如何通過(guò)建模控制混雜因素

1、1北京地區(qū)人群代謝綜合征組分及其組合動(dòng)態(tài)北京地區(qū)人群代謝綜合征組分及其組合動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估與高凝聚類發(fā)病機(jī)制的糖基組學(xué)研究風(fēng)險(xiǎn)評(píng)估與高凝聚類發(fā)病機(jī)制的糖基組學(xué)研究如何通過(guò)建模控制混雜因素如何通過(guò)建?？刂苹祀s因素Adjustment for confounding by modeling主講人：郭秀花主講人：郭秀花 教授教授 單單 位：首都醫(yī)科大學(xué)公共衛(wèi)生學(xué)院位：首都醫(yī)科大學(xué)公共衛(wèi)生學(xué)院 北京市臨床流行病學(xué)重點(diǎn)實(shí)驗(yàn)室北京市臨床流行病學(xué)重點(diǎn)實(shí)驗(yàn)室時(shí)時(shí) 間：間：2015.9.12 1978 1978年年8 8月月9 9號(hào)美國(guó)一著名報(bào)紙刊登了一號(hào)美國(guó)一著名報(bào)紙刊登了一條科技信息：某單位對(duì)美國(guó)條科技信息：某

2、單位對(duì)美國(guó)2020個(gè)城市做飲水個(gè)城市做飲水氟化研究，氟化研究，1010個(gè)城市的飲水氟化，而另個(gè)城市的飲水氟化，而另1010個(gè)個(gè)城市未氟化作對(duì)照，結(jié)論是：城市未氟化作對(duì)照，結(jié)論是：“飲水氟化有飲水氟化有致癌作用致癌作用”。但過(guò)了一個(gè)時(shí)期，該報(bào)紙又刊。但過(guò)了一個(gè)時(shí)期，該報(bào)紙又刊登了登了相反的相反的文章。文章。 案例：引水氟化是否有致癌作用？ 原來(lái)前述論文發(fā)表后，受到美國(guó)癌腫協(xié)會(huì)和英國(guó)統(tǒng)計(jì)協(xié)會(huì)的懷疑，他們派人對(duì)該批數(shù)據(jù)重新做統(tǒng)計(jì)分析，其結(jié)論是：“飲水氟化沒(méi)有發(fā)現(xiàn)有致癌作用，相反，卻略有保護(hù)作用。兩個(gè)結(jié)論差別如此之大，根源在于第一分析法未控制混雜，采用單因素分析法，而后一個(gè)結(jié)論則把兩個(gè)城市中的種族、生

3、活環(huán)境上的混雜因素進(jìn)行控制（多元統(tǒng)計(jì)分析），再去比較兩組城市的癌癥患病率。 案例：攜帶火柴和發(fā)生肺癌間有關(guān)系？ 某研究者進(jìn)行問(wèn)卷調(diào)查，結(jié)果發(fā)現(xiàn)：是否攜帶火柴和肺癌患病率有關(guān)，攜帶火柴的人更有可能發(fā)生肺癌。 難道這表明攜帶火柴可能引起肺癌？！ 客觀事實(shí)：攜帶火柴不可能引起肺癌！混雜因素的影響混雜因素的影響 攜帶火柴攜帶火柴 ？ 肺癌肺癌 吸煙吸煙 這中間存在混雜因素-吸煙 6一、混雜因素一、混雜因素 混雜（混雜（confounding）:指在流行病學(xué)研究中，指在流行病學(xué)研究中， 由于一個(gè)或多個(gè)潛在的由于一個(gè)或多個(gè)潛在的混雜因素混雜因素的影響，掩蓋或夸的影響，掩蓋或夸大了大了研究因素與疾?。ɑ蚴录?/p>

4、）研究因素與疾?。ɑ蚴录┲g的聯(lián)系，從而之間的聯(lián)系，從而使兩者之間的真正聯(lián)系被錯(cuò)誤地估計(jì)，造成使兩者之間的真正聯(lián)系被錯(cuò)誤地估計(jì)，造成混雜混雜。1. 概念概念 混雜因素（混雜因素（confounding factor）:指與研究因素指與研究因素和研究疾病均有關(guān)，若在比較的人群中分布不均，和研究疾病均有關(guān)，若在比較的人群中分布不均，可以歪曲研究因素與疾病之間真正聯(lián)系的因素?？梢酝崆芯恳蛩嘏c疾病之間真正聯(lián)系的因素。7 2. 混雜因素的基本特點(diǎn)：混雜因素的基本特點(diǎn)：（1）必須與）必須與所研究疾病所研究疾病有關(guān)有關(guān)（2）必須與）必須與所研究因素所研究因素有關(guān)有關(guān)（3）一定）一定不是研究因素與研究疾病

5、因果鏈上的不是研究因素與研究疾病因果鏈上的中中間變量間變量 具備基本條件，如果在比較的人群中分布不具備基本條件，如果在比較的人群中分布不均，即可導(dǎo)致偏倚。均，即可導(dǎo)致偏倚。策略策略 設(shè)計(jì)階段設(shè)計(jì)階段限制進(jìn)入限制進(jìn)入 隨機(jī)化分組隨機(jī)化分組匹配匹配 8 分析階段分析階段分層分析分層分析 標(biāo)準(zhǔn)化標(biāo)準(zhǔn)化多因素分析多因素分析如何控制混雜因素？如何控制混雜因素？二、如何通過(guò)建模控制混雜因素二、如何通過(guò)建?？刂苹祀s因素 表表1 1 數(shù)據(jù)形式數(shù)據(jù)形式(P(P2 2) ) 觀察對(duì)象觀察對(duì)象 X X1 1 X X2 2 X Xp p Y Y 1 a11 1 a11 a12 a12 a1p y1 a1p y1 2

6、a21 a22 2 a21 a22 a2p y2 a2p y2 n an1 an2 n an1 an2 anp yn anp yn 分因變量具體情況： y是計(jì)量資料，多元線性回歸分析 y是定性資料，尤其是二值資料,采用 Logistic回歸分析 y=t是生存時(shí)間,后面有是否為完全數(shù)據(jù)標(biāo)志，采用 COX回歸分析 設(shè) 在 實(shí) 際 研 究 問(wèn) 題 中 ， 含 有 p 個(gè) 自 變 量 x 1 , x2,xp;1個(gè)因變量，n個(gè)觀察對(duì)象。 在醫(yī)學(xué)實(shí)踐中，常會(huì)遇到一個(gè)應(yīng)變量在醫(yī)學(xué)實(shí)踐中，常會(huì)遇到一個(gè)應(yīng)變量與多個(gè)自變量數(shù)量關(guān)系的問(wèn)題。如醫(yī)院住與多個(gè)自變量數(shù)量關(guān)系的問(wèn)題。如醫(yī)院住院人數(shù)不僅與門診人數(shù)有關(guān)院人數(shù)不

7、僅與門診人數(shù)有關(guān), , 而且可能與而且可能與病床周轉(zhuǎn)次數(shù)病床周轉(zhuǎn)次數(shù), , 床位數(shù)等有關(guān)；兒童的身床位數(shù)等有關(guān)；兒童的身高不僅與遺傳有關(guān)還與生活質(zhì)量，性別，高不僅與遺傳有關(guān)還與生活質(zhì)量，性別，地區(qū)，國(guó)別等有關(guān)；人的體表面積與體重、地區(qū)，國(guó)別等有關(guān)；人的體表面積與體重、身高等有關(guān)。身高等有關(guān)。多元線性回歸模型多元線性回歸模型 通過(guò)實(shí)驗(yàn)測(cè)得含有通過(guò)實(shí)驗(yàn)測(cè)得含有p p個(gè)自變量個(gè)自變量x1,x2,x3,x1,x2,x3,xp,xp及一個(gè)因變量及一個(gè)因變量y y的的n n個(gè)觀察對(duì)象值個(gè)觀察對(duì)象值, , 利用最小二乘法利用最小二乘法原理原理, , 建立多元線性回歸模型建立多元線性回歸模型: : 其中其中b

8、 b0 0為截距為截距, b1 ,b2 , b1 ,b2 bpbp稱為偏回歸系數(shù)稱為偏回歸系數(shù). . bibi表示當(dāng)將其它表示當(dāng)將其它p-1p-1個(gè)變量的作用加以固定后個(gè)變量的作用加以固定后, Xi, Xi改變改變1 1個(gè)單位時(shí)個(gè)單位時(shí)Y Y將改變將改變bibi個(gè)單位個(gè)單位. . ppxbxbxbby 22110 例：例： 27名糖尿病人的性別、年齡、血名糖尿病人的性別、年齡、血清總膽固醇、甘油三脂、空腹胰島素、清總膽固醇、甘油三脂、空腹胰島素、糖化血紅蛋白、空腹血糖的測(cè)量值列于糖化血紅蛋白、空腹血糖的測(cè)量值列于表表3中，試建立血糖與其它幾項(xiàng)指標(biāo)關(guān)中，試建立血糖與其它幾項(xiàng)指標(biāo)關(guān)系的多元線性回歸

9、方程。系的多元線性回歸方程。多元線性回歸分析13表表3 273 27名糖尿病人的血糖及有關(guān)變量的測(cè)量結(jié)果名糖尿病人的血糖及有關(guān)變量的測(cè)量結(jié)果 1415 資料的研究目的是建立血糖與其它因素的資料的研究目的是建立血糖與其它因素的線性回歸方程線性回歸方程 性別和年齡性別和年齡與應(yīng)變量（血糖）含量有關(guān)，與應(yīng)變量（血糖）含量有關(guān)，也可能與自變量（血清總膽固醇、甘油三也可能與自變量（血清總膽固醇、甘油三脂、空腹胰島素、糖化血紅蛋白）有關(guān)，脂、空腹胰島素、糖化血紅蛋白）有關(guān)，因此，懷疑性別、年齡為混雜因素因此，懷疑性別、年齡為混雜因素 將混雜因素（性別和年齡）放到多元線性將混雜因素（性別和年齡）放到多元線性

10、回歸模型中進(jìn)行控制，從而更加準(zhǔn)確地考回歸模型中進(jìn)行控制，從而更加準(zhǔn)確地考察其它自變量與血糖的關(guān)系察其它自變量與血糖的關(guān)系SPSS分析結(jié)果分析結(jié)果變 量 回歸 系數(shù) b 標(biāo)準(zhǔn)誤 bS 標(biāo)準(zhǔn)回 歸系數(shù)b t 值 P 值 常數(shù)項(xiàng) 6.4996 2.3962 0 2.713 0.0124 X2 0.4023 0.1540 0.3541 2.612 0.0156 X3 0.2870 0.1117 0.3601 2.570 0.0171 X4 0.6632 0.2303 0.4133 2.880 0.0084 結(jié)果為扣除結(jié)果為扣除性別和年齡兩個(gè)混雜因素的影響性別和年齡兩個(gè)混雜因素的影響后，各指標(biāo)與血糖的關(guān)

11、系后，各指標(biāo)與血糖的關(guān)系16 在醫(yī)學(xué)上在醫(yī)學(xué)上, ,人們更關(guān)心疾病是否發(fā)生或發(fā)展的影響因人們更關(guān)心疾病是否發(fā)生或發(fā)展的影響因素素, ,既因變量是二值的。既因變量是二值的。 令：令： y=1 y=1 發(fā)?。?yáng)性、死亡、治愈等）發(fā)?。?yáng)性、死亡、治愈等） y=0 y=0 未發(fā)?。幮?、生存、未治愈等）未發(fā)病（陰性、生存、未治愈等） Logistic Logistic回歸模型是一種概率模型，適合于病例對(duì)照研究、隨訪研究和橫斷面研究，且結(jié)果發(fā)生的變量取值必須是二分的或多項(xiàng)分類。可用影響結(jié)果變量發(fā)生的因素為自變量與因變量，建立回歸方程。LogisticLogistic回歸回歸- Logistic- Lo

12、gistic回歸種類回歸種類成組資料的非條成組資料的非條件件LogisticLogistic回歸回歸配對(duì)資料的條件配對(duì)資料的條件LogisticLogistic回歸回歸兩分類反應(yīng)變量的兩分類反應(yīng)變量的LogisticLogistic回歸回歸多分類有序反應(yīng)變量多分類有序反應(yīng)變量LogisticLogistic回歸回歸多分類無(wú)序反應(yīng)變量多分類無(wú)序反應(yīng)變量LogisticLogistic回歸回歸1:11:1配對(duì)資料的條件配對(duì)資料的條件LogisticLogistic回歸回歸1:m1:m配對(duì)資料的條件配對(duì)資料的條件LogisticLogistic回歸回歸n:mn:m配對(duì)資料的條件配對(duì)資料的條件Logi

13、sticLogistic回歸回歸LogisticLogistic回歸分析回歸分析 表5 肺癌與危險(xiǎn)因素的調(diào)查分析例號(hào) 是否患病 性別 吸煙 年齡 地區(qū) 1 1 1 0 30 0 2 1 0 1 46 1 3 0 0 0 35 1 30 0 0 0 26 1 注：是否患病中，0代表否，1代表是。性別中1代表男，0代表女，吸煙中1代表吸煙，0代表不吸煙。地區(qū)中，1代表農(nóng)村，0代表城市。 由上最大似然估計(jì)分析知因素X2(吸煙), X3(年齡)對(duì)肺癌的發(fā)生有影響。 所得的回歸方程為: Logit(P)=-9.781+2.520X1+3.999X2+0.189X3- 1.3067X4Variables

14、in the Equation2.5201.8211.9161.16612.4313.9991.9754.1011.04354.568.189.0795.7081.0171.208-1.3061.583.6811.409.271-9.7814.0995.6941.017.000X1X2X3X4ConstantStep1aBS.E.WalddfSig.Exp(B)Variable(s) entered on step 1: X1, X2, X3, X4.a. 解 釋 設(shè)第i個(gè)因素的回歸系數(shù)為bi，表示當(dāng)有多個(gè)自變量存在時(shí)，其它自變量固定不變的情況下，自變量Xi每增加一個(gè)單位時(shí)，所得到的優(yōu)勢(shì)比的自

15、然對(duì)數(shù)。也就是其它自變量固定不變的情況下，自變量Xi每增加一個(gè)單位時(shí)，影響因變量Y=0發(fā)生的倍數(shù)。 當(dāng)bi0時(shí)，對(duì)應(yīng)的優(yōu)勢(shì)比(odds ratio,記為ORi）:ORi=exp(bi)1,說(shuō)明該因素是危險(xiǎn)因素；當(dāng)bi0時(shí)，對(duì)應(yīng)的優(yōu)勢(shì)比ORi=exp(bi)1,說(shuō)明該因素是保護(hù)因素。 弗明漢心血管疾病研究弗明漢心血管疾病研究 742名居住在弗明漢年齡為名居住在弗明漢年齡為40-49歲的男性，歲的男性，在各自暴露不同水平的影響因素（詳見(jiàn)下表中在各自暴露不同水平的影響因素（詳見(jiàn)下表中的的6種因素），經(jīng)過(guò)種因素），經(jīng)過(guò)12年的追蹤觀察冠心病年的追蹤觀察冠心?。–HD）的發(fā)病情況。）的發(fā)病情況。 根據(jù)此

16、根據(jù)此742名受試者每人暴露各項(xiàng)因素的名受試者每人暴露各項(xiàng)因素的水平和水平和CHD發(fā)病與否的資料，采用多因素發(fā)病與否的資料，采用多因素Logistic回歸模型進(jìn)行分析?；貧w模型進(jìn)行分析。22多因素Logistic回歸分析資料的研究目的是探討資料的研究目的是探討CHDCHD發(fā)病與否的危險(xiǎn)因素發(fā)病與否的危險(xiǎn)因素 血液中的膽固醇水平、血紅蛋白濃度、血壓水平、血液中的膽固醇水平、血紅蛋白濃度、血壓水平、 吸煙量因素可能是吸煙量因素可能是CHDCHD發(fā)病的危險(xiǎn)因素發(fā)病的危險(xiǎn)因素年齡年齡既與膽固醇水平、血紅蛋白水平、血壓水平等既與膽固醇水平、血紅蛋白水平、血壓水平等因素相關(guān)，又與因素相關(guān)，又與CHDCHD

17、是否發(fā)病相關(guān)，懷疑是否發(fā)病相關(guān)，懷疑年齡是混年齡是混雜因素雜因素使用多因素使用多因素Logistic回歸分析，將年齡放到模型中回歸分析，將年齡放到模型中進(jìn)行控制，考察進(jìn)行控制，考察CHDCHD發(fā)病的危險(xiǎn)因素發(fā)病的危險(xiǎn)因素2324SPSS分析結(jié)果分析結(jié)果變量參數(shù)估計(jì)值 標(biāo)準(zhǔn)誤OROR的95%CILowerUpper截距-13.2573年齡0.12160.04371.13001.03661.2303膽固醇(mg/dl)0.00700.00251.01001.00211.0120BP(mmHg)0.00680.00601.01000.99511.0187血紅蛋白(g%)-0.00100.00980.

18、99900.98001.0184吸煙(0,1,2,3）0.42230.10311.53001.24641.8671ECG(0,1)0.72060.40092.06000.93694.5103iii0123456影響影響生存時(shí)間的長(zhǎng)短不僅與治療措施有關(guān), 還可能與病人的體質(zhì), 年齡, 病情的輕重等多種因素有關(guān)。如何找出它們之間的關(guān)系呢？對(duì)生存資料不能用多元線性回歸分析。 1972年英國(guó)統(tǒng)計(jì)學(xué)家Cox DR. 提出了一種能處理多 因 素 生 存 分 析 數(shù) 據(jù) 的 比 例 危 險(xiǎn) 模 型 ( Coxs proportional harzard model)( Coxs proportional h

19、arzard model)。COX回歸模型分析2022-4-2626生存時(shí)間（survival time)：疾病治療的預(yù)后情況，一方面看結(jié)局好壞，另一方面還要看出現(xiàn)這種結(jié)局所經(jīng)歷的時(shí)間長(zhǎng)短。所經(jīng)歷的時(shí)間稱為生存時(shí)間。 完全與不完全數(shù)據(jù)： 一部分研究對(duì)象可觀察到死亡，從而得到準(zhǔn)確的生存時(shí)間，所提供的信息是完全的，稱為完全數(shù)據(jù)；另一部分病人由于失訪、意外事故、或到觀察結(jié)束時(shí)仍存活等原因，無(wú)法知道確切的生存時(shí)間，它提供了不完全的信息，稱為不完全數(shù)據(jù)（截尾數(shù)據(jù)、刪失數(shù)據(jù):censor datacensor data）。27例：例：某醫(yī)師對(duì)某醫(yī)師對(duì)1988年收治的年收治的16例鼻腔淋巴例鼻腔淋巴瘤患者隨

20、訪了瘤患者隨訪了13年，信息包括：年齡年，信息包括：年齡（X1）、性別（）、性別（X2）、疾病分期（）、疾病分期（X3）、）、鼻血（鼻血（X4）、放療（）、放療（X5）、化療（）、化療（X6），），數(shù)據(jù)見(jiàn)表數(shù)據(jù)見(jiàn)表2，試作，試作COX回歸分析鼻腔淋巴回歸分析鼻腔淋巴瘤的危險(xiǎn)因素。瘤的危險(xiǎn)因素。28 表表2 2 鼻腔淋巴瘤患者隨訪資料編 項(xiàng)目登記 觀察記錄 整理 號(hào) 性別 年齡 分期 鼻血 放療 化療 開(kāi)始日 終止日 結(jié)局 生存天數(shù) 1 1 45 2 2 0 1 88-1-17 89-8-17 1 578 2 0 36 2 2 0 1 88-1-21 92-4-17 1 1549 3 0 45

21、2 0 1 0 88-2-2 90-12-31 0 4717 0 51 2 2 1 0 88-12-1 95-5-22 1 2363 注：性別1為男性； 放療1表示采用，0表示未采用； 結(jié)局1表示死亡。 該生存資料的研究目的是考察鼻腔淋巴瘤的該生存資料的研究目的是考察鼻腔淋巴瘤的 生存時(shí)間的危險(xiǎn)因素生存時(shí)間的危險(xiǎn)因素疾病分期（疾病分期（X3）、鼻血（）、鼻血（X4）、放療（）、放療（X5）、）、化療（化療（X6），可能是鼻腔淋巴瘤患者生存時(shí)間的），可能是鼻腔淋巴瘤患者生存時(shí)間的危險(xiǎn)因素或者保護(hù)因素危險(xiǎn)因素或者保護(hù)因素性別和年齡性別和年齡可能是鼻腔淋巴瘤患者生存時(shí)間的混可能是鼻腔淋巴瘤患者生存時(shí)

22、間的混雜因素雜因素因此使用因此使用COX回歸分析控制混雜因素，探討鼻腔淋回歸分析控制混雜因素，探討鼻腔淋巴瘤患者生存時(shí)間的危險(xiǎn)因素。巴瘤患者生存時(shí)間的危險(xiǎn)因素。2930SPSS分析結(jié)果分析結(jié)果第i個(gè)因素的回歸系數(shù)為bi，對(duì)應(yīng)的風(fēng)險(xiǎn)比(risk ratio,記為RRi）: RRi=exp(bi)，表示在控制其它因素（包括混雜因素混雜因素）的情況下，該因素每增加一個(gè)單位時(shí)，風(fēng)險(xiǎn)度改變多少。Variables in the EquationBSEWalddfSig.RRRR的95%CILowerUpperStep 1X41.0840.4216.63010.010 2.9571.2956.747Ste

23、p 2X41.3810.5306.79910.009 3.9781.40811.244X5-1.589 0.6955.22110.022 0.2040.0520.79731在本例中放療在本例中放療X5，取值，取值0和和1，b=-1.589， RR=0.204，表示控制，表示控制年齡、性別兩個(gè)混雜因素年齡、性別兩個(gè)混雜因素，以及疾病分期、是否化療等因素前提下，化療（以及疾病分期、是否化療等因素前提下，化療（水平水平1）與不化療（水平）與不化療（水平0）比較，樣本資料前者）比較，樣本資料前者的風(fēng)險(xiǎn)度是后者的的風(fēng)險(xiǎn)度是后者的0.204倍（倍（20.4%），提示），提示“放放療療”是保護(hù)因素。是保護(hù)因

24、素?！氨茄茄盭4取值是取值是0、1、2， b=1.38, RR=3.979，表示控制其它因素的前提下，樣本資料該因素水表示控制其它因素的前提下，樣本資料該因素水平每增加平每增加1個(gè)等級(jí)，風(fēng)險(xiǎn)度增加個(gè)等級(jí)，風(fēng)險(xiǎn)度增加3.979倍，提示倍，提示“鼻血鼻血”是危險(xiǎn)因素。是危險(xiǎn)因素。COXCOX比例風(fēng)比例風(fēng)險(xiǎn)模型險(xiǎn)模型生存分析的生存分析的基礎(chǔ)模型？基礎(chǔ)模型？先進(jìn)模型 Kaplan-Meier方法方法( (簡(jiǎn)稱簡(jiǎn)稱K-M法法) )估計(jì)生存概率；估計(jì)生存概率； Log-rank方法比較兩條或方法比較兩條或多條生存曲線；多條生存曲線； Cox比例風(fēng)險(xiǎn)模型分析多比例風(fēng)險(xiǎn)模型分析多個(gè)潛在因素對(duì)生存時(shí)間的個(gè)潛

25、在因素對(duì)生存時(shí)間的影響。影響。 只考慮一種終點(diǎn)事件，其只考慮一種終點(diǎn)事件，其余事件均作為刪失事件處余事件均作為刪失事件處理；理； 若存在多個(gè)終點(diǎn)及競(jìng)爭(zhēng)風(fēng)若存在多個(gè)終點(diǎn)及競(jìng)爭(zhēng)風(fēng)險(xiǎn)事件的情況下仍用單終險(xiǎn)事件的情況下仍用單終點(diǎn)分析方法，將會(huì)由于競(jìng)點(diǎn)分析方法，將會(huì)由于競(jìng)爭(zhēng)風(fēng)險(xiǎn)事件的存在導(dǎo)致對(duì)爭(zhēng)風(fēng)險(xiǎn)事件的存在導(dǎo)致對(duì)這些終點(diǎn)事件概率的估計(jì)這些終點(diǎn)事件概率的估計(jì)偏差。偏差。32一般的生存時(shí)間過(guò)程：一般的生存時(shí)間過(guò)程： T0 事件事件1競(jìng)爭(zhēng)風(fēng)險(xiǎn)過(guò)程：競(jìng)爭(zhēng)風(fēng)險(xiǎn)過(guò)程： T0刪失刪失可能發(fā)生的終點(diǎn)事件可能發(fā)生的終點(diǎn)事件（endpoint）只有一個(gè)類型）只有一個(gè)類型事件事件1事件事件2事件事件m刪失刪失可能發(fā)生的終點(diǎn)

26、事件有多個(gè)可能發(fā)生的終點(diǎn)事件有多個(gè)研究方法33考慮競(jìng)爭(zhēng)事件：競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型考慮競(jìng)爭(zhēng)事件：競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型34首先需要注意變量的賦值方法首先需要注意變量的賦值方法 對(duì)自變量的結(jié)果值編碼方法（習(xí)慣上對(duì)自變量的結(jié)果值編碼方法（習(xí)慣上稱為賦值）不同，則自變量的對(duì)應(yīng)參數(shù)估稱為賦值）不同，則自變量的對(duì)應(yīng)參數(shù)估計(jì)值及符號(hào)將有所不同，從而對(duì)結(jié)果的解計(jì)值及符號(hào)將有所不同，從而對(duì)結(jié)果的解釋方式亦不同釋方式亦不同三、建?？刂苹祀s因素中的注意事項(xiàng)單因素分析的必要性 某研究者探討成人過(guò)敏性鼻炎的環(huán)境危險(xiǎn)某研究者探討成人過(guò)敏性鼻炎的環(huán)境危險(xiǎn)因素，采用因素，采用1 1配對(duì)的病例配對(duì)的病例-對(duì)照研究設(shè)計(jì)，對(duì)照研究設(shè)計(jì)，選擇某醫(yī)院耳鼻喉科確診的選擇某醫(yī)院耳鼻喉科確診的100例過(guò)敏性鼻炎例過(guò)敏性鼻炎患者為病例；同時(shí)選擇該院耳鼻喉科確診的非患者為病例；同時(shí)選擇該院耳鼻喉科確診的非過(guò)敏性鼻炎患者，與病例過(guò)敏性鼻炎患者，與病例1 1相匹配為對(duì)照。相匹配為對(duì)照。通過(guò)問(wèn)卷調(diào)查的方法收集兩組人群的一般社會(huì)通過(guò)問(wèn)卷調(diào)查的方法收集兩組人群的一般社會(huì)人口學(xué)特征、疾病健康狀況、吸煙史、職業(yè)接人口學(xué)特征、疾病健康狀況、吸煙史、職業(yè)接觸史、室內(nèi)環(huán)境狀況及家族史等信息。問(wèn)卷的觸史、室內(nèi)環(huán)境狀況及家族史等信息。問(wèn)卷的統(tǒng)計(jì)分析采用多因素的條件統(tǒng)計(jì)分析采用多因素的條件Logsitic回歸分析。回歸分析。3