零代码复现SCI | 轻松搞定！logistic多模型控制混杂、调整协变量的RCS曲线

今天给大家带来的复现内容是CHARLS数据库的一篇横断面研究文章，文章统计方法部分包括了①基线差异性分析、②logistic多模型回归、③矫正混杂因素绘制RCS曲线。

这些统计方法风暴统计统统一站式搞定，零代码操作，新手小白也可以轻松上手完成！

---

案例文献是一篇基于CHARLS公共数据库的一项横断面研究，旨在了解睡眠时间和肌肉减少症之间的关联。

睡眠时间与可能的肌肉减少症的纵向关联:来自CHARLS的证据

1.1 基线差异性分析

首先，根据人群是否存在肌肉减少症进行分组，对人群的基本特征进行描述。

1.2 多模型Logistic回归

table2展示的是自变量睡眠障碍（三分类）及协变量与结局的多因素回归结果。

本研究的结局是"可能的肌肉减少症"，根据握力、体能表现两个方面来综合判断，因此这里构建了3个结局的回归分析。

1.3 RCS曲线（校正混杂因素版）

本研究通过回归分析研究了睡眠障碍（3分类）与肌肉减少症之间的关联。

此外，还通过RCS曲线研究了睡眠障碍（连续）与肌肉减少症之间的非线性关系。

这里校正了性别、年龄、婚姻情况、居住地、吸烟、饮酒、BMI、慢性病数量几个混杂因素。

以上就是本篇CHARLS数据库文章的主要内容啦！下面我们将通过风暴统计平台进行结果复现！

---

风暴统计平台是由浙江中医药大学郑卫军教授基于R语言开发的统计分析平台，它具有以下优点：

• 结果输出简洁，直接生成三线表，支持word版下载！

• 平台是基于R语言进行开发，结果准确性有保障！

• 全部菜单式操作，统计小白也可以轻松上手！

2.1 复现数据介绍

我们复现用到的数据集是根据原文献变量及纳排标准整理的，样本量n=5299（原文献5036），样本量有所出入，但是变量和原文保持一致，包含有：

便利起见，针对这篇文章的统计方法制作了专用链接，按顺序操作即可复现全部统计方法，不用在风暴统计平台换模块分析啦！

https://shiny.medsta.cn/wuys/

2.2 数据导入

进入网页后，可以选择导入自己的数据进行分析，也可以选择示例数据（也就是我们本篇文献的复现数据）进行测试。

2.3 基线差异性分析

来到"分组差异性分析"板块，分别选入分组变量、正态定量变量、偏态定量变量、分类变量。

由于本篇文献的协变量均是分类变量，因此，全部进行卡方检验。

选择完毕后，平台就会直接给出基线差异性结果啦！和原文献对比发现，提供的信息很全面且一致，包括全人群的分布，分组下各基线特征的分布，统计量，P值！

2.4 多模型logistic回归

接着来到多模型logistic回归策略模块，首先选入我们的结局变量，这里以"可能的肌肉减少症"结局为例，和我们的焦点暴露因素，即3分类睡眠障碍。

接着点击"增加回归模型"。

选择"自定义"，按照原文献勾选我们的协变量。

可以一直增加回归模型，最多可以有5个model。这里我们参照原文献，分别选入model2、model3、model4的协变量。

接着结果框就会出现我们的多个模型的回归结果啦！下方脚注还会标明我们校正了哪些协变量！

这里只展示了肌肉减少症这个结局，其他两个结局的操作步骤一样哦！

2.5 RCS曲线（校正混杂因素）

接着来到“非线性趋势RCS图”模块，因为我们的结局变量肌肉减少症是二分类变量，因此选择"logistic"回归。

分别选入结局变量（二分类）——肌肉减少症，连续型自变量——睡眠障碍。

平台还支持自定义设置RCS曲线的节点数（一般建议3-5个），或者根据AIC、BIC原则自动设置。

因为原文献的RCS曲线进行了混杂因素的调整，因此，我们也在"潜在混杂变量筛选设置"这里，选择我们的协变量。

选择完毕后，点击右侧的"调整协变量后绘制RCS"结果，就可以查看调整混杂因素后的RCS图像啦！

以上就是我们本次零代码复现SCI文章的全部内容啦！有多模型控制混杂 、RCS曲线（校正混杂因素版）等常见统计分析方法！欢迎试用下方链接，进行复现与测试哦！

https://shiny.medsta.cn/wuys/

如果您在使用过程中出现报错，可以参考下方推文，排查一下问题所在哦！

答疑 | 风暴统计更换服务器后，为什么总出现同样的报错？