场景案例 · 2026-06-24

中医药研究数据分析用 AI 一句话完成 — 证候聚类、疗效比较与 APA 报告

中医药研究者必看：从证候聚类、方剂疗效组间 ANOVA、中医量表信效度，到 APA 7th 格式统计报告，ChatSRS AI 一句话跑完全套分析，Word 直出，告别手动录 SPSS。

中医药研究数据分析的痛点不在于复杂度低，而恰恰相反：证候积分是顺序量表还是连续变量？聚类分型结果如何报告？多组方剂疗效比较用 ANOVA 还是 Kruskal-Wallis？APA 7th 的中医场景句式从哪里找？这篇文章把中医药研究最常见的统计场景一次串通，每步给出 ChatSRS 可直接使用的一句话指令，以及可抄进论文的 APA 7th 报告句式。

中医药论文数据分析为什么难做

如果你在写中医学、中西医结合、针灸推拿、中药学或中医护理方向的论文，以下场景大概率出现过：

收集了患者的证候积分量表，不知道该做聚类分型还是因子分析，还是两个都要
两组或三组不同方剂的疗效评分，想比较但不确定正态性是否满足，纠结参数还是非参数
中医症状条目构成量表，导师说"先做信效度"，但不知道 Cronbach's alpha 阈值是多少、要报告哪些指标
疗效判定有"痊愈/显效/有效/无效"四个等级，不知道该用卡方还是秩和检验
SPSS 输出了一堆表，不知道中医研究的 APA 报告该写哪些数字、用什么格式

这些困惑背后有一个共同原因：中医药研究横跨了多种数据类型——连续型的积分变量、有序型的证候等级、名义型的证型分类——不同数据类型对应不同统计方法，而现有教材往往对中医场景举例不足。

chatsrs.com 把这整条链条变成对话。下面按典型中医药研究设计，从头到尾演示。

中医药研究数据的典型结构

类型一：证候量表 + 疗效评定（临床干预研究）

最常见于中药疗效 RCT 或准实验研究：

患者ID   组别       治前总积分  治后总积分  证型       VAS评分   疗效等级
001      方剂A组    28          12          气虚血瘀   6.2       显效
002      方剂B组    31          22          痰湿阻络   7.8       有效
003      对照组     26          25          肝肾不足   5.5       无效
...

关键统计链：描述统计 → 正态性检验 → 组间基线比较 → 治疗前后组内变化（配对检验） → 组间疗效比较（ANOVA 或 Kruskal-Wallis） → 事后多重比较 → 效应量

类型二：证候积分数据（聚类分型研究）

用于从大样本患者数据中归纳证候类型：

患者ID   乏力  气短  自汗  心悸  纳差  腰酸  肢冷  舌淡  脉细
001      3     2     1     2     1     3     2     1     2
002      1     1     2     1     3     1     1     3     2
...

关键统计链：K-means 聚类 → 最优聚类数确定（肘部法则 + 轮廓系数） → 各聚类中心描述 → 聚类命名 → 各聚类间症状积分差异验证

类型三：中医量表调查（横断面研究）

如体质量表、生存质量量表、证候量表的调查研究：

患者ID   年龄  性别  病程  量表条目1-20题(1-5分)   总分   体质类型
001      52    女    3年   3/4/3/5/4/3/4/4/3/5...  74    气虚质
002      45    男    1年   2/2/3/2/3/2/2/3/2/2...  47    平和质

关键统计链：描述统计 → 信度（Cronbach's alpha） → 效度（KMO + EFA） → 人口学差异分析 → 相关回归

全流程分析演示（方剂疗效比较场景）

以"三种方案治疗气虚血瘀型冠心病的疗效比较"为例：方剂 A 组 30 例、方剂 B 组 30 例、西药对照组 30 例，观察 12 周，主要结局指标为证候积分变化量（Delta 积分 = 治前 - 治后）。

第一步：描述统计与基线比较

打开 chatsrs.com，上传数据后输入：

"请对三组患者分别输出：治前积分、治后积分和积分变化量（Delta）的均值、标准差、中位数、最小值和最大值，生成 APA 格式三线表；并用单因素 ANOVA 检验三组治前积分是否有统计差异（先做 Levene 方差齐性检验），确认基线可比性。"

ChatSRS 自动输出：

表 1  三组基线证候积分描述统计（M +- SD）

              方剂A组 (n=30)    方剂B组 (n=30)    西药对照组 (n=30)
治前积分 M      27.63             28.17             27.90
         SD     4.82              5.14              4.97
治后积分 M      11.47             18.23             24.61
         SD     3.96              4.75              5.23
Delta M        16.16             9.94              3.29
       SD       4.11              3.88              3.67

基线单因素 ANOVA：F(2, 87) = 0.12，p = .889
Levene 方差齐性检验：F(2, 87) = 0.34，p = .713
三组基线治前积分无显著差异，基线具有可比性。

为什么必须做基线检验：如果三组患者入组时证候严重程度本就不同，后续的疗效差异就无法归因于干预本身。ANOVA 基线检验是 RCT 和准实验研究的前提步骤。

第二步：正态性检验 — 决定参数还是非参数路径

"对三组的积分变化量（Delta）分别做 Shapiro-Wilk 正态性检验，并输出 W 值和 p 值；如果任一组不满足正态性（p < .05），请同时准备 Kruskal-Wallis 非参数检验作为替代方案。"

ChatSRS 输出：

Shapiro-Wilk 正态性检验结果：
方剂A组 Delta：W = 0.974，p = .657 — 满足正态性
方剂B组 Delta：W = 0.968，p = .510 — 满足正态性
西药对照组 Delta：W = 0.971，p = .578 — 满足正态性

结论：三组均满足正态性假设，可使用参数检验（单因素 ANOVA）。
备选方案（如需）：Kruskal-Wallis 秩和检验（已预备，可一键调用）。

第三步：单因素 ANOVA — 三组疗效总体比较

"以积分变化量（Delta）为因变量，组别（方剂A/方剂B/西药对照）为自变量，做单因素 ANOVA。报告 F 值、自由度、p 值、偏 eta 平方效应量；Levene 检验不通过时自动切换 Welch ANOVA。"

ChatSRS 输出：

Levene 方差齐性检验：F(2, 87) = 1.24，p = .294 — 方差齐性成立。

单因素 ANOVA：
F(2, 87) = 68.32，p < .001
偏 eta^2 = .611（大效应）

组别差异显著，三组证候积分变化量不完全相同。

第四步：事后多重比较 — 哪两组之间有差异

"做 Tukey HSD 事后多重比较，报告所有两两组合的均值差、95% CI 和调整后 p 值；用字母标注法标记显著差异（a/b/c）。"

ChatSRS 输出：

Tukey HSD 事后比较结果：

组对                  均值差    95% CI          p_adj
方剂A vs 方剂B        6.22      [4.41, 8.03]    < .001   a vs b
方剂A vs 西药对照     12.87     [11.06, 14.68]  < .001   a vs c
方剂B vs 西药对照     6.65      [4.84, 8.46]    < .001   b vs c

字母标注：方剂A(a) > 方剂B(b) > 西药对照(c)，三组两两之间均存在显著差异。

第五步：证候聚类分析 — 归纳证型

如果研究还包括证候分型目的，上传症状条目数据后输入：

"请对 12 个证候条目积分做 K-means 聚类分析，用肘部法则和轮廓系数确定最优聚类数（测试 k = 2 至 6）；输出每个聚类的中心均值热图数据、各聚类人数及占比，并给出可能的中医证型命名参考。"

ChatSRS 分析后输出：

最优聚类数确定：
  肘部法则：k=3 时组内误差平方和下降趋于平缓
  轮廓系数：k=3 时平均轮廓系数最高（0.61）
  结论：最优聚类数 k = 3

聚类中心（各症状条目均分，0-4 分）：
条目        聚类1    聚类2    聚类3
乏力         3.2      1.4      2.1
气短         3.0      1.2      1.8
自汗         2.8      0.8      0.6
心悸         2.9      1.1      2.6
腰酸         1.2      0.9      3.1
肢冷         0.8      0.7      3.3
舌淡         2.7      1.0      2.8
脉细         3.1      1.3      2.9

聚类人数：聚类1=38例(42.2%)，聚类2=29例(32.2%)，聚类3=23例(25.6%)

证型命名参考（仅供参考，最终须结合临床）：
  聚类1：气虚血瘀证（以乏力、气短、自汗为主症）
  聚类2：轻证/平和状态（各症状积分均低）
  聚类3：阳虚血瘀证（以腰酸、肢冷叠加血瘀症状为主）

第六步：中医量表信效度分析

"请对证候积分量表（12 个条目，0-4 分 Likert）做信度分析，报告总体 Cronbach's alpha 及各条目删除后 alpha 变化（CITC）；并做 KMO 和 Bartlett 球形检验，判断是否适合因子分析；如果 KMO >= .70，做主成分探索性因子分析，报告因子载荷矩阵和累计方差解释率。"

ChatSRS 输出：

信度分析：Cronbach's alpha = .847（良好，> .80）
  条目删除后 alpha 范围：.821 - .856，无条目显著拖低信度

效度分析：
  KMO = .812（良好，满足 >= .70 标准）
  Bartlett 球形检验：chi^2(66) = 412.7，p < .001（矩阵非单位阵，适合因子分析）

EFA 结果（主成分法，Varimax 旋转）：
  提取 3 个因子，累计方差解释率 = 61.4%
  因子1：气虚相关条目（乏力、气短、自汗、神疲）
  因子2：血瘀相关条目（心悸、胸痛、唇紫、舌暗）
  因子3：肾虚相关条目（腰酸、肢冷、夜尿）
  所有条目在目标因子上载荷 >= .45，无交叉载荷问题

论文方法/结果写法（APA 7th，中医药研究报告句式）

以下句式可直接替换数值后用于论文 Results 章节。

方法章节：数据分析策略描述

本研究采用单因素方差分析（One-Way ANOVA）比较三组干预方案对证候积分变化量的差异。分析前，以 Shapiro-Wilk 检验验证各组数据的正态性，以 Levene 检验验证方差齐性。事后多重比较采用 Tukey HSD 法，效应量采用偏 eta 平方（partial eta^2）报告，并以 Cohen（1988）标准（.01 = 小，.06 = 中，.14 = 大）解释。对证候条目积分进行 K-means 聚类分析时，采用肘部法则与轮廓系数共同确定最优聚类数。所有统计分析使用 ChatSRS 完成（R 引擎，alpha = .05）。

结果章节：基线可比性

单因素方差分析结果显示，三组患者治疗前证候总积分不存在显著组间差异，F(2, 87) = 0.12，p = .889，偏 eta^2 = .003，表明三组基线具有良好可比性。

结果章节：总体组间差异（ANOVA）

以证候积分变化量（Delta）为因变量的单因素 ANOVA 显示，三种干预方案之间存在显著差异，F(2, 87) = 68.32，p < .001，偏 eta^2 = .611，属于大效应。

结果章节：事后多重比较（Tukey HSD）

Tukey HSD 事后比较显示，方剂 A 组积分变化量（M = 16.16，SD = 4.11）显著高于方剂 B 组（M = 9.94，SD = 3.88），均值差 = 6.22，95% CI [4.41, 8.03]，p < .001；方剂 A 组亦显著高于西药对照组（M = 3.29，SD = 3.67），均值差 = 12.87，95% CI [11.06, 14.68]，p < .001；方剂 B 组同样显著优于西药对照组，均值差 = 6.65，95% CI [4.84, 8.46]，p < .001。三组两两之间均存在显著差异（方剂 A > 方剂 B > 西药对照）。

结果章节：聚类分型

K-means 聚类分析结果显示，综合肘部法则与轮廓系数（最优值 = 0.61），最终确定 k = 3 为最优聚类数。三类证候分型分别占总样本的 42.2%（n = 38）、32.2%（n = 29）和 25.6%（n = 23），各聚类在主症条目上的积分分布差异明显，可分别对应气虚血瘀证、轻证平和状态和阳虚血瘀证。

上面这四段可直接进论文 Results 章节，替换为你自己的数值即可。ChatSRS 的"生成 APA 报告"功能可自动生成对应段落，无需手动转写。

中医药数据分析方法速查表

研究场景	推荐方法	ChatSRS 关键词
两组治前治后比较	配对 t 检验（正态）/ Wilcoxon（非正态）	"配对样本检验，积分变化量，Cohen's d"
三组及以上疗效比较	单因素 ANOVA + Tukey / Kruskal-Wallis + Dunn	"单因素 ANOVA，Tukey 事后比较，偏 eta 平方"
证候聚类分型	K-means 聚类	"K-means 聚类，肘部法则，轮廓系数，最优 k"
量表信效度	Cronbach's alpha + KMO + EFA	"信度分析，KMO，探索性因子分析，因子载荷"
疗效等级（有序类别）	Mann-Whitney / Kruskal-Wallis	"有序疗效等级，秩和检验，效应量 r"
证型与疗效关联	卡方检验 / Fisher 精确检验	"证型与疗效交叉表，卡方检验，Cramer's V"
影响疗效的因素	二元/有序 Logistic 回归	"Logistic 回归，OR 值，95% CI，纳入因素"
多个证候积分指标	MANOVA / 主成分	"多变量 MANOVA，Pillai 迹，多结局指标"

常见 FAQ

Q1：证候积分量表该用参数检验还是非参数检验？

取决于两个条件：

数据正态性：用 Shapiro-Wilk 检验（n < 50 建议用此方法）。正态则用参数检验（t / ANOVA），不正态则用非参数（Mann-Whitney / Kruskal-Wallis）。
量表总分 vs 单条目：量表总分（多条目相加）通常近似正态，可用参数检验；单个 0-4 分的证候条目属有序变量，建议用非参数。

在 ChatSRS 里描述清楚变量类型，AI 会自动做正态性检验，再决定调用哪个检验路径，无需手动判断。

Q2：K-means 聚类分析的最优聚类数如何客观确定？

两种主流方法结合使用：

肘部法则（Elbow Method）：绘制 k 从 2 到 8 的组内误差平方和（WSS）曲线，下降开始趋缓的"肘部"就是候选 k。
轮廓系数（Silhouette Score）：衡量每个样本与所在聚类的紧密程度 vs 与最近其他聚类的距离。平均轮廓系数越高（最大值 1.0），聚类效果越好。

ChatSRS 同时输出两种指标，并给出推荐 k 值，报告时两个依据都要写入方法章节。

Q3：中医量表信效度检验的阈值标准是什么？

指标	合格阈值	理想阈值	说明
Cronbach's alpha	>= .70	>= .80	各维度分别报告
CITC（修正项总相关）	>= .30	>= .40	低于阈值考虑删除条目
KMO	>= .60	>= .70	低于 .60 不适合因子分析
因子载荷	>= .40	>= .50	交叉载荷应 < .30
累计方差解释率	>= 50%	>= 60%	EFA 提取标准

审稿意见要求补效度时，直接在 ChatSRS 输入"对量表做 KMO + Bartlett 检验 + EFA，报告因子载荷矩阵和方差解释率"即可。

Q4：三组疗效用 Kruskal-Wallis 非参数检验时，怎么做事后多重比较？

Kruskal-Wallis 检验（总体显著后）的事后比较用 Dunn 检验（Bonferroni 校正 p 值）。报告格式：

Kruskal-Wallis 秩和检验显示组间差异显著，H(2) = 47.23，p < .001，效应量 eta^2_H = .53（大效应）。Dunn 事后比较（Bonferroni 校正）显示，方剂 A 组与方剂 B 组（p_adj = .003）及西药对照组（p_adj < .001）均存在显著差异，方剂 B 组与西药对照组亦存在显著差异（p_adj = .011）。

在 ChatSRS 输入"Kruskal-Wallis 检验，Dunn 事后多重比较，Bonferroni 校正，效应量 eta squared"可一步完成。

Q5：疗效等级（痊愈/显效/有效/无效）数据该用什么检验？

疗效等级是有序分类变量，首选方法：

两组比较：Mann-Whitney U 检验（等同于 Wilcoxon 秩和检验），效应量报告 r = Z / sqrt(N)
三组及以上比较：Kruskal-Wallis 检验 + Dunn 事后比较
列联表检验（仅看分布差异）：卡方检验，但不利用有序信息

不推荐对有序疗效等级直接做 ANOVA——它假设等距，而"痊愈 vs 显效"的差距与"有效 vs 无效"的差距在临床意义上并不相等。

Q6：如果数据只有 20-30 例每组，样本量小怎么办？

小样本中医研究依然可以发表，关键是：

明确报告效应量（Cohen's d / partial eta^2 / Hedge's g）和 95% CI，让读者判断临床意义
正态性检验改用 Shapiro-Wilk（优于 K-S 检验，适合小样本）
样本量 < 30 时，优先考虑非参数检验，稳健性更好
在 Methods 章节注明研究局限性，说明样本来源的代表性
ChatSRS 在运行时会自动提示小样本警告，并推荐非参数备选路径

中医药研究分析小结

中医药研究的统计挑战在于数据类型多样：连续积分、有序等级、分类证型并存，每种类型有对应的最优方法。ChatSRS 让整条分析链条变成对话：

上传数据，用一句话描述研究问题
AI 自动判断数据类型、验证前提假设、选择正确方法
直接输出 APA 7th 格式结果和可抄进论文的报告句式

从描述统计、正态性检验，到 ANOVA / 非参数检验、事后比较、证候聚类、量表信效度——每步都在一个对话窗口完成，不需要切换 SPSS 模块，不需要手动整理三线表。

中医药论文数据分析为什么难做

中医药研究数据的典型结构

类型一：证候量表 + 疗效评定（临床干预研究）

类型二：证候积分数据（聚类分型研究）

类型三：中医量表调查（横断面研究）

全流程分析演示（方剂疗效比较场景）

第一步：描述统计与基线比较

第二步：正态性检验 — 决定参数还是非参数路径

第三步：单因素 ANOVA — 三组疗效总体比较

第四步：事后多重比较 — 哪两组之间有差异

第五步：证候聚类分析 — 归纳证型

第六步：中医量表信效度分析

论文方法/结果写法（APA 7th，中医药研究报告句式）

方法章节：数据分析策略描述

结果章节：基线可比性

结果章节：总体组间差异（ANOVA）

结果章节：事后多重比较（Tukey HSD）

结果章节：聚类分型

中医药数据分析方法速查表

常见 FAQ

Q1：证候积分量表该用参数检验还是非参数检验？

Q2：K-means 聚类分析的最优聚类数如何客观确定？

Q3：中医量表信效度检验的阈值标准是什么？

Q4：三组疗效用 Kruskal-Wallis 非参数检验时，怎么做事后多重比较？

Q5：疗效等级（痊愈/显效/有效/无效）数据该用什么检验？

Q6：如果数据只有 20-30 例每组，样本量小怎么办？

中医药研究分析小结

相关阅读