per 1 SD/per 10 units/分位数转换

01

连续变量的多种变化形式

关于连续变量的神奇七十二变，大致可以分为两大类：

• 按照一定的分组切点转换为分类变量

• 通过等比例缩放或计算，转换为新连续变量

---

第一种 按照一定的分组切点转换为分类变量，常见的有二分类分组、等分位分组、临床界值分组、自定义分组。这些分类转换形式都是大家熟悉并且很好理解的。

因此今天着重为大家介绍：将原变量通过等比例缩放或计算，转换为新连续变量进入模型的几种方式：

常见的有正态转换、每变化固定增量（0.1U，10U）、每变化1个标准差（per SD increase）......

①正态转换：当数据分布呈现非正态时，我们可以将原始数据通过函数转换，使偏态资料正态化，从而满足t检验或其他统计分析方法对资料的要求。

正态转换方式：常见的有log转换，倒数转换等

②每变化固态增量：在研究中，我们可能遇到这样的情况：连续自变量的数值变化范围跨度非常大或非常小，此时，自变量每变化1个单位，回归模型的OR/HR/β值可能就会很小，无法体现实际的临床意义。

因此，实际研究中研究人员会使用每变化固定增量的形式进行数据转换，像下面这张表格中，ModelⅠ的TyG-BMI，每增加10 Units时，研究人群的死亡风险会增加6.7%（HR=1.067，95% CI：1.049-1.086），如果是以传统1个单位衡量，HR值会更小。

固态增量转换方式：其实很简单，100 units，只需要将原始变量除以100代入模型即可；同样，如果是0.1 units（变化幅度缩小10倍），只需要将该原始变量乘以10即可。

③每变化1个标准差（per SD increase）：其应用场景主要对于罕见的非常规新指标，在每增加1个单位的临床意义不是很明确的情况下，可以将其转换为每增加1个SD的形式纳入回归模型中，由此可以指导患者根据自身实际的测量结果，看看自己是处于人群分布水平的几个标准差范围内，进而来评估其对应的风险会改变多少。

标准化转换方式：实现这种形式的转换也非常简单，可以通过以下两种方式：

• 将原始的连续型变量进行标准化处理后再带入到回归模型中（更常用）。

• 直接把原始变量带入到模型中，得出未标化的回归系数，然后再乘以该自变量的标准差，此时即为自变量每增加1个SD时对因变量的影响。