本篇是风暴统计平台教程系列的第十章，将详细介绍Cox回归控制混杂偏倚。
上篇我们介绍了风暴统计平台logistic回归的使用。此模块常用在影响因素研究中，即探讨多个X与Y的关联，对所有自变量"一视同仁"。
除此之外，Cox回归也有焦点因素研究，即重点关注某一个X与Y的关联，将其他变量作为混杂因素纳入分析。为了避免X与Y关联程度收到其他因素干扰，就需要控制混杂。
关于混杂偏倚，有一篇详细的推文介绍，大家感兴趣可以了解一下。
风暴统计控制混杂模块同样用到了回归分析，不过研究目的不同，结果的呈现方式有所不同。平台分为了单模型法、多模型法。下面我们进行详细的介绍。
01
Cox回归调整协变量
即单模型法，首先选入我们的生存结局变量、生存时间、焦点暴露因素。
需要注意的是，因变量必须为二分类，最好以1代表阳性事件（发生结局），0代表对照组（未发生结局）。如果以其他数字赋值，也可以在绿色选框（见下方图示）中勾选对应的数字。
什么是焦点暴露因素？ 比如研究吸烟与肺癌的关系，吸烟就是我们关注的焦点暴露因素，肺癌为结局，其他指标如性别、年龄、慢性病史等，可能对吸烟行为、肺癌发生产生影响的变量，即为混杂因素，也是协变量。 |
接着是协变量筛选设置。平台提供了2种筛选方式：根据单因素回归分析筛选、自定义。
①根据单因素回归分析筛选变量
也就是常说的先单后多，根据单因素回归各变量P值进行变量筛选。
首先，在下拉框选入开展单因素回归的变量，然后是多因素回归自变量筛选设置。决定了上一步选入的协变量，P值小于多少会进入多因素回归。
一般为0.05，当进入多因素回归的变量过少时，也可以放宽要求，0.1，0.2也是可以的。当选择"不限制"时，所有选入的协变量都会进入多因素模型
③自定义
即研究者主动挑选协变量，直接开展多因素回归
前面的先单后多是1种常见的数据驱动型变量筛选方式。实际研究中，也会有理论驱动型，比如DAG(有向无环图)等。这时候，可以根据专业经验或理论依据，自定义选入变量。选入的变量将全部进入多因素模型。
完成自变量筛选选择后，"点击分析"即可得到我们的回归分析三线表。
结果参数说明： ①β：回归系数，对应SPSS输出结果b值 ②S.E：回归系数的抽样误差，即标准误 ③Z：是各个回归系数进行假设检验的统计量，对应SPSS输出结果瓦尔德卡方值（wald=Z平方） ④P：小于0.05，说明自变量与因变量回归关系成立。 ⑤HR（95%CI）：代表回归系数及95%置信区间。 |
结果解读：
在焦点因素研究中，我们仅关注焦点暴露的回归结果。如本例中，在控制年龄、性别、种族、吸烟的影响后，焦点暴露维生素D对结局的影响不具有统计学差异（P=0.423）。
02
Cox回归多模型策略
即多模型法。第一步也是选入我们的因变量、生存时间、焦点暴露。
因变量同样需要是二分类，最好以1代表阳性事件（发生结局），0代表对照组（未发生结局）。如果以其他数字赋值，也可以在绿色选框（见下方图示）中勾选对应的数字。
接着点击"增加回归模型"，模型1就是我们的单因素模型，因此我们直接开始选择模型2的协变量。
协变量选择自定义（推荐），逐个模型进行变量调整。
这里我们模型2先校正年龄、种族等常见的人口学变量，接着继续点击"增加回归模型"。
如何确定每个模型调整什么协变量？ 其实这个并没有严格的标准，通常情况下模型1就是焦点因素与结局的单因素模型，最后一个模型则是调整了全部的混杂因素，中间模型可以分不同类别的协变量逐步调整，比如人口学变量、慢性疾病变量、生化指标变量等。 |
前面模型调整的变量会自动顺延至后面的模型。模型3调整其他混杂因素后，如需继续增加模型，可继续点击”增加回归模型“，最多可增至模型5。
完成后"点击分析"，右侧会给出三线表结果，与单模型法不同的是，结果仅提供了焦点暴露的结果，更加简洁明了。
结果解读：
多模型结果中，以最后一个模型的结果为准。如本例中，在控制年龄、性别、种族、吸烟、饮酒的影响后，焦点暴露维生素D对结局的影响不具有统计学差异（P=0.486）。
完成全部分析后，可以调整小数位数，默认情况下，P值保留3位小数，其他保留2位小数。
最后下载三线表格，支持excel版与word版！
以上就是Cox回归控制混杂偏倚模块全部内容的介绍说明了。
下篇预告：Zstats风暴统计教程（11）：倾向性得分匹配方法
郑重声明
Zstats-AI平台
√ 浙中医大统计老师郑卫军主持
√ 基于R语言软件开发
√ 免费使用，无需注册
√ 一键生成发表级图表
www.medsta.cn
（电脑端浏览器打开）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
