2023年以來浙中醫(yī)大學(xué)鄭老師開設(shè)了一系列醫(yī)學(xué)科研統(tǒng)計(jì)課程，零基礎(chǔ)入門醫(yī)學(xué)統(tǒng)計(jì)包括R語言、meta分析、臨床預(yù)測(cè)模型、真實(shí)世界臨床研究、問卷與量表分析、醫(yī)學(xué)統(tǒng)計(jì)與SPSS、臨床試驗(yàn)數(shù)據(jù)分析、重復(fù)測(cè)量資料分析、結(jié)構(gòu)方程模型、孟德爾隨機(jī)化等10門課，如果您有需求，不妨點(diǎn)擊下方跳轉(zhuǎn)查看：

2023年鄭老師多門科研統(tǒng)計(jì)課程：多次直播，含孟德爾隨機(jī)化方法

趨勢(shì)性分析，是近年來熱門的方法，我也挺喜歡。它給一篇論文帶來的錦上添花的效果很受用。

網(wǎng)絡(luò)上教程很多，但大多數(shù)只介紹其形而無里，還可能誤導(dǎo)研究者開展分析。因此本文我擬借助一篇非常典型的趨勢(shì)性研究論文，來幫大家從技術(shù)層面真正學(xué)習(xí)到趨勢(shì)性檢驗(yàn)方法。

一、什么是P trend？

P trend是一個(gè)P值。

該P(yáng)值是統(tǒng)計(jì)學(xué)中趨勢(shì)性檢驗(yàn)的結(jié)果。醫(yī)學(xué)中的趨勢(shì)性是事物的結(jié)局指標(biāo)隨著原因指標(biāo)水平改變而發(fā)生的線性趨勢(shì)性改變，反映的是劑量反應(yīng)關(guān)系或者劑量效應(yīng)關(guān)系。

說通俗一些，趨勢(shì)性反映的是結(jié)局變量和原因變量是否存在著線性相關(guān)性。但是，趨勢(shì)性分析常用于當(dāng)暴露指標(biāo)或者處理因素變量為有序多分類的情況。在回歸分析中，一般要求自變量是有序多分類數(shù)據(jù)。

趨勢(shì)性檢驗(yàn)，即對(duì)這種線性趨勢(shì)性是否存在著作統(tǒng)計(jì)學(xué)假設(shè)檢驗(yàn)，計(jì)算P值。如果P<0.05，則說明趨勢(shì)性成立。

在女性卵巢癌和子宮內(nèi)膜癌的案例里，運(yùn)動(dòng)鍛煉時(shí)間變量分為<1.5h、1.6-6.0h、6.1-12.0 h、12.1-21.5 h，>21.5 h /week；與<1.5h相比，隨運(yùn)動(dòng)時(shí)間的上升一個(gè)等級(jí)，研究對(duì)象子宮內(nèi)膜癌的發(fā)病相對(duì)風(fēng)險(xiǎn)HR值分別為1.0、0.94、0.91、0.91、0.84，HR下降的趨勢(shì)明顯，因此P trend=0.06，提示該下降趨勢(shì)具有統(tǒng)計(jì)學(xué)有統(tǒng)計(jì)學(xué)差異，說明卵巢癌的發(fā)病風(fēng)險(xiǎn)有隨著運(yùn)動(dòng)量增加而減少的趨勢(shì)。

同時(shí)對(duì)于卵巢癌來說，其HR值分別是1.0、1.21、1.10、1.22、1.10，P trend=0.44，趨勢(shì)不明顯。

P trend有什么意義？

P trend 主要發(fā)揮輔助性的作用，同時(shí)增加文章的內(nèi)容與深度。特別是，在其它主要研究結(jié)局未取得統(tǒng)計(jì)學(xué)意義時(shí)，趨勢(shì)性檢驗(yàn)結(jié)果可能會(huì)帶來額外的信息。

同樣以子宮內(nèi)膜癌與運(yùn)動(dòng)鍛煉時(shí)間為例。以不鍛煉為對(duì)照，其它各組均無統(tǒng)計(jì)學(xué)意義，但P trend有統(tǒng)計(jì)學(xué)意義，這也能彌補(bǔ)部分分析的遺憾。

二、什么時(shí)候需要開展趨勢(shì)性檢驗(yàn)

趨勢(shì)性檢驗(yàn)在高分SCI論文較為常見。一般來說，無論結(jié)局指標(biāo)是均數(shù)、中位數(shù)、率、OR值、RR值、HR值，均可以開展趨勢(shì)性檢驗(yàn)

對(duì)于自變量或者原因變量而言，一般情況下，趨勢(shì)性檢驗(yàn)發(fā)生于原因指標(biāo)是定量數(shù)據(jù)或者等級(jí)數(shù)據(jù)的情況下：

1.?對(duì)于等級(jí)變量，根據(jù)上述趨勢(shì)性介紹內(nèi)容，開展趨勢(shì)性檢驗(yàn)非常常見

2.?對(duì)于定量變量，同樣需要開展趨勢(shì)性檢驗(yàn)，但是，一般都需要現(xiàn)將定量數(shù)據(jù)轉(zhuǎn)為等級(jí)數(shù)據(jù)，再進(jìn)行趨勢(shì)性檢驗(yàn)

三、文獻(xiàn)解讀

這篇論文是歐洲流行病學(xué)發(fā)表的文章，探討的是可可類飲食（包括巧克力）能否預(yù)防高血壓！具體文章下載請(qǐng)見文末。

首先介紹下這篇文章。該文章目的是基于法國(guó)的一個(gè)前瞻性隊(duì)列研究，評(píng)估從各種食物來源攝入的可可類食物是否與突發(fā)性高血壓有關(guān)。研究調(diào)查了45,653名女性，根據(jù)208項(xiàng)飲食問卷和24小時(shí)回憶法可可類食物攝入量，并使用詳細(xì)的食物成分表估可可攝入量。研究分析了可可攝入量與高血壓發(fā)病的關(guān)系。

研究可可攝入量與高血壓發(fā)病的關(guān)系采用生存分析，依靠Cox回歸來分析可可攝入量能否延緩高血壓發(fā)病。

在Cox回歸中，可可攝入量是定量自變量，關(guān)于定量自變量的分析，我在上一文已經(jīng)介紹（當(dāng)回歸分析模型遇到連續(xù)型自變量，我該怎么辦？），若懷疑自變量與應(yīng)變量線性關(guān)系不明確，可以考慮采用設(shè)置啞變量的方法。就是這樣操作的。

Cox proportional hazard models with age as the?timeline and cocoa intake as the exposure variable, considering the lowest consumer group as the reference, were used to?assess the risk of incident hypertension?.

可可攝入量按照四分位數(shù)法，分為四分類數(shù)據(jù)：

研究基于Cox回歸，以Q1為對(duì)照，進(jìn)行了3次回歸分析（分別建立納入不同混雜因素建立了M1、M2、M3三個(gè)模型），結(jié)果發(fā)現(xiàn)，整個(gè)隊(duì)列中的可可消耗中位數(shù)在基線時(shí)為2.3克/天?？煽煞巯M(fèi)量Q3、Q4組，與Q1組相比，可以預(yù)防高血壓發(fā)生（危險(xiǎn)比HR Q3 0.93 [0.88：0.98]，HR Q4 0.98[0.93：1.03]。此外，作者進(jìn)行了趨勢(shì)性檢驗(yàn)，結(jié)果顯示，所有Cox回歸模型，均存在著趨勢(shì)性，也就是說，整體而言，可可消耗量越大，高血壓風(fēng)險(xiǎn)越低。

因此，作者對(duì)于自變量是定量數(shù)據(jù)的可可粉，采用了啞變量設(shè)置與趨勢(shì)性檢驗(yàn)相結(jié)合的方法，應(yīng)該說，這是一種常見的統(tǒng)計(jì)分析方法。

那么如何實(shí)現(xiàn)趨勢(shì)性檢驗(yàn)?zāi)?？有一些需要注意的事情。在這里，我通過系統(tǒng)的講解，幫助大家來學(xué)習(xí)和掌握。

四、如何利用回歸進(jìn)行趨勢(shì)性分析

對(duì)于觀察性研究，一般可利用線性、logistic、Cox回歸來進(jìn)行趨勢(shì)性檢驗(yàn)，而且一般和啞變量設(shè)置分析結(jié)合一起。具體過程如下：

第一步，將定量自變量轉(zhuǎn)為分類變量。在本例，可可攝入根據(jù)P25、P50、P75界值轉(zhuǎn)為四分類數(shù)據(jù)Q1-Q4（產(chǎn)生新變量coco1，數(shù)據(jù)庫(kù)賦值1、2、3、4），是為等級(jí)自變量。

第二步，分類變量分析，可以設(shè)置啞變量分析。因此，可以將Q1組作為對(duì)照組，開展啞變量分析（對(duì)新變量coco1進(jìn)行操作）。關(guān)于啞變量設(shè)置的方法，我在之前文章已經(jīng)詳細(xì)介紹了（回歸分析時(shí)何時(shí)設(shè)置啞變量？如何設(shè)置？手把手教會(huì)SPSS分析）

第三步，趨勢(shì)性檢驗(yàn)關(guān)鍵一步。很多人開展所謂趨勢(shì)性檢驗(yàn)，就是把等級(jí)變量不設(shè)啞變量直接納入回歸統(tǒng)計(jì)分析，得到的P值被認(rèn)為就是趨勢(shì)性檢驗(yàn)的結(jié)果。不是的?。?！趨勢(shì)性檢驗(yàn)不是直接對(duì)等級(jí)變量進(jìn)行分析，而是要進(jìn)一步指定每一個(gè)等級(jí)的組中值！一般情況下，組中值推薦中位數(shù)。比如可可攝入量四組數(shù)據(jù)組中值分別是0.12、1.26、3.57、9.47，所以產(chǎn)生新的變量Coco2。

所以我們可以在原文的數(shù)據(jù)結(jié)果中發(fā)現(xiàn)這么一列(紅框）:

所以數(shù)據(jù)庫(kù)中，Coco2變量不再是1、2、3、4，而是不等距的四個(gè)數(shù)字。

第四步，建立Cox回歸。Coco2不設(shè)啞變量，納入回歸直接開展統(tǒng)計(jì)分析。最終得到我們上文的回歸分析結(jié)果。

關(guān)于可可類食物與高血壓發(fā)病的關(guān)系，諸位可以下載原文進(jìn)行學(xué)習(xí)，具體下載方式見文末。

詳情請(qǐng)點(diǎn)擊下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650404618&idx=2&sn=0e0ae1a9f167368f09a00d19c6636899&chksm=83518aa2b42603b4c90588cb719ca9b2f09c36a7fe7f05e408da6041a075494c204e8b353440&token=1579182731&lang=zh_CN#rd

2023年統(tǒng)計(jì)服務(wù)?

2023年，我們將開展從

多項(xiàng)服務(wù)，若您有課題經(jīng)費(fèi)可以支持，歡迎您提前和我們聯(lián)系。

2023年統(tǒng)計(jì)服務(wù)開啟！歡迎提前洽談數(shù)據(jù)分析、科研合作服務(wù)?