论文中的统计报告建议协变量调整和倾向性评分

AHA科学出书委员会组建了一个专家事情组，配合订定了一套统计申报建议指南《Recommendations for Statistical Reporting in Cardiovascular Medicine》，共分为12个部门，小咖将分几期内容为年夜家进行详细的先容。

1.

2.

3.

4. 统计遗传学

5.

6.

7.

8.

9.

10.

11. 协变量调整和倾向性评分

12. 把握度和样本量

第十一部门：协变量调整和倾向性评分

多因素回归常用于比拟2组及以上之间的终局，它既实用于随机设计，也实用于非随机设计，更常用于察看性研讨。

在随机实验中，固然在治疗分派方面没有体系性的偏倚，但协变量调整在某些方面仍旧是有效的。假如随机化是分层的，通常建议在阐发中要对分层变量进行调整。除了分层变量外，调整其他对付预后具有强烈作用的协变量，将会增长查验真实治疗后果的统计学把握度。假如进行了协变量调整，作者应该具体阐明模子纳入的变量，为什么选择它们，以及它们若何在回归模子中参数化。

在察看性研讨中，调整组间差别是评估终局的症结。固然比拟有用性的研讨常常被零丁说起，但它的根本办法仍旧依附于有用的稠浊因素阐发，并且容易受到与其他察看性研讨类似的偏倚影响。

11.1强调重点

稿件应包含一份清楚的书面阐发方案，解释若何提出研讨假设或目标，以及实验若何执行的细节。

稿件应包含关于研讨终点的阐明、界说和确实的信息。应该给出终点变乱的数目和频率。在光阴-变乱终点的环境下，还应该给出均匀或中位随访光阴。竞争风险问题也应该被斟酌和处置。

预建模阐发应侧重于探究偏倚和稠浊的起源，以及用于肯定和节制偏倚和稠浊的办法。

作者应该指定所使用的模子，如Logistic模子，线性模子，混合模子，以及建模的办法。

预先辨认用于调整的协变量是一种较好的办法，通常不勉励基于单因素阐发来辨认选择的协变量。应该指定若何在模子中对这些数据进行编码和处置。

关于在描写性表格中，是否应该对治疗组和对比组基线特性比拟进行明显性查验，存在一些争议。必要注意的是，随机对比实验中表1关于治疗组之间差别性比拟的P值，与察看性或非随机研讨具有本色上的分歧。在随机实验中，我们知道介入者来自雷同的总体，并被随机分派到分歧的组中，以是P值是计算某件事偶尔产生的概率，而它已经被界说为是偶尔产生的。在察看性研讨中，一组患者与另一组患者的基线散布可能完全分歧，以是P值是在查验来自分歧的基耳目群时是否仍旧具有揣摸意义。然而，流行病学中察看性研讨申报建议不要对描写性基线特性表格进行明显性查验，不该使用单变量阐发来选摘要斟酌调整的协变量。

要先容若何查验紧张的模子假设（如线性、等方差）的细节，假如此中任何一个影响了终极的建模策略，要解释它们是若何做到的。此外，应申报是否斟酌了任何预先方案好的交互项，它们是若何查验的，以及成果何如。对付斟酌到的交互项，作者应该扼要阐明为什么要斟酌它们。

在持续协变量和研讨成果之间的关系长短线性的环境下，勉励作者斟酌使用机动的回归办法，如限定性立方样条。

倾向性评分是一种在评估干涉后果时用来办理治疗选择偏倚的办法。无论作为匹配、分层、加权(例如，逆概率加权)或协变量调整的因素，倾向性评分都应该基于严厉的建模办法。作者应该申报用于构建倾向性得分的协变量及选择它们的尺度。

假如使用倾向性评分进行匹配，作者必需申报用于创立匹配患者对子的卡钳间隔或匹配算法，以及匹配后残剩的匹配对子总数，并与原始预匹配行列步队中每个治疗组的患者数目进行比拟。作者还应该申报一个基线特性的比拟表格，并评估倾向性评分匹配后的尺度化差别，以肯定是否到达了恰当的均衡。

假如使用加权，分层，或协变量调整，作者应该阐明他们的办法。

当使用逆概率加权办法时，研讨职员应明白描写所使用的权重类型（例如，尺度的、稳固的、均匀治疗后果等）。

请注意，假如样本量足够年夜，直接进行协变量调整可能优于基于倾向性评分的办法。

对象变量法越来越多地用于血汗管疾病研讨中进行后果比拟阐发。对象变量法源于剂量经济学研讨，在评估非随机研讨的治疗后果时，可以赞助办理未察看到的稠浊因素。对象变量是与治疗分派相关的因素，但与研讨成果不直接相关，或经由过程未能丈量的变量道路间接相关。是以，对象变量法无需丈量稠浊因素就可以打消稠浊因素，有很多类型的对象变量，如地舆地位、举措措施或大夫偏好、日期和光阴等。

对象变量必要满意3个前提：（1）对象变量与裸露相关；（2）对象变量不影响成果，除非经由过程治疗自己；（3）该对象变量自力于稠浊因素，是以它与终局没有任何配合的缘故原由。为相识决第一个前提，作者应该提供对象变量强度的评估。这可能包含申报偏 R2 ，或者更常见的是，第一阶段回归模子的F统计量。当F值≥10时则被证实是一个强有力的对象变量。对付基于偏好的对象变量，作者还应该描写或展现基于偏好的对象变量的异质性。第二和第三个前提不克不及被履历验证，是以必要加倍深刻的专业常识，作者应该在办法中进行描写，以支撑这些假设已经合理满意。固然不克不及检测对象变量和察看到的稠浊因素之间的关系，作者也应该证实对象变量均衡了在分歧对象变量程度上丈量的特性。

点击左下角“浏览原文”，免费进修医咖会的各类临床研讨课程，包含SPSS教程、R教程、Stata教程、数据治理、样本量计算等。

医咖会见向大夫小我、病院/单元、企业提供各类科研服务，包含研讨设计、统计阐发、EDC体系、科研培训等，详情查看：。快加小咖微信（xys2019ykh）或扫描以下二维码加小咖微信咨询吧。