群组随机试验的组内相关系数，结果表怎样呈现？

群组随机试验的结果表已有学校数和学生数，仍可能缺一项关键解释：同校学生的测量结果有多相似？组内相关系数ICC描述同一群组内观察值的相关程度。同校学生越相似，简单把每份答卷当独立信息就越会夸大精度；论文若只写“分析已考虑聚类”，读者无法核对设计时假设的相关程度与实际资料是否接近。

不把ICC当作一个孤立数字

稿件的方法部分应先说样本量估算采用了多少群组、预计每群组多少人，以及使用的ICC或其他群组变异参数来自哪里。若学校数固定、每校学生数可能不同，不能把“计划每校30人”写成实际每校都招到30人。结果部分按组报告群组数和群组规模的分布，例如中位数、范围或实际每组各校人数，再说明主要结局的ICC估计及其计算口径。CONSORT群组随机试验扩展把群组数、群组规模和组内相关参数列为样本量说明的重要部分，也建议对主要结局报告ICC或相应变异参数。

ICC不能从另一篇研究直接复制到结果表。样本量估算时使用的是事前假设；本试验结果中的ICC是从本数据估计。两者可以并列，却承担不同任务。比如自拟试验在设计时取ICC为0.05，实际主要结局估得0.12，这不等于试验“做错了”，但表明校内学生成绩的相似程度比设计假设更高，估计精度可能受影响。若作者只保留0.05、不报告实际估计，读者就看不到这个差别；若将0.12写回原方案当作预设值，则倒置了时间顺序。

结局和尺度也要对得上

不同结局可能有不同的群组内相关性。数学成绩的ICC不能不加说明地套到是否缺课这个二分类结局上。统计模型、调整变量和尺度也会影响ICC的解释，二分类结局尤其要注明是在哪个尺度上估计。若试验是阶梯楔形或交叉群组设计，同一群组不同时间段的相关性还可能需要额外参数，单一ICC未必能概括。结果表或附录至少说明对应结局、估计方法和必要的不确定性，不把ICC当成一枚万能“聚类已处理”印章。

读者还需要知道分析怎样使用群组结构。若采用混合效应模型，可说明随机效应如何设定；若用群组汇总分析，说明每个学校先怎样形成汇总值，以及学校规模是否进入权重。这里不用在正文复制全部软件输出，但主要效应量、区间与群组规模应能找到相应模型说明。只给每组学生总数而不说明学校之间人数差异，会让读者误以为所有群组大小相同。

一个投稿核对顺序是：先把方案里的群组数、预期规模和假设ICC列出，再从实际数据给出每组群组数、规模分布和主要结局的ICC，最后核对主要效应分析是否确实考虑群组相关。若群组数少或数据不足以稳定估计ICC，说明实际群组数、无法可靠估计的原因和采用的替代参数，不编出一个精确数字。这样，读者能把样本量的计划依据和结果的实际精度放在一起看。

参考信息：CONSORT群组随机试验扩展声明及解释说明。