，说明t检验应用中常见的一些错误，旨在为临床医生提个醒，尽量避免一些可有可无的错误。
从笔者审稿情况来看，t检验应用常见的问题主要有以下几种：
（1）不考虑数据的正态性，只要是两组比较就直接用t检验。
（2）将t检验用于多组的两两比较，增加假阳性错误。
（3）不考虑资料是否独立，采用独立资料的t检验分析非独立数据。
下面通过3个例子来说明这几个问题。
例1：某研究探讨血清肿瘤标记物在肺癌诊断中的意义，对肺癌组与肺良性病变组、健康体检组血清肿瘤标记物CEA、CA199的水平进行比较（表1）。该研究采用t检验分别对其中的任意两组进行比较。
表1 肺癌组与肺良性病变组、健康体检组血清肿瘤标记物CEA和CA199
组别 | 例数 | CEA | CA199 |
肺癌组 | 173 | 51.32±8.31a | 23.11±2.50a |
肺癌 | 28 | 17.99±5.05 | 30.44±10.28 |
鳞癌 | 100 | 69.45±13.57b | 24.59±2.94 |
小细胞癌 | 45 | 31.70±7.91b | 18.05±4.21 |
肺良性病变组 | 99 | 5.10±8.31d | 13.11±1.17d |
健康体检组 | 42 | 3.01±0.27 | 10.37±0.81 |
注：与肺良性病变组比较，aP<0.05，与鳞癌组比较；bP<0.05，与小细胞癌比较；cP<0.05，与健康体检组比较，dP>0.05。（此处为作者原文标注）
案例分析：本研究为三组定量资料的比较，且肺癌组还包含三个亚组。研究者直接采用t检验分别对其中任意两组进行比较，这种做法的直接后果就是增加假阳性错误，可能导致本来没有统计学意义的结果变得有统计学意义，从而产生虚假结论。
建议：该研究为多组独立资料的比较，如果数据服从正态分布且方差齐，建议选用方差分析进行多组间比较，如果多组间差异有统计学意义，再进一步采用两两比较的专用方法进行多重比较（两两比较方法的选择将另文详述）。
专门针对医生的建议：不知道两两比较该怎么做，最好找统计学家。
例2：为了研究内皮素(ET)与先心病室缺伴肺高压的关系，选择无肺高压的先心病室缺患者为对照组；另选先心病室缺且患有重度肺高压的患者为观察组。于术前24h、术后24 h及72 h测定血浆中ET含量。作者在方法学部分提到“所有数据用t检验处理”。
表2 手术前后血浆中ET浓度的变化
分组 | 术前24小时 | 术后24小时 | 术后72小时 |
对照组 | 54.82±14.62 | 53.14±9.32 | 51.65±14.87 |
观察组 | 75.50±14.62* | 62.56±15.27*# | 65.65±16.51*# |
注：* 与对照组比较P<0 05；#与术前24 h比较P<0．05
案例分析：该资料很具有代表性，很多临床研究都是如此，分几组，然后在不同时间点观察疗效。此类资料尽管是两组，但两组的资料是3次重复测量的数据，术前24小时、术后24小时和术后72小时三个时间点的测量值之间可能具有一定的相关性，即非独立数据，这一资料实际上是两组重复测量资料。由于数据非独立，因此不宜采用独立样本的t检验，否则容易增加假阳性。
对于此类资料，很多临床医生习惯做法是：对每个时间点，分别进行t检验，然后对每个时间点分别说明有无差异等。这种做法并不是很合理，现在很多杂志已经要求此类资料应该选择用重复测量方差分析了。
建议：选用重复测量方差分析，同时分析资料的组间差异和时间点差异，还可分析组别与时间点的交互效应，探索随时间的变化趋势等。
专门针对医生的建议：此类资料，直接找统计学家分析，别自己浪费时间了。
例3：某研究探讨护理干预对肺癌患者癌性疲乏和生活质量的影响，通过比较护理干预前后各指标值的变化，分析护理干预的作用。文章对所有定量指标全部采用配对t检验进行比较。这里列出恶心呕吐这一指标作为示例（表3）。
表3 护理干预前后指标值的变化
指标 | 干预前 | 干预后 |
恶心呕吐 | 11.79±17.01 | 10.16±12.57 |
案例分析：从表3结果来看，该指标的标准差大于均值，数据很可能是偏态的（当然并不是一定，但起码值得怀疑），而文章并未报道数据的分布情况，尤其是没有说明前后差值是否满足正态性，而直接采用配对t检验，忽略了配对t检验应用的前提条件。
建议：首先应对该指标进行正态性检验，如果前后差值服从正态分布，可以采用配对t检验，否则应考虑采用Wilcoxon配对秩检验。
专门针对医生的建议：此类资料比较简单，可以自己做。如果对非正态数据不知道如何处理，找统计学家帮忙。