基于五数概括法检测数据偏度的新方法

《Research Synthesis Methods》：A new method for detecting the skewness of data from the five-number summary

　　

对于具有连续型结局的临床试验，当结局数据存在偏度时，研究人员可能选择报告完整的或部分的五数概括（five-number summary：最小值a、第一四分位数q1、中位数m、第三四分位数q3、最大值b）而非样本均值与标准差（standard deviation，SD）。为将此类研究纳入荟萃分析（meta-analysis），文献中提出了若干流行方法将五数概括回推为样本均值与SD。然而，多数现有方法基于正态性假设，而对报告五数概括的临床研究该假设未必成立。Shi等（2023）与Balakrishnan等（2023）近期提出了利用完整或部分五数概括及样本量n检测数据偏度的方法。本文中研究人员指出，Shi等的max-type检验T3S不仅结构复杂且在控制Ⅰ类错误率上偏保守，而Balakrishnan等的T3B检验在小样本下难以控制Ⅰ类错误率。受此启发，研究人员构建了新型检验统计量T3=log((b?q3)/(q1?a))，利用两尾比值（ratio of two tails）这一对偏度敏感的量。模拟显示，该基于比值的检验较已有方法更少保守且功效更高，尤其在备择分布呈轻度偏度时。此外，模拟荟萃分析及真实数据示例表明新方法在荟萃分析情境中具有实用价值。

研究背景方面，过去几十年荟萃分析被广泛用于循证医学中的证据合成，其核心输入常为各研究的样本均值与标准差（SD）。但当连续型结局呈偏态时，研究者常改报五数概括，即场景S₁={a,m,b;n}、S₂={q₁,m,q₃;n}、S₃={a,q₁,m,q₃,b;n}。已有回推均值SD的方法分正态基（normal-based）与非正态基（non-normal-based）两类，前者在正太下最优、后者在偏态下更优，故荟萃前需判分布形态。经典正态性检验（Kolmogorov–Smirnov、Shapiro–Wilk、Jarque–Bera等）需原始数据，不适用于仅含五数概括的研究。Shi等（2023）与Balakrishnan等（2023）据此给出三场景偏度检验：S₁与S₂分别用T₁^S=(a+b?2m)/(b?a)、T₂^S=(q₁+q₃?2m)/(q₃?q₁)；S₃下Shi等给max-type统计量T₃^S=max{2.65log(0.6n)/√n·|T₁^S|,|T₂^S|}，Balakrishnan等给加权组合T₃^B。但模拟表明T₃^S保守、T₃^B小样本Ⅰ类错误失控，此即本研究动机。论文发表于《Research Synthesis Methods》。

关键技术方法上，研究人员设X₁,…,X_n为来自N(μ,σ²)的样本，取n=4Q+1使五数概括对应次序统计量X₍₁₎,X_(Q+1),X_(2Q+1),X_(3Q+1),X_(n)；标准化后X_(i)=μ+σZ_(i)。基于正态下E(b?q₃)=E(q₁?a)引偏度参数λ=E(b?q₃)/E(q₁?a)，检验H₀:λ=1对H₁:λ≠1。构造比值对数统计量T₃=log((b?q₃)/(q₁?a))，其零分布仅依赖n。用百万次模拟算Q≤100、α=0.05的临界值c_3,0.025(n)，并拟合近似式c_3,0.025(n)≈3.23/log(n^1.25?3.1)+8.45/(n+1.5)。模拟对比T₃^S、T₃^B及T₃的Ⅰ类错误与功效，并在模拟荟萃分析与真实数据（代码见Zenodo:21047915）中验证向导式估计器选择效果。

研究结果部分，引言（1 Introduction）梳理了五数概括在荟萃中的角色与既有偏度检验缺陷，明确S₃场景待改进。第2节（A new skewness test for scenario S₃）给出T₃统计量定义与零分布性质：由次序统计量理论可显式推导但含积分，故用抽样数值得临界值表与近似公式；T₃比较的是尾距之比而非差，对偏度更敏感。第3节（Conclusion and discussion）总结T₃在S₃下全样本量准控Ⅰ类错误、在单峰分布轻中度偏度下功效优于T₃^S与T₃^B；模拟荟萃显示以T₃导选估计器可降低合并效应偏倚与均方误、提升覆盖概率、缩窄置信区间；真实数据示例佐证其作诊断工具的价值。作者同时指明局限：T₃主要捕尾重差异，若偏度源于中心质量偏移而尾近对称则功效下降；显著性水平取0.05是权衡，取0.01或0.1各有权衡；未来可加入峰度（kurtosis）特征并补严格理论证明。

讨论与结论翻译：对于具连续型结局的临床研究，荟萃分析通常需各研究样本均值与SD；但偏态时研究者常报最小值、最大值、中位数及四分位数等五数概括。为更好检测偏度从而选取合适回推方法，研究人员提出新型偏度检测检验T₃，利用五数概括与样本量，取(b?q₃)与(q₁?a)之比以增强对偏度敏感。数值模拟表明，相较Shi等，新检验恰当控制Ⅰ类错误率且在各单峰分布下持续获更高统计功效。该统计量易算易释、无需专业软件，适合缺正式统计训练的临床与证据合成人员，故推荐在S₃场景下用于荟萃框架内自五数概括检偏度。表1汇总三场景最优检验：S₁用T₁^S、S₂用T₂^S、S₃用T₃=log((b?q₃)/(q₁?a))，临界区|T₃|>3.23/log(n^1.25?3.1)+8.45/(n+1.5)。高质量荟萃是循证医学最高证据级，改进诊断工具可间接降偏态五数概括致误结论之险；但须识其限：主要捕尾重异，中心偏移型轻偏度下功效或降，故此类宜慎释。常规取α=0.05，更小水平严控Ⅰ类错但损功效，更大水平敏于检偏但增误判正态为偏态之险。未来将融峰度建更全检验框架，并补理论优超证明。