基线表是审稿人第一眼看的东西。它不复杂，但每一个选择都有方法学含义：用均值还是中位数、给不给 P 值、缺失怎么列。
一、呈现方式由分布决定，不由习惯决定
- 连续变量且近似正态：mean ± SD，组间比较用 t 检验（方差不齐用 Welch）。
- 连续变量偏态（住院天数、费用、CRP、D-二聚体几乎都是）：median（IQR 或 P25–P75），比较用 Mann-Whitney U。
- 分类变量：n（%），比较用卡方；期望频数 < 5 的格子超过 20% 时改 Fisher 精确检验。
- 有序分类（NYHA 分级、mRS）：按分布与目的选择，用秩和检验比卡方更合理，或直接列出各等级构成比。
二、「基线 P 值」到底该不该给
- 随机对照试验（CONSORT）：不推荐对基线做显著性检验。随机化下组间差异是随机波动，P 值没有推断意义。
- 观察性研究（STROBE）：可以给，但更推荐同时给标准化均数差（SMD），因为 SMD 不受样本量影响，便于判断"差异是否具有实际意义"。
- 通用阈值：|SMD| < 0.1 视为均衡；0.1–0.2 需注意；> 0.2 提示混杂可能未控制。
- 若坚持给 P 值，方法学部分要写清用了哪种检验，不能"一律用 t 检验"。
三、常被忽略的三件事
- 缺失值必须单独列一列（n missing / %），否则读者无法判断多因素模型的样本量为何变小。
- 分组列要有合计列（Total），尤其是多组比较时。
- 单位要写进变量标签（如 "Lactate, mmol/L"），不要只写变量名。
四、用接口直接出表（可复制）
上传数据文件后先取列名与类型，再指定分组变量生成 Table 1；变量类型判断错误会让整张表呈现方式错位，所以先看列类型这一步不要跳。
REST：先看列，再出表
# 1) 看列名与推断类型
curl -H "Authorization: Bearer sk-sanyu-你的密钥" \
https://sanyu.wentangkeji.com/api/open/v1/run/act_file_columns -d '{"file_id":123}'
# 2) 生成 Table 1（按 group 分组）
curl -X POST https://sanyu.wentangkeji.com/api/open/v1/run/act_table_one \
-H "Authorization: Bearer sk-sanyu-你的密钥" \
-H "Content-Type: application/json" \
-d '{"file_id":123,"group_variable":"group"}'常见问题
- Table 1 一定要有 P 值吗？
- 不一定。随机对照试验按 CONSORT 不推荐对基线做显著性检验；观察性研究可以给，但同时给 SMD 更有说服力。关键是方法学部分写清"给了什么、为什么给"，而不是默认所有表都堆 P 值。
- 连续变量该用均数还是中位数？
- 看分布：近似正态用 mean ± SD；偏态（住院日、费用、CRP、D-二聚体等）用 median（IQR）。不要用正态性检验的结果机械决定——大样本时 Shapiro-Wilk 几乎必然显著。
- 两组基线 P < 0.05，是不是说明分组有问题？
- 在随机试验里这通常是随机波动（多重比较下偶尔出现是必然的），不代表随机化失败；观察性研究里则提示混杂未控制，应在多因素模型或 PSM/IPTW 中处理，而不是"删掉不平衡的变量"。