疾病预后研究的设计与分析方法.pptVIP

混杂因素有两个条件： 1. 可影响结局: 如可能促进或阻止阳性结局的发生； 2. 不均匀地分布于暴露组和非暴露组之间. 必须具备这两个条件才能构成混杂，危及研究结果。 我们要研究某因素A是否为某疾病B的致病因子，在这个研究中，我们必须警惕是否存在另一个因素C。这个C也可能影响B，而且不均匀地分布在暴露于和不暴露于A的人群中。 研究因素A 结局B 混杂因素C 例：研究吸烟是否导致消化性溃疡 研究因素：吸烟 研究结局：消化性溃疡 混杂因素：需要考虑饮酒和喝茶等。 不均等分布：吸烟人群中嗜茶和酗酒者的比率较高， 影响研究结局：饮酒和喝茶均可能促进消化性溃疡的发生。 所以如果忽略这些混杂因素，研究结果可能导致过分地估计吸烟对消化性溃疡的危险性。 COX比例危险率回归模型 与生存分析相呼应的回归分析是COX比例危险率回归模型（简称COX回归）。 如果时间因素不重要，也可以建立Logistic回归模型。 COX回归与Logistic回归的主要区别在于 前者与时间有关，后者与时间无关。 前者计算RR值，后者计算OR值。 在建立回归模型时： 要先对各个研究因素进行单因素分析。 对于连续性的数值变量（如年龄）和有明确等级关系的有序分类变量（如尿蛋白半定量），可以直接进行回归分析； 无序分类变量（如血型）和等级关系不太明确的有序分类变量（如狼疮性肾炎的WHO病理分型），则须采用分层回归分析的方法。 协同或拮抗作用 有时我们可能想要证实某两个或多个因素合在一起时，对结局的影响有无协同或拮抗作用。 如某多元回归分析初步显示，高血压和顽固性蛋白尿是狼疮性肾炎预后的危险因素。 如果你想了解二者有无协同作用，可以将二者相乘合并为一个变量，与原来的两个变量一起放入回归方程中去筛选，如果方程能接受这个新的变量，则提示这两个变量具有协同作用。 建立多元回归模型 单因素分析一方面可初步筛选出可能与预后有关的因素；另一方面去除那些根本不可能相关的因素，以减少建立多元回归模型时的“压力”。 习惯上，人们多将单因素分析中P值≤0.2的因素，以及虽然P值＞0.2，但结合专业知识可能有关的因素，均作为待选变量引入到回归方程中去筛选。 在建立多元回归方程时，待选变量的标准应该放宽一些，以免遗漏那些由于混杂的影响，导致在单因素分析中被“埋没”的有意义的因素。 某期刊2001年初发表的一篇有关狼疮脑病发生的相关因素分析，只对单因素分析中P值＜0.05者进行多因素回归分析，结果只有血白细胞，尿红细胞和A/G比值3个因子进入Logistic回归方程，被认为是与红斑狼疮脑病发生的相关因素。 从风湿病专业的角度，估计很少有风湿科医生能接受这一研究结果。 分析其原因，可能是在建立多元回归方程时，待选变量的标准太严，导致真正有意义的因素被“埋没”。 类似这样，只取单因素分析中有意义的变量，进行多元回归分析的错误不是个别现象，在国内医学期刊中常常见到。 RR值和回归系数 在建立了COX回归模型后，我们需要将相关强度的计算值从计算机上选到研究论文中去。 COX回归模型有两种表示方法，RR值（也称HR值）和回归系数。 二者任选一个都没错，翻阅国内期刊，见不少学者喜欢用回归系数，列一条数学方程式。但是，数学方程式并不能清晰地告诉人们其因果关系的程度，而且留意一下国际上重要医学期刊的论文，多是选用RR值，很少人用回归系数，因为RR值可以使临床医生更一目了然地清楚该因素的存在与否，阳性结局的危险性增加几倍。 95%可信区间 值得一提的是，别忘了将RR值的95%可信区间写在论文里头，因为范围的估计往往比统计学意义更重要。 早在1986年，BMJ就有文章强调可信区间的重要性（Gardner MJ, Altmen DG. Confidence intervals rether than P values: estimation rather than hypothesis testing. BMJ, 1986,292:746-750） 国际上重要期刊的论文均有注意标明95%可信区间。可是在国内医学期刊中，仅少数的临床研究论文对相关强度的运算结果时，给出了95%可信区间。 预后研究所需要的资料和数据库的建立 在对预后研究的方法有初步了解之后，还有一个关键的问题就是预后研究需要哪些资料和如何建立可研究的数据库。 预后因素分析的研究资料需要三大要素：研究因素、时间和结局。 研究因素应根据专业知识确定，计算机统计软件和回归分析筛选的方法，为资料分析提供了许多的便利，因此研究变量可以多一些，以免遗漏重要的因素。 时 间 是指从研究起点至研究终点（出现阳性结局）或删失的时间。 由于队列研究的病例，