详情请点击下方:
P for trend在高分SCI中经常出现,网上讲理论方法与优缺点的不少,但是如何计算出这个神奇的P值,却少有人讲解!
其实,P for trend是回归模型中线性趋势性检验的结果。既然是回归分析得来的,似乎感觉不那么复杂了,但是具体如何进行回归分析呢?
有两个重要小点!
-
等级变量的转换(以1,2,3...赋值)
-
组内中位数转换(以分组后每组的中位数代替1,2,3...赋值)
P for trend的出现场景其实比较的单一,基本和下方例图一样,针对原数据是连续变量,通过分位数转换等级变量后开展。
对等级变量开展回归,就得出了Q1,Q2,Q3,Q4等级数据的回归结果。将组中位数重新赋值的变量以连续型变量的形式带入到模型中,所求得的P值即为P for trend。
先给大家简单介绍了理论部分,接着我们进行实践一下。如果使用SPSS或者是R语言,仅变量等级转换,取组中值都要费一番功夫,更别提还要做那么多次回归,汇总那么多结果,因此,为大家介绍一个3分钟计算P for trend的小工具——风暴统计!
实操具体网址:https://shiny.medsta.cn/trend/
或者百度、必应Bing搜索“风暴统计”
本平台上线的所有工具都是免费的
1.进入风暴统计平台
首先,浏览器搜索风暴统计,依次点击"风暴智能统计"——"临床研究趋势分析"——"趋势性分析与RCS"!进入分析界面后,根据提示,完成数据的导入与整理。
这里我们不再赘述数据的导入与整理过程,详细教程大家可以点击下方链接:
计算P for trend,只需要在"1.趋势性分析变量转换","2.线性趋势性分析"两个模块开展就好!
2.等级变量的转换
首先,趋势性分析是针对等级数据开展的,连续性变量需要提前转换为等级变量。
选入我们想要开展分析的连续型变量,平台给出了多种分组方式,这里我们选择"四分位数"。
如果选择自定义分组,下方三线表还给出了描述性结果以供参考,有最大值,最小值,中位数,标准差,标准误等......
点击开始分组,右侧预览界面就会新增两列数据!
以“quantile”为后缀的变量名,代表四分位数转换后的等级数据,将原始的连续型变量赋值为1,2,3,4。
以"M_value"为后缀的变量名,则是用每组的中位数重新赋值。这个变量就是计算P for trend的核心变量了!
是不是超快捷就完成了等级数据的转换以及组中位数的
3.线性趋势分析
3.1 单因素回归分析
风暴统计平台可以一站式搞定线性回归、logistic回归、COX回归。
这里我们先以logistic回归进行展示,其他回归操作流程大致相同。
logistic回归的因变量只能是二分类变量,焦点暴露因素选入我们以1,2,3,4赋值的“quantile”变量。
选择完毕后,右侧就会出现单因素结果了!
3.2 调整协变量回归分析
如果需要调整协变量,就接着点击"增加回归模型"。
模型1就是我们的单因素模型,因此我们直接开始选择模型2的协变量,推荐使用自定义,多个模型逐个调整变量。
可能有同学会问,怎样确定我每个模型中要调整什么协变量呢?
其实这个并没有严格的标准,通常情况下模型1就是焦点因素与结局的单因素模型,最后一个模型则是调整全部的协变量,在3个模型的情况下,模型2只调整人口学变量,如果有3个以上模型,也可以自行发挥调整协变量。
这里我们模型2先矫正性别与年龄,接着,继续点击"增加回归模型"。
模型2矫正的性别、年龄会自动顺延至模型3,每个模型调整的协变量一定是包含前一个模型又多于前一个模型的。
模型3我们再额外矫正level和race。如需继续增加模型,可继续点击”增加回归模型“,最多可增至模型5。
点击"单因素+多因素回归",就会直接出现和我们开头示例一样的多模型回归结果了!
3.3 计算P for trend
现在我们就差P for trend,风暴统计操作十分简单!
首先,将焦点暴露因素改为以组中值赋值的"M_value"变量;
接着,取消勾选"请指定分类变量"模块的"M_value"变量,这样"M_value"变量就会以定量数据的形式进入回归分析啦!
我们前面设置的协变量都保留不变,现在的单因素+多因素回归结果就是趋势性分析的结果啦!!
4.下载结果
然后也可以选择小数位数,默认情况下,P值为3位小数,其他统计量为2位小数。指定小数位数后,P值与统计量的小数位数将会统一。调整完成后,下载最终的三线表结果!支持excel版及word版!
如果您在风暴统计平台的使用过程中有任何的建议或疑问,欢迎加入我们的讨论群!群里郑老师与助教会在群内解答!
统计机器人交流群