我是一名在应用领域工作的生物统计学家，我负责为我合作的论文编写统计方法部分。在阅读大量学术论文时，我遇到了很多写得很糟糕的统计数据部分的例子（大多数情况下它们很无聊、没有信息量，并且缺乏精确性、细节和对所使用方法的理解）。
不管使用的统计方法的主题和复杂程度如何，在应用研究文章中写好的统计部分有哪些好的例子？
如何定义“写得好”是主观的，但我会描述一个统计部分，如果它是清晰的，给出（或似乎给出）分析如何进行的全貌，解决分析过程中做出的假设，并将统计过程纳入论文流程。
以下是一些我认为具有良好统计部分的论文示例：
BCG 疫苗接种可降低已接种疫苗的獾和未接种疫苗的獾幼崽感染结核病的风险
预测经皮冠状动脉介入治疗急性 ST 段抬高心肌梗死死亡率的模型：Pexelizumab 在急性心肌梗死试验中的评估结果
其他的？关于“好的”统计部分应该包括什么的想法也非常受欢迎。
2000 年代中期，一群医学统计学家齐心协力，发表了 STROBE 声明（http://www.strobe-statement.org）：ST rengthening the Reporting of OB servational Studies in Epidemiology。它以相同的形式发表在《柳叶刀》、 《公共科学图书馆医学》 、《临床流行病学杂志》和其他几个杂志上，在我看来，这似乎是整个练习中最令人惊奇的部分：把头脑放在一起并不像说服一个多元化的群体那么困难。编辑按原样发布任何内容。有基于 STROBE 语句的各种检查表，可帮助您定义什么是“编写良好”的统计部分。
在一个不相关的领域，美国教育学院一直在他们的What Works Clearinghouse中收集各种教育项目绩效的证据。他们的程序和标准手册描述了什么是可靠的研究（根据教育界的标准；具有临床试验背景的生物统计学家发现它们远远低于 FDA 的要求）。剧透警告：在 WWC 数据库中的 10,000 份研究报告中，只有 500 份“毫无保留地符合 WWC 标准”......所以当你听到有人说它是“基于研究”的教育产品时，恰好有 95% 的机会这实际上是假的，该产品的出版商在没有对照组的情况下进行了研究。
以下是我最喜欢的一篇文章：https ://www.ncbi.nlm.nih.gov/pmc/articles/PMC2650104/
这里进行了一项控制良好的临床试验，以验证人们普遍认为抑制疱疹爆发可以减少 HIV 传播的信念。这是一个空结果的例子。他们也不会抹黑他们的证据，因为这是一个巨大且控制良好的试验。设计是巨大的，考虑了所有可能的混淆或偏见。
我对统计部分的欣赏是它的简洁性，它专注于预先指定的分析，清楚地描述主要与次要假设，以及利益冲突免责声明，描述意向治疗和每个协议分析，并解释可能的来源(s) 偏见。