医学论文撰写中的多因素分析要点总结

目前，医学期刊中的多因素分析方法主要有：多重线性回归分析、条件和非条件Logistic回归、Cox比例风险回归模型等。我们发现，作者来稿中多因素分析内容往往存在或多或少的问题，如样本量过小、变量纳入方法有误、统计量和P值之间不对应等，下面对此做一总结。

样本量是否足够

关于多因素分析方法，包括多重线性回归分析、Logistic回归及Cox比例风险回归模型的样本量估计问题，常用的经验估计方法是，样本量应是自变量数量的5~20倍甚至更多，样本量太小几乎没有做多因素分析的必要，且此时多因素分析的模型拟合效果往往不理想。

多因素分析方法对于变量的要求

不同的多因素分析方法，对于变量都有其适用条件。多重线性回归的变量要求是，因变量是计量资料，自变量类型不限；Logistic回归模型的变量要求是，因变量是分类资料，包括二分类、无序多分类和有序多分类资料，而自变量的类型不限；Cox比例风险回归模型适用于生存资料（包括生存时间和生存结局），而自变量的类型不限。

模型中纳入的变量是否合理及完整

我们在编辑工作中发现，作者最常用的变量纳入方法为，根据单因素分析结果，选择有统计学意义的变量纳入多因素分析模型。我们认为，此种方法只正确纳入了部分的自变量，而合理的变量纳入方法是，根据单因素分析结果、专业知识及既往文献结果选择需纳入的变量。例如，目前大多认为，肿瘤的分化程度和预后密切相关，但若某研究者进行单因素分析时，发现肿瘤的分化程度没有统计学意义，据此认为多因素分析时不用纳入该变量，则是不合适的。单因素分析时没有统计学意义的原因在于，只考虑了肿瘤的分化程度这一个因素，其他因素未考虑在内。有可能在多因素分析时，控制了其他混杂因素的影响后，肿瘤的分化程度对预后的影响才体现出来，才有统计学意义。因此，单因素分析结果不能作为多因素分析变量选择的唯一依据，且同研究的同一因素的单因素分析结果和多因素分析结果可能相悖。此外需强调的是，对配对资料进行条件Logistic回归分析时，配对的变量不应纳入多因素分析。

核查是否考虑了变量之间的相互影响：以多重线性回归模型为例，自变量必须是相互独立的，若自变量之间本身存在较强的相关关系时，它们之间就存在多重共线性问题。在模型拟合过程中，需考虑变量之间的相互影响，即考虑变量之间的共线性问题，需进行共线性诊断。共线性会对模型的拟合产生不良影响，如参数估计的精度降低、置信区间长度增宽、模型拟合后系数解释困难等，应该避免。若稿件作者未提供相应的指标（如反映共线性严重程度的方差膨胀因子、条件指数、方差分量等），也可通过其他指标窥见一斑，如同时纳入了身高、体质量及体质量指数（BMI），或同时纳入了T分期、N分期、M分期及TNM分期时，务必重点注意各变量的解释是否符合专业结论；如出现了与专业解释相悖的情况（如回归系数本应为正值结果却为负值），或者某些指标的waldχ2值尤其大（超过1 000甚至几千），则需警惕变量之间的共线性关系。最常见的处理共线性的方法为：①从一组高度相关和具有多重共线性的自变量中删除某个变量，如T、N、M、TNM分期，可考虑只纳入TNM分期或者研究想要关注的哪个因素，再建立回归模型；②改变自变量的定义形式，将2个有多重共线性的自变量合并成一个变量或进行变量变换；③进行岭回归或采用主成分分析。Logistic回归模型和Cox比例风险模型的共线性诊断和处理方法原理与多重线性回归类似，在此不再赘述。

多因素分析结果核查

（1）分类资料是否给出了对照。在多因素分析过程中，对于以分类资料形式纳入的变量，包括二分类资料和无序多分类资料，甚至是等级资料，都会设置一类对照。若文章没有给出对照，也没有做任何文字说明，则对系数的解释就无从下手；因而，要求作者提供变量赋值表，并在多因素分析表格内明确阐明对照类别。我们认为，多因素分析时，呈现变量赋值表的作用在于：①呈现各变量的赋值情况；②呈现各变量的纳入形式，特别是等级资料；③因变量为二分类变量时，呈现关注的结果（如1为患病时，关心患病；如0为患病、1为未患病，则关心的是未患病），自变量为二分类变量时，呈现对照（程序分析时往往默认对照是赋值为0的特征）。

（2）多因素分析结果是否呈现完整。①多重线性回归分析。笔者认为，多重线性回归分析的呈现结果中，除了常规的回归系数（β值）、标准化偏回归系数、t值和P值外，还应呈现反映模型拟合效果的指标，如R2值、校正R2值、剩余标准差等，以及反映变量之间共线性的指标（方差膨胀因子）等。②Logistic回归分析。Logistic回归模型的呈现结果同上述多重线性回归模型，只是需额外呈现OR值、OR值的置信区间及回归系数的Waldχ2值（用于初步审核模型拟合情况）。对所建立的Logistic回归模型，需进行拟合优度检验，常用的检验统计量有剩余差（D）、Pearsonχ2、Hosmer-Lemeshow拟合优度指标，因计算复杂，需通过软件计算，故需由作者提供。③Cox比例风险回归模型。Cox比例风险回归模型的呈现结果同Logistic回归模型，但需注意，统计量是RR值而非OR或HR。Cox比例风险回归模型的诊断也涉及诸多方面，但最重要的是要考虑比例风险，假设是否满足，以及自变量间是否存在多重共线性。

（3）回归系数的解释是否符合常规，以及回归系数值和OR/RR值是否对应。在进行结果审查时，需特别注意系数值是否符合专业知识。假设某死亡影响因素分析时，TNM分期的系数值为负值，对照为TNM Ⅰ+II期，则解释为患者TNM Ⅲ+Ⅳ期的死亡率低于TNM Ⅰ+II期，这和专业认知相悖，需仔细审核模型自变量纳入方法、进行共线性诊断等，排除共线性对TNM分期效果呈现的干扰。此外，在Logistic回归分析和Cox比例风险回归模型条件下，若回归系数的值为负值，则OR/RR值<1，若回归系数的值为正值，则OR/RR值>1。

（4）效应统计量和95%CI之间是否对应、95%CI和P值是否对应。OR值、RR值和各自对应的95%CI之间的对应关系为，95%CI范围内必定包含了OR/RR值，若95%CI区间包括了1，则P≥0.05，否则P<0.05。

以上对多因素分析的问题总结，希望对大家的论文写作有所帮助。

转自发表论文医学SCI核心职称论文微信公众号，仅作学习交流，如有侵权，请联系本站删除！