model、model2、model3......多模型回归的协变量应该如何挑选？

详情请点击下方：

科研人如何利用ChatGPT来协助撰写科研论文，看这个课程就够了！

---

在SCI论文中，常常会见到model1，model2，model3.....这样的表述，每个model调整的协变量会有所不同，具体研究者是如何挑选的呢？有什么需要注意的地方的吗？

这里通过几份示例简单和大家介绍一下多模型策略分析中，协变量的选取方式：

示例1：

• 只有2个模型，Unadjusted模型就是焦点暴露与结局的单因素回归

• Adjusted模型是调整其他全部协变量的多因素回归。

示例2：

• 有3个模型，Crude model是焦点暴露与结局的单因素回归

• Model1校正了性别与年龄

• Model3除年龄性别外还校正了种族，教育，吸烟，饮酒等其他协变量。

示例3：

• 有4个模型，Model1是焦点暴露与结局的单因素回归，

• Model2校正了性别、年龄、种族、婚姻状况、教育、收入

• Model3在Model2基础上额外校正了吸烟、饮酒、BMI、糖尿病、高血压

• Model4在Model3基础上额外校正了尿肌酐、总胆固醇、血清可替宁。

看完上面3个典型示例，不知道大家有没有发现一些规律：

• 第一个Model都是焦点暴露和结局的单因素回归结果（它可以叫Unadjusted、Crude model、Model1......）；

• 每个Model都是在前一个模型基础上额外校正协变量，是包含关系；

• 最后一个Model需要校正全部的协变量；

• 中间Model协变量的选择不那么严格，一般来说第二个Model会校正人口学变量，或者根据协变量的不同类型，分开校正。像示例3，协变量较多的情况就分开校正了人口学变量、不良习惯与慢病、化验指标几类。

已经了解了协变量调整的小规律，下面我们就通过风暴统计平台来快速实践一下！

实操具体网址：https://shiny.medsta.cn/con5/

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，进入风暴统计平台，点击“风暴智能统计”—“回归控制混杂”—"最新版回归控制混杂"。

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？

2. 多模型控制混杂

完成数据导入后，就直接来到"多模型回归"了。"三大常见的回归分析"的多模型分析策略，风暴统计可以一站式搞定！

下面，我们仅以"多模型logistic回归策略"为例，为大家展示详细的操作步骤！

首先，在"模型变量选择"部分依次选入"因变量"与”焦点因素“。

logistic回归的因变量只能是二分类变量，焦点因素不限变量类型，定量或分类都可以，并且风暴统计平台的焦点因素可以是一个也可以是多个哦，比如，这里我们选择AJCC和SBP两个变量作为焦点变量。

接着点击"增加回归模型"。

model1就是我们的单因素模型，因此我们直接开始选择model2的协变量，推荐使用自定义，多个模型逐个调整变量。

这里我们model2按照协变量选择规则，先矫正人口学变量——性别与年龄，接着，继续点击"增加回归模型"。

model2矫正的性别、年龄，风暴统计平台会自动顺延至model3，避免了重复选择的工作，与我们的协变量选取规则相符合。

另外，model3我们再额外矫正level、race、BMI（这几个变量是单因素回归分析筛选出来的混杂因素）。

如需继续增加模型，可继续点击”增加回归模型“，最多可增至model5。

完成后，点击右侧"单因素+多因素logistic回归“，就直接出现多模型的结果啦，包括脚注一应俱全！

下面表格的含义：①以AJCC为焦点因素，status为结局，逐步调整协变量sex,age,race,BMI,level构建回归模型

①以SBP为焦点因素，status为结局，逐步调整协变量sex,age,race,BMI,level构建回归模型

两个焦点因素在回归模型中是互不干预的状况哦！

3.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！

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，可以加入我们的讨论群！群里郑老师与助教会在群内解答！

欢迎加入

统计机器人交流群