一、一般性定義

Trend test，檢驗(yàn)給出p for trend值。

一般性定義：一般用于檢驗(yàn)在兩組等級資料內(nèi)部構(gòu)成之間的差別是否具有顯著性以及兩組變量間是否有相關(guān)關(guān)系等。

二、醫(yī)學(xué)統(tǒng)計(jì)中的應(yīng)用

（1）P for trend 可用于檢驗(yàn)線性趨勢

以logistic回歸為例，對自變量進(jìn)行四分?jǐn)?shù)分組，得到1、2、3、4一共四個(gè)分組。在這四個(gè)分組中，可能其中某一組的OR值有意義，但在整個(gè)分組之間，隨著組數(shù)的升高，OR值不一定有升高或者降低的趨勢。此時(shí)若做趨勢性檢驗(yàn)，可能會出現(xiàn)p<=α或者p>α的情況，因此我們可以說明，當(dāng)某一分組的檢驗(yàn)結(jié)果p有意義時(shí)，可能只是一個(gè)隨機(jī)的結(jié)果，并不能代表整個(gè)組與因變量有真實(shí)的關(guān)聯(lián)。在此可以計(jì)算出每一個(gè)自變量與因變量檢驗(yàn)的p for trend值，做出meta分析中常用的森林圖（實(shí)際操作方法已在上一篇文章中給出）。森林圖可以看出初步的趨勢，為之后探明劑量反應(yīng)關(guān)系做出鋪墊。

（2）趨勢性檢驗(yàn)的具體實(shí)現(xiàn)形式

一共存在三種方法，依次為將自變量作為連續(xù)型變量代入模型；將自變量四分位數(shù)分組后，將分組數(shù)1、2、3、4代入模型；將自變量四分位數(shù)組后，將每一分位組的中位數(shù)賦值進(jìn)入模型。

以上三種方法，若要探明詳細(xì)的自變量與因變量的關(guān)系，即自變量每變化一個(gè)單位，因變量變化的程度時(shí)，推薦使用1、3兩種方法。在這里請注意，可以先用第2或3種賦值方法做一個(gè)初步的線性檢驗(yàn)，用estimate值作為正向或負(fù)向的一種估計(jì)，若為線性，則用第一種方法再次檢驗(yàn)，初步探明一種劑量反應(yīng)關(guān)系。

（3）趨勢性檢驗(yàn)的局限與不足

P for trend只是一種粗略的檢驗(yàn)，即使檢驗(yàn)出的p值有意義，自變量與因變量之間也會存在非線性關(guān)系，因此后續(xù)需要做出RCS（限制性立方樣條圖）做出進(jìn)一步的解釋與推測，后續(xù)文章將會給出具體做法，需要用到SAS或者STATA軟件進(jìn)行操作。

（4）舉例說明

(以上為非真實(shí)數(shù)據(jù)，同學(xué)們勿杠精喔)。

?

我們可以看出，每一分組中，Q2組比Q1組相比，Q2與產(chǎn)生Y結(jié)局的風(fēng)險(xiǎn)大小不具有統(tǒng)計(jì)學(xué)意義；而Q3、Q4組與Q1組相比，其與產(chǎn)生Y結(jié)局的風(fēng)險(xiǎn)大小具有統(tǒng)計(jì)學(xué)意義，分別為Q1組的1.6和2.2倍。且P for trend<0.05,即可以初步說明，X的升高與Y結(jié)局出現(xiàn)的風(fēng)險(xiǎn)呈正相關(guān)趨勢，隨著X的升高，Y風(fēng)險(xiǎn)逐漸升高，但是否真正存在線性的劑量反應(yīng)關(guān)系，仍需要做RCS圖進(jìn)行檢驗(yàn)，下圖給出一個(gè)圖供大家初步學(xué)習(xí)。

謝謝大家?。?！歡迎大家批評指正！??！