中介分析不仅仅只是A到B到C，看高分文章从一个不起眼的标志物得出新结论！...

郑老师统计课程，欢迎点击报名：Nhanes公共数据库挖掘 课程

中介分析大家都了解，我们最常用的中介分析是这样的

下面的一篇文章，就是在之前的基础上，再加上了一个中介因素，算的上是双中介的因素吧。

这项研究利用美国营养健康（NHANES）的数据，研究了牙周炎与高血压之间的关系以及全身炎症（白细胞计数、超敏C反应蛋白）是否在关联中具有介导作用。结果表明，牙周炎与高血压密切相关，全身炎症部分是这种关联的介质。

摘要与主要结果

一、摘要

背景：该研究的主要目的是探索两项独立大型调查中牙周炎和高血压之间的关系。其次，该研究旨在确定全身炎症是否对这种关联起到了中介效应的作用。

方法：这项横断面研究分析了代表美国（n = 3460，NHANES 2009/10）和韩国（n = 4539，2015 KNHANES VI-3）的人群样本。研究使用多元线性回归和 logistic 回归模型以及中介分析评估了牙周炎（暴露因素）、高血压（结局因素）以及炎症标记物 [C-反应蛋白（CRP）和白细胞计数（WBC）]（中介因素）之间的关系。

结果：患有牙周炎的参与者比没有该疾病的参与者更有可能患有高血压（NHANES：OR = 1.3，95％CI：1.0-1.6，P = 0.025；KNHANES：OR = 1.2，95％CI：1.0-1.4， P = 0.041）和实际收缩压≥ 140 mmHg（NHANES：OR = 1.6，95％CI：1.1-2.3，P <0.001; KNHANES: OR = 1.3，95％CI: 1.0-1.6，P <0.031）。这些关联与年龄、性别、BMI、教育水平、吸烟、饮酒、肌酐、身体活动、存在其他共病等因素无关，并在未服用降压药物的受试者中得到证实。诊断牙周炎与白细胞计数（在两项调查中：NHANES：β±SE = 0.3 ± 0.1，P <0.004；KNHANES：β±SE = 0.3 ± 0.1，P <0.001）和 CRP 水平的直接关联（在一项调查中：NHANES：β±SE = 0.1 ± 0.03， P <0.007；KNHANES：β±SE = 0.1 ± 0.04，P>0.213）。中介分析证实 CRP 在两个人群中牙周炎和高血压之间的关联中起着中介作用（中介效应：NHANES：β±SE = 0.010 ± 0.003，P <0.001；KNHANES：β±SE = 0.003 ± 0.001，P = 0.015）。WBC 在 KNHANES 中起到了中介作用（中介效应：β±SE = 0.004 ± 0.001，P = 0.004），而在 NHANES 中，其作用取决于 CRP 是否包含在模型中（WBC + CRP 中介效应：β±SE = 0.002 ± 0.001，P = 0.001）。

结论：牙周炎与高血压密切相关，系统性炎症在其中部分起着中介作用。

二、研究结果

1. 研究人群的基线资料

2.logistics回归分析：牙周病与高血压关系

牙周病和较差的牙周状态高血压患病风险高

3.线性回归分析：牙周炎与SBP关系

将牙周炎症评估为分类和连续变量均可与平均SBP相做线性回归

4.中介分析

全身炎症C反应蛋白和白细胞计数在牙周炎和高血压中介作用。

设计与统计学方法

一、研究设计

P：美国（n = 3460，NHANES 2009/10）和韩国（n = 4539，2015 KNHANES VI-3）

I：两种数据来源各自分为两组，NHANES：(1)未患口腔炎；(2)患有口腔炎。KNHANES VI-3：(1)CPI分数为0-2（较好牙周状况）；(2)CPI分数为3-4（较差牙周状况）。

O：结局：高血压。

S：横断面分析

二、统计方法

1.正态性检验及差异性分析，本研究使用STATA 15.0版本（StataCorp，College Station，Tex，USA）和R软件（版本3.5.2）进行数据分析。连续变量以均值±标准误差（SE）表示，分类变量则以百分比表示。使用独立样本t检验（对于连续变量）或卡方检验（对于分类变量）来评估患有或未患有牙周炎的参与者之间的简单差异。验证了正态性的假设，并对hs-CRP进行对数转换以进行参数分析。

2.先单后多logistics回归，本研究采用不同的口腔疾病暴露测量指标（分类和连续），以测试牙周状况与血压之间的关联。此外，WBC和hs-CRP水平被用作系统性炎症的生物标志物，可能也是牙周状况和高血压之间关联的中介因素。进行单因素分析，比较患有牙周炎/更糟糕牙周状况组和研究样本其余部分的所有连续变量。所有具有统计学差异的变量随后纳入多因素模型中。

3.多因素回归分析，创建多变量logistics回归模型以测试牙周炎病例定义或牙周病变连续测量与高血压、SBP ≥ 140 mmHg 或 hs-CRP > 2mg/L 作为结果变量之间的潜在关联。然后构建多元线性回归模型来研究牙周（分类和连续）和动脉血压（平均收缩压/舒张压）变量之间的关联。对 hs-CRP 和 WBC 值（暴露）和高血压（作为分类或连续结果）进行了类似的分析。计算比值比 (OR) 和 95% 置信区间 (CI) 以及带标准误差的 bβ系数。完全校正的模型（模型 1）包括年龄、性别、种族、吸烟、教育水平和慢性疾病作为两项调查的协变量（如先前报道）。除此之外，KNHANES 调查的多变量模型还包括体重指数 (BMI)、饮酒量、肌酐和体力活动（因为它们都呈现出与结果变量的单变量关联）。

4.敏感性分析，对未服用抗高血压药物的参与者亚组进行了敏感性分析（模型 2）（NHANES，N = 2486；KNHANES，N = 3270）。

5.结构方程模型分析中介效应，使用结构方程模型 (SEM) 来估计牙周炎和高血压之间的关联是否由使用 R 软件的 WBC 或 CRP 介导 。使用以下四种不同的和预先指定的途径：直接（途径 1）和间接（途径 2、3、4）中介效应及其 95% CI 。

途径一：牙周炎（暴露） 高血压（结果）。

途径二：牙周炎（暴露）白细胞（中介）高血压（结果）。

途径三：牙周炎（暴露） CRP（中介）高血压（结果）。

途径四：牙周炎（暴露）白细胞（中介）CRP（中介）高血压（结果）。

小加餐

中介分析通常基于回归模型来进行，中介分析的一般实现方法如下：

1.先建立关于自变量、因变量和中介变量的单变量回归模型，评估各变量间的直接关系（路径C）；

2.构建中介效应模型, 评估自变量对中介变量（路径A）及中介变量对因变量（路径B）的影响，以此确定是否存在中介效应的影响，并计算出间接效应（AxB)和总效应 (C)，并通过 Sobel 检验、Bootstrap 方法等方法进行统计显著性检验；

3.进行调节变量的控制，包括年龄、性别、教育水平等，可以通过将它们加入总体模型来控制调节变量；

4.使用图表和其他简明易懂的方式阐释结果。

需要注意的是，在开展中介分析时，必须要符合中介模型的前提条件，包括观察数据的独立性、实现中介效应的能力、无遗漏变量、没有交互作用等。这些前提条件有助于确保中介机制的有效性和统计推断的准确性，从而得到更为可靠和权威的分析结论和决策建议。

本公众提供各种科研服务了！

一、课程培训 2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10门课。如果您有需求，不妨点击查看： 发表文章后退款！2023年郑老师团队多门科研统计直播课程，欢迎报名 二、统计服务 为团队发展，我们将与各位朋友合作共赢，本团队将开展统计分析服务，帮忙进行临床科研。欢迎了解详情： 医学统计服务| 医学公共数据库论文一对一指导