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:
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