如何正确进行直线相关与回归分析——怎样在药物应用与监测研究中正确运用统计学（九）

医学科研中,经常需要研究两个定量变量间的相互关系或依赖关系,此时常用的做法就是进行简单直线相关或回归分析。然而,很多人在进行此类统计分析时,没有考虑实际问题,盲目套用这两种方法,这样往往掩盖了事物间的本质联系,得出与实际不符或错误的结论。本文就如何进行直线相关与回归分析作一些讨论,以帮助科研工作者正确分析此类资料。     

医学论文审稿中常见的统计学错误:相关回归分析方法的误用分析

<正>在医学科学研究中,有大量的研究需要验证两个因素之间是否存在关系,例如胸围与肺活量、药物剂量与疗效、疾病程度与指示物浓度等,为研究这些变量之间的关系,常采用线性相关与回归分析进行检验[1]。医学论文中相关回归分析方法能否正确使用决定着研究者对事物间的数量关系是否能做出正确有效的判断,以及能否进一步准确分析变量间的密切程度[2,3]。在一些医学论文中,作者没有从实际情况出发考虑,大多盲目套用,造成相关     

如何对两变量可直线化曲线资料进行回归分析——怎样在药物应用与监测研究中正确运用统计学（十）

医学科研中,经常需要研究两个变量间的相互关系或依赖关系,此时常用的做法就是进行简单直线相关或回归分析。但有时两个在专业上有一定联系的变量不呈直线、而呈某种较为简单的曲线变化趋势,这时就需要拟合相应类型的曲线回归方程。有些曲线方程比较简单,可以通过对自变量X或因变量Y作某种变量变换,使变换后的变量之间呈直线关系,通过直线回归分析获得直线回归方程,再对变量作相反的变换,使之还原成用原来的变量表达的曲线回归方程,这就是“可直线化曲线资料的回归分析”问题。     

多重线性回归分析中的常用共线性诊断方法

多重线性回归分析中，由于多个自变量间相互作用、相互影响，往往存在共线性关系。所谓共线性，是指两个或多个自变量问存在高度相关关系。共线性造成的主要后果是自变量对预测变量y的估计不可靠，甚至会得到在专业上无法解释或与专业意义完全相悖的回归方程。因此，多重回归分析时有必要进行共线性诊断。本文先介绍三种常用的共线性诊断方法，然后结合实例说明其应用。     

建立回归模型应注意避免多重共线性

１　问题的提出多元回归分析是一种应用广泛的多变量分析方法。但是如果对变量的条件不加任何考虑,盲目地应用现成的统计软件包,往往得不到理想的结果,甚至导致错误的结论。为了保证所得回归模型有较好的应用效果,近年来多重共线性的研究已受到关注。应用多元回归的前提是有关自变量必须是相互独立的。但是,事实上,在医学领域内各变量间相关的情况大量存在。例如在病因流行病学研究中的多种危险因素之间常会存在一定程度的相关关系,出现统计学上所谓的多重共线性。如果各个危险因素的内在相关程度较大时,在进行回归分析过程中,一个…     

妊娠高血压病人不同药物与妊娠结局关系的主成分logistic回归

目的:探讨主成分logistic回归分析方法在研究妊娠高血压病人用药与其妊娠结局关系中的作用以及不同药物对妊娠结局的影响,解决多个疾病因素变量存在共线性的问题。方法:对logistic回归模型进行共线性诊断,应用主成分分析方法对存在共线性的变量综合成一个主分量,然后进行logistic回归分析,得到并解释最终的回归模型。结果:不同药物的不同剂量对妊娠结局的影响各不相同。主成分logistic回归在研究妊娠高血压病人药物与妊娠结局关系中有较好的作用。在对疾病因素进行logistic回归分析时,若变量间存在多重共线性,采用主成分改进的logistic回归分析能得出更合理的回归模型。     

片剂释放度研究中数据处理的若干典型方法

在片剂释放度研究中,常有如下的数据处理工作:归结若干参数,用以描述药物在体内外释放的规律;寻求足以反映体内规律的体外参数;参数的精简和质量标准的制定。 归结参数常用的方法是曲线拟合或直接捕捉特征;体内外联系目前多从单变量相关和回归考虑,我们建议注意多变量的相关和回归;关于参数的精简和质量标准的制定,我们引荐     

高血压脑出血术后多器官功能障碍综合征的相关因素分析

目的 探讨高血压脑出血(HICH)患者术后发生多器官功能障碍综合征(MODS)的相关因素.方法 选取手术治疗且临床资料完整的HICH 107例,采用单因素和多变量Logistic回归分析对各种因素进行统计学处理.结果 单因素分析:年龄,血肿量,格拉斯哥昏迷评分(GCS),手术时机,术前、术后全身炎症反应综合征(SIRS)指标,并发感染及术后血糖与术后MODS发生显著相关;多变量Logistic回归分析显示术后SIRS和手术时机与MODS发生独立相关.结论 患者年龄,出血量,GCS评分,手术时机,术前、术后SIRS指标及术后血糖是术后MODS发生的相关因素.其中手术时机和术后SIRS与术后MODS的发病独立相关.     

哑变量在统计分析中的应用

目的:探讨哑变量在统计分析中的应用。方法:在协方差分析与方差分析中使用哑变量。结果:正确使用哑变量,扩大回归模型的应用范围。结论:在协方差分析中使用哑变量使对模型的理解变的简单,在方差分析中使用哑变量使得可以从回归的角度来理解模型。     

偏最小二乘回归与主成分回归的比较

多元回归的建模与分析中 ,变量间存在多元共线性的现象十分普遍。另外 ,实际工作中由于种种原因会造成自变量个数 p较多而观察时点数 n并不多 ,甚至出现 n相似文献   

剔除相关性的最小二乘理论研究

提出了一种新的回归模型,剔除相关性的最小二乘,并给出建模步骤。该模型能有效的克服变量间的相关性,兼顾到变量的筛选并克服回归系数反常的现象。     

降糖药物与低血糖事件的相关性

目的调查实践中2型糖尿病患者使用降糖药物与低血糖事件发生的相关性。方法回顾总结兰州大学第二医院VIP糖尿病科2型糖尿病合并药物性低血糖患者的病例资料,对150例研究对象进行分析,收集了性别、年龄、降糖药物使用情况等数据,对收集的相关变量先进行单因素卡方检验,再将上述因素进行多因素Logistic回归分析。结果单因素分析结果显示有差异的变量是单用胰岛素、联合用药种类,多因素Logistic回归分析结果显示不同年龄组2型糖尿病患者低血糖的发生与单用胰岛素及联合用药种类有关系。结论不同年龄组的2型糖尿病患者发生药物性低血糖与单用胰岛素及降糖药物的联合用药种类相关。     

临床试验中中心效应的评价及处理方法

探讨多中心临床试验中，中心效应的评价与处理方法，采用Breslow-Day检验对有效率的中心间差异进行评价，采用CMH方法对组间有效率及疗效等级进行分析，采用logistic回归方法对中心效应及有效率或疗效等级同时进行评价。结果提示，Breslow-Day检验只能对有效率的中心间差异进行评价。而不能对疗效等级的中心差异进行评价，CMH方法不能同时考虑其它协变量的影响。     

回归分析结直肠癌术后发生吻合口漏的风险因素及预测

目的:探讨结直肠癌术后发生吻合口漏的风险预测、影响因素及预测价值。方法:回顾性分析993例接受结直肠癌切除术患者的临床资料,使用单变量、多变量回归分析及ROC曲线,建立Logistic回归模型。结果:32例(3.22%)患者术后发生吻合口漏。单变量分析显示术前变量(术前低体重、吸烟、心血管疾病、肺部疾病、低蛋白血症、糖尿病、贫血、白细胞升高,存在两个或两个以上基础疾病)与吻合口漏发生显著相关。血清蛋白水平(≤11g/d L)和血清血红蛋白水平(≤6g/d L)在逻辑回归分析中为显著变量因素。结论:血清蛋白水平低于5.5g/d L和血清血红蛋白水平低于9.4g/d L为显著变量因素,可作为大肠癌术后发生吻合口漏的预测标记。     

超重或肥胖与不同肝功能指标间的关系研究

目的：研究超重或肥胖与不同肝功能指标间的关系。方法：在体检人群中选择192例受检者，分别测量身高、体重、血压，检测血脂、血糖、肝功能相关多项指标。结果：超重或肥胖者表现出多项代谢异常，包括：血压升高、血糖升高、血脂紊乱。与正常体重组比较，超重或肥胖组的肝功能相关血清酶水平均出现显著的升高（P〈0.05）。调整年龄和性别变量后的多因素回归分析提示，超重或肥胖组谷丙转氨酶异常发生的危险性是正常体重组的2.405倍，95% CI （清除率）为1.121～5.157。结论：超重或肥胖与肝功能相关血清酶水平升高相关。     

基于坏死性凋亡相关长链非编码RNA构建肝细胞癌预后模型及药物治疗反应分析

目的 使用坏死性凋亡相关长链非编码RNA(NRLs)构建肝细胞癌（HCC）预后模型并分析不同风险组间药物敏感性差异,为HCC病人预后预测和临床个体化治疗提供理论依据。方法 从癌症基因组图谱（TCGA）数据库中下载HCC病人的RNA测序数据和临床信息。采用共表达网络分析鉴定NRLs。使用单变量Cox回归和LASSO-Cox回归构建预后模型,并在测试集和整个集合中进行验证。运用生存分析、受试者操作特征（ROC）曲线、临床病理分层相关性分析、多变量Cox回归、列线图和校准曲线来评估预后模型。随后,采用基因集富集分析（GSEA）不同风险群体间生物过程和功能的差异。使用单样本基因集富集分析（ssGSEA）来探讨不同风险群体与肿瘤免疫、浸润之间的关系,并采用Pearson相关分析HCC病人预后特征与免疫检查点表达的相关性。最后,使用药物敏感性分析20种化疗药物在不同风险群体中的IC50值。结果 构建了由4个NRLs(ZFPM2-AS1、MKLN1-AS、LINC01116、AP003390.1)组成的风险评分（NRLs risk-Score）预后特征,并根据风险评分中位值将病人划分为高风险组和低风...     

如何使用SPSS对Logistic回归中分类变量进行处理

介绍了 Logistic回归分析中常见的分类变量的编码方法和在 SPSS统计软件中的实现方法 ,使分类变量的编码技术在Logistic回归分析中得到更好的应用     

指示变量的设置方法及其医学应用

回归分析中,自变量可以是定量变量,也可以是定性变量,在分析中,定性变量一般需要转换成指示变量后才能分析。指示变量(indicator variable)是量化了的品质变量[1 ]。指示变量的设置有一定的技巧,否则会带来计算尤其是解释上的困难。品质变量的数量化,主要有以下几种方法。1　方     

关于变量相关的一个注记

流行病学的病因学因果推论指出，事件相关并不一定意味着事件间有因果关系存在。抛开由于机遇造成的变量间的伪相关不论，若两变量间相关，可能是两变量共同受到未知的另外一个或多个变量的影响。这一点已成为研究者的常识。然而，还有一个特殊的问题，在一般的教科书中没有论及。即若两变量不相关，则该两变量还会不会有共同的原因存在?或者可以这样设问，若两变量受到共同的变量的影响，     

荆门地区饮食习俗与尿路结石高发的相关性研究

目的探究荆门地区饮食习俗与本地区尿路结石高发的关系。方法采用分层随机抽样方法对荆门地区747名居民进行各类食物摄食频次问卷调查,用SPSS18.0软件包对各因素进行Logis-tic回归分析及单变量频率分析。结果经逐步logistic回归多因素筛选之后最终进入模型的变量有瘦肉和豆制品,其B值分别为1.457和-0.313。结论瘦肉是荆门地区尿路结石高发的危险因素,而豆制品为保护性因素。