方法 | 如何开展趋势性分析计算P trend

详情请点击下方:

欢迎报名!2024年GBD数据库挖掘培训班6.1-6.2,快速撰写SCI论文!


在SCI文章中,经常可以见到P trend,并且P trend的出现场景比较的单一,基本都是针对原数据是连续变量,接着通过分位数转换等级变量后开展回归并计算P trend。

文中的分组方式涉及3等分、4等分、5等分......,各式各样都有。

c741528bac99344629972735a300c7aa.png

606e9e881bd65dfc7a006bc5a0381237.png

e293c8eef0f2dae0c1aee25eede56c0d.png

但是现实中实操来说,进行定量数据分位数转换还是有点麻烦的,R语言与SPSS都需要先进行数据的描述统计,确定截断值,再进行数据的转换。

那么有没有简便快捷方式对定量数据进行分组呢?还真有!——风暴统计,一键完成数据的分位数转换,直接生成分组变量与组中位数,超快速计算出P trend!

下面我们就结合一份实操数据来为大家详细介绍一下具体的操作步骤吧!

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

2db861fd4f5056d6facbff3892759d97.png

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:

详细指南!风暴统计如何高效导入数据,统计分析快人一步?

详细版!如何利用风暴统计进行数据的整理转换?

16b195e2c0df41936a4b81b18a4dfe9c.png

定量暴露的分位数转换,是在“趋势性分析变量转换”模块开展的!

50accbea6e4c6ee40df5e050fd6bf230.png

2.定量数据分位数转换

风暴统计仅需3步!快速给出分位数分组与组中值!

6b0ba1b2f0340213bb8f1727195f458a.png

第一步,选入我们想要开展分析的连续型变量。

第二步,选择离散化分组方式,平台给出了多种分组方式。

  • "自定义分组":可以自行决定分组截断值。平台会给出定量变量的统计描述结果,有最大值,最小值,中位数,标准差,标准误等......

af36b097f15bc21ec44b06551609092b.png

  • ”分位数分组“:中位数、三分位数、四分位数、五分位数,风暴统计平台统统搞定!以五分位数为例,平台还会会给出各组的样本量,组中值,最小值,最大值,直观展现数据情况。

7eca4cca1057f4538b632d4811a9d172.png

第三步,点击”开始分组“。接着右侧数据预览模块就会出现分位数分组结果以及各组的组中值了!

3ce5b010815fccde513b888cc908940e.png

以"median"、"three"、"quantile"、"five"为后缀的变量名,分别代表中位数、三分位数、四分位数、五分位数转换后的等级数据,在数据探索阶段,可以都进行尝试,看看结果有什么不同。

其他统计软件分析一种结果的时间,风暴统计平台可以探索4-5种结果,效率超高!

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!

3.回归分析

同样是3步出结果:选择模型——选择因变量——选择焦点暴露。

这里的暴露是以"median"、"three"、"quantile"、"five"为后缀的等级变量哦!

1519b08db87024a6ba363fb8a0ecefcc.png

页面右侧部分就直接出现了回归分析结果!

db76534785ef468f7de6065b096dc1fb.png

4.计算P trend

计算P trend也需要回归分析,不过需要多1步!

前3步相同操作:选择模型——选择因变量——选择焦点暴露。

P trend的暴露是以"M_value"为后缀的连续变量哦!

最后一步!在"分类变量"选框中取消勾选,这样变量就会以连续变量的形式纳入分析了。

09ce34522048e9bbbae31b6bc2562146.png

这时候,我们回归分析的P值就是我们的P trend啦!

f2cc7e7b55c2ab83161d41ae75efa767.png

最后,如果需要调整协变量,进行多因素回归,可以点击"增加回归模型",最多可以有5个回归模型。

bd8c3d8428dde567ad5a468c92b0122e.png

这里的多模型结果就和推文开头的示例很像啦!回归分析结果与P trend结果都有!

113ee15eb237c181eb913108fcd4fbce.png

dd9980f0eeb93d196c20712b048321ae.png

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!

d22881d902adde89b3cb49c62473b8c6.png

统计机器人交流群

2f7c709b054681837572ae7e4e041062.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Matlab中,可以使用Sen+MK检验来检测时间序列数据中的趋势性。Sen+MK检验是一种非参数的统计检验方法,适用于时间序列数据的线性和非线性趋势的检测。 以下是基于Matlab的Sen+MK趋势性检验步骤: 1. 导入数据:使用Matlab中的“xlsread”函数或其他适当的函数,将长时间栅格数据导入到Matlab中。 2. 计算排名:对于每个时间点,计算数据排名。 3. 计算Sen斜率:对于每个时间点,计算数据的Sen斜率。 4. 计算MK统计量:计算MK统计量来检测趋势的显著性。 5. 计算p值:使用MK统计量计算p值。 6. 判断趋势显著性:通过比较p值与显著性水平(通常为0.05或0.01),来判断趋势是否显著。 以下是一个简单的Matlab代码示例,用于执行Sen+MK趋势性检验: ```matlab % 导入数据 data = xlsread('data.xlsx'); % 计算排名 rank_data = tiedrank(data); % 计算Sen斜率 n = length(data); sen_slope = zeros(n, 1); for i = 1:n for j = i+1:n sen_slope(i) = sen_slope(i) + sign(data(j)-data(i)); end end sen_slope = sen_slope ./ nchoosek(n, 2); % 计算MK统计量 mk_statistic = sum(sen_slope); % 计算p值 var_sen_slope = sum((sen_slope-mk_statistic).^2) / (n*(n-1)*(2*n+5)); z = (mk_statistic-1) / sqrt(var_sen_slope); p_value = 2 * (1-normcdf(abs(z))); % 判断趋势显著性 if p_value < 0.05 disp('The trend is significant.'); else disp('The trend is not significant.'); end ``` 以上代码可用于计算一个含有n个数据点的时间序列的Sen+MK趋势性检验。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值