我是茉莉，干了8年医学统计的理科生，不爱拽专业术语，就爱用买菜大妈都能听懂的大白话，教你处理实验室里那些让人抓狂的数据问题。

今天手把手教你们处理数据缺失这个磨人精，去年有个降压药临床项目，28%的病例在关键的第3次随访数据人间蒸发，项目组急得团团转的时候，我们用了这几个土办法起死回生，最后论文顺利发在了《欧洲心脏杂志》上。

第一招：先当侦探查案底

别急着填数字！打开Excel先按住CTRL+G，用"定位条件"勾选空值，红色标注所有缺失单元格后，拿着这份"案发现场地图"挨个打电话问：

"王医生，3床患者9月12日的血压值没记，是仪器死机了？还是大爷又偷偷把降压药藏花盆里了？"

这时候你会发现，21%的缺失是因为实习生把纸质表格落在白大褂里洗烂了，还有15%是老年患者觉得抽血太勤快闹脾气不来了，把这些原因用不同颜色标记在表格批注里，比直接填数更重要。

第二招：看人下菜碟补数

• 血糖仪故障导致的偶发缺失（<5%），直接取该患者前后两次测量的平均数，就像你网购不显示销量，看看上下月销量也能估个大概

• 系统性缺失（比如所有70岁以上患者都缺晨尿样本），千万别用全体平均值硬填！单独建个"老年组"，用同年龄段患者的中间值来补

• 关键节点数据缺失（比如药物干预后的第1小时数据），宁可取隔壁床同病症患者的值，也好过粗暴删除整个病例

第三招：Excel也能玩魔法

在H2单元格输入=IF(ISBLANK(B2),AVERAGE(B$2:B$100),B2)，然后往下一拖，1分钟就能智能填充100个缺失值，这比手工填快10倍，还不会手滑填错数，但切记把原始数据和填充数据分列保存，标黄所有填充单元格——审稿人眼睛毒着呢。

第四招：给数据打"补丁标记"

在数据表最右侧加一列"数据来源"，老老实实写上：

• 原始测量

• 均值填补（第3次随访）

• 同类患者参考值

• 模型预测值

去年有个心脏支架项目，靠这个透明化操作多收了15%的有效病例，审稿人专门点赞说"填补过程可信"。

第五招：预防比补救更重要

现在我们在每个研究中心配发带NFC功能的电子血压计，患者测量完自动传数据到云端，护士长手机实时监控：

"哎？3号站点今天10个病例有8个没传数据？"立马打电话过去，发现原来是新来的规培生忘给设备充电了，这种事前防控让数据缺失率从27%直降到6%，省了多少半夜填数的功夫。

最后唠叨句大实话：别相信任何"完美数据填补"的鬼话，上周帮师妹改论文，她用了高阶多重插补法，结果R跑出来的图表美如画，却被导师当场戳穿："这组患者明明都截肢了，你下肢血压数据哪来的？"所以啊，再高级的算法也比不上实地核查，数据缺失就像炒菜忘放盐，可以补救，但终究不如一次到位来得香。

我是茉莉，下期教你们怎么用超市小票整理法，让凌乱的实验数据自动归位，搞科研不是比谁用的方法高大上，而是看谁能用最简单的工具解决最头疼的问题。