Baseline Table Generator
About this tool
Upload an Excel file with a group column to get a publication-ready Table 1 (with test methods and missing-data notes)
自动判断每个变量该用哪种检验（先做正态性检验），P<0.05 自动标出。
写论文最花时间、又最容易被审稿人挑毛病的一步，就是Baseline table（Table 1）：几十个变量，每个都要判断该用卡方还是 Mann-Whitney U，还要一个个数出 n(%)、算中位数和四分位距、标出 P 值，最后排成Three-line table——手工做一遍经常要一整天。
这tools把流程自动化：上传你原始的那份 Excel（不需要先做任何编码转换，汉字、英文、数字混着都行），告诉它哪一列是分组列、两组的取值是什么，剩下的它来做——判断变量类型、做正态性检验、选检验方法、算 P 值、排版Three-line table。
连续变量的处理是「看得见」的：每个变量先做正态性检验（两组分别算 Shapiro-Wilk 的 P 值和偏度，两组都近似正态才走 t，并按 Levene 方差齐性在 t 与 Welch t 之间选；否则走 Mann-Whitney U），统计量跟着检验走——用 t 的变量显示均数±标准差，用非参数的显示中位数（四分位距）。这样表里不会出现「写均数±SD、P 值却来自非参数检验」的错配。当然也可以一键「全部强制 Mann-Whitney」或「全部强制 t」。
和很多「一键出表」的工具不同，它会把判定依据一并交给你：每个变量是按分类还是连续处理、正态性检验的 P 值与偏度是多少、最终用了哪个检验、统计量是什么、最小期望频数是多少、有没有缺失值。判定不符合你的预期时，可以在表单里手工指定某几列的处理方式，再生成一次。
适用范围：两组比较（训练集 vs 测试集、有并发症 vs 无、预后好 vs 差）。超过两组的基线和多因素回归不在此工具范围内。所有计算在服务器上完成，上传的文件只用于本次计算、不保存。
数据要先做「汉字转数字」编码吗？
不用，直接上传原始 Excel 最好。工具内部会按列分别识别取值，表格里显示的仍是你在 Excel 里看到的内容（「男」「女」而不是 0/1）。
怎么知道每个变量是按分类还是连续处理的？
结果里有一张「变量判定说明」表：写明类型、判定依据、检验方法和缺失数。默认规则是——文本取值、或只有少数几个整数取值（如 0/1、分级 1–4）按分类处理；小数或取值较多的按连续处理。不符合预期时，在表单最后两栏填列名强制指定。
某一组里没有出现的类别会怎样？
照实显示为 0 (0.0%)，整个变量不会消失。例如 TNM 分期 4 期只有训练集里有 1 例，测试集那一栏就是 0 (0.0%)，P 值仍然由两组的完整列联表算出。
数据里有空格（缺失值）怎么办？
工具不会强行填 0：缺失值按变量排除，分母用各组实际填了的例数，并在结果里明确列出哪个变量缺了几个、缺在哪一组。正式Submission前建议先把缺失补齐。
上传的数据会被保存吗？
不会。文件只在服务器内存里参与本次计算，生成的 Excel/Word 放在临时目录，1 小时后自动删除，不写入数据库、不做任何留存。
为什么 P 值有时候写 <0.001？
小于 0.001 的 P 值一律显示为 <0.001，这是多数期刊的要求。Word 版里 P<0.05 的行会自动加粗。
为什么 TNM 分期这种 4 个类别的变量，检验方法写的是「蒙特卡洛 Fisher 精确检验」？
因为 Python 的 scipy 只在 2×2 表上能算出与 R 一致的 Fisher 精确 P 值；2×C（3 个类别以上）的精确算法在不同 scipy 版本之间结果会不一致——同一个列联表能被算成 0.1267 到 0.1309 之间的不同值。所以这里改用蒙特卡洛版 Fisher（10 万次抽样、固定随机种子，与 R 的 fisher.test(simulate.p.value=TRUE) 同法）：同一个表实测 0.1255，R 的精确值是 0.1264，而卡方给的是 0.1548 —— 蒙特卡洛精确检验更靠近真值。同一种数据每次生成都得到同一个 P 值，没有随机波动。
生成的 P 值可以直接写进论文吗？
可以直接用，但有两条边界：一是分类变量用的是未校正 P 值（多重比较要自己做 Bonferroni 等校正）；二是连续变量默认走「自动」——程序会对每个变量做正态性检验（两组分别算 Shapiro-Wilk P 值和偏度，两组都近似正态才走 t），并且统计量跟着检验走（用 t 的显示均数±标准差，用非参数的显示中位数(四分位距)）。每个变量走了哪条路、依据是什么，都写在结果页的「变量判定说明」表里，可以直接核对。正式Submission前建议挑关键变量用 SPSS / R 交叉验证一次。
正态性是怎么判断的？为什么有时候看着不正态却给了 t？
判据是组合的，不是只看一个 P 值：例数 ≥8 时算 Shapiro-Wilk 的 P 和偏度，要求 P ≥ 0.05 且 |偏度| ≤ 1；例数 >5000 时 Shapiro 对微小偏离也会显著（几乎必然判不正态），改成只看偏度；例数 <8 不做检验、直接按偏态保守处理。每个变量的 P 值、偏度和最终结论都写在「变量判定说明」表里。如果你就是想全部用 t（或全部用非参数），在表单里选对应的「全部强制」那一档。