基本医学统计方法及SPSS操作-.pptVIP

************************▲混杂因素Confounder指除了研究因素以外，其他所有可能会影响结局的因素（包括已知和未知的）。混杂因素与结局事件、暴露/处理因素有关，但不是暴露/处理因素与结局事件的中间变量。

如研究高血压与死亡风险之间的关系。糖尿病就可作为其混杂因素，糖尿病与高血压、死亡都可能有关，但不可以说高血压导致糖尿病从而引起死亡。RCT：证据等级比观察性研究高？一个重要的原因就是RCT通过随机分组，有效的控制了混杂因素，减少了混杂偏倚，使得组间的基线情况均衡。而回顾性、观察性研究，暴露组（观察组）和非暴露组（对照组）之间均衡性差，难以排除混杂因素，会影响最终统计结果。混杂因素处理某项研究探讨胆固醇增高是否更易发生急性心梗。分为胆固醇增高组和胆固醇正常组，并对两组人群进行随访观察，20年后，观察结果发现：胆固醇增高组发生急性心梗的比例高于胆固醇正常组，是否能认为胆固醇增高就是急性心梗的危险因素？答案是：不能，有可能这种表象是因为在胆固醇增高组中其他可能引起急性心梗的相关因素与胆固醇正常组分布不一致，有可能在观察人群中，胆固醇增高组甘油三酯和高血压水平也高于胆固醇正常组，到底是胆固醇增高引起的急性心梗还是混杂因素甘油三酯、高血压引起的急性心梗？混杂因素混杂因素处理▲分层分析不适合过多混杂因素时使用。▲多因素分析三种回归模型为：多元线性回归、logistic回归、Cox回归。Cox回归用于二分类变量和生存时间变量（预后分析），logistic回归用于分类变量，多元线性回归用于连续变量。局限性：结局事件例数太少的不适合。混杂因素处理方法原理：简单说，就是将多个混杂因素进行处理，计算出一个综合的倾向值（PropensityScore,PS），然后根据这个倾向值进行匹配，从而减少组间的差异，改善组间基线的均衡性。PSM可有效均衡暴露组和非暴露组之间的差异，降低混杂效应，使回顾性的研究结果接近于RCT。倾向性评分匹配（PSM）目前很热门，结局事件例数少、混杂因素多的均适合。本人2021年3月13日在PubMed数据库中，以倾向评分匹配为关键词，共检索到近两万篇论文。倾向性评分匹配（PSM）PSM：SPSS22以上版本均可实现1:1匹配数据格式组别变量四个混杂因素（匹配变量）数据?倾向性评分匹配?4个匹配变量选入预测变量栏、

组别变量group选入组指示器?确定匹配容差即“卡钳值”为0.2，两组按照倾向性评分±0.2进行1：1匹配（卡钳值越小，两组匹配后可比性越好，但越小成功匹配的病数会减少）基本统计方法高级统计方法实例混杂因素处理目录▲Idea患者发生某事件（如肝损、肾损、低血糖等）的危险因素分析主要难点：影响因素众多，包括如药物因素、疾病因素、人口学特征因素等等；事件的发生率极低，对照组（非暴露组）病例庞大，可能上万例，资料收集不可行。实例危险因素分析釆用Logistic回归分析釆用PSM：可改善回顾性研究组间的基线均衡性，控制混杂因素；而且匹配后非暴露组病例数量大幅降低，收集所有病例的影响因素资料变为可行。暴露组47例、非暴露组17085例，进行PSM：匹配变量为性别、年龄、住院天数等人口学特征因素，匹配成功44对病例第一步：倾向性评分匹配匹配后，差异有统计学意义的变量由3个减少为1个，基线均衡性有改善匹配成功的44对病例：详细收集药物、疾病等13个影响因素情况对13个影响因素进行单因素分析，确定有统计学意义的影响因素有8个第二步：单因素统计分析对单因素有统计学意义的8个影响因素，进行Logistic回归分析：选用-输入法-筛选变量，最终筛选出两个危险因素第三步：Logistic回归分析********************4、多个样本率的两两比较釆用?2分割法等检验，而不应：每两组进行一次?2检验，共做3次5、样本构成比的比较不是等级资料！不应釆用秩和检验论文常见统计错误之一论文常见统计错误之一等级变量资料一律使用卡方检验？▲将资料中三个等级中的“有效”和“显效”合并,使之成为二分变量。▲用四格