本教程重点介绍回归分析的基本应用-empowerstats.pdf

本教程重点介绍回归分析的基本应用，帮助读者： 1. 看懂并理解 SCI论文中的结果（SCI论文中90% 以上的结果都是用回归分析做 出来的）。 2. 掌握回归方程的应用，学会用回归方程去分析任两个变量之间的关系。 3. 理解混杂与调整的概念，理解一篇论文的核心结果（独立作用大小）的临床 意义及如何正确建立多元回归模型。 1 经常听到大家问到： 1. 我应该选择哪种统计学方法？ 2. 为什么外文文章极少有人用T检验、方差分析、卡方检验等？ 3. 为什么我看不懂SCI的结果部分，只能看摘要里的结论？ 4. 统计学了一遍又一遍，到用的时候还是不会，为什么？ 答案很简单：因为你没有掌握回归分析。 2 一篇文章的关键是要把一个X与Y 的关系说清楚，怎么才算说清楚了呢？如研究 肥胖与高血压关系，如果你的分析结论是： 1. 胖子与瘦子相比收缩压有显著差别，P0.005。2. 体重指数与收缩压非常显著 相关，P0.0001。这两个结论统计上都非常显著，但都没有临床意义，都没有 说清楚X与Y 的关系。它告诉我们降低体重能降低血压吗？能降多少？没有。 3. 体重每增加1kg收缩压增加0.01mmHg ，95%可信区间：0.007-0.013 ， P0.00001。这是用回归方程做出来的。虽然统计上非常显著，但每降低体重1 公斤仅降低血压0.01mmHg没有临床应用价值。另外，这个0.01里面有没有其它 因素的混杂作用在里面呢？不清楚。 4. 在控制了其它因素的作用下，体重每增加1kg收缩压增加1mmHg，95%可信区 间0.7-1.3mmHg。这个结论统计上显著，而且每降低体重1公斤能降低血压 1mmHg，有临床应用价值。这里用多元回归方程控制了其它因素的作用，得出 体重对收缩压的独立作用。可以想象当临床上遇到一个高血压又肥胖的病人， 你根据这个结果就可以告诉他仅降低体重这一项就能降低血压多少，这就很有 临床应用价值。 上面这些结论中，有t检验得出的、相关分析得出的、回归分析得出的。回归分 析，给出有临床意义的回归系数，而且可以控制其它因素，分析X对Y 的独立作 用。不能不掌握回归分析。 3 这是从一篇文献中摘录下来的表2，这是个单因素分析表，分别列出每个因素与 出生体重的关系。 以母亲年龄为例，作者把母亲年龄分成3组，第1组20-25岁，有164人，这一组 为参照组，第2组26-29岁，有526人，与第1组相比，回归系数是21，95%可信区 间-50到91 ，p值0.559 ，这个回归系数21表示第2组比第1组出生体重高21克，但 统计上差别不显著；第3组30-40岁，有102人，与第1组相比，出生体重高167克 ，95%可信区间68到266，p值0.001 ，有显著性差别。 再看看下面的苯暴露与出生体重的关系，354人有苯暴露，回归系数-58，表示 有暴露组比无暴露组出生体重低58克，95%可信区间-115到-2，p值0.044 。 4 再看一个例子： 这篇文章主要结果就是这个表3列出的多元 logistic 回归分析结果。结果变量为 ARF （急性肾功能衰竭），该研究所关注的危险因素是Cryoprecipitate ，表中结 果表示，每多输入1个U的Cryoprecipitate ，发生术后ARF 的比值比（危险比）是 1.1，即风险增加10%，该结果调整了ABO blood group compatible, Infections before ARF, Blood loss, age, etiology, Child-Pugh grade and steroid ，表示所得出的 OR=1.1是Cryoprecipitate 的独立（独立于上述调整因素的）作用。 5