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!