"如何分析真實(shí)世界研究數(shù)據(jù)"系列第二篇

在開篇已經(jīng)提過，回歸分析是真實(shí)世界研究最重要的手段，其中目的是探討多因素情況下，各個(gè)因素的獨(dú)立效應(yīng)。那么，困惑諸多分析者的問題是，無論是醫(yī)院的電子病歷、還是調(diào)查研究，均涉及到幾十個(gè)甚至上百個(gè)研究因素（我們稱之為自變量），如何篩選構(gòu)建一個(gè)多因素回歸模型呢？

比如，現(xiàn)在研究要評(píng)價(jià)結(jié)直腸癌患者生存的影響因素（后期來構(gòu)建預(yù)測(cè)模型），與患者有關(guān)的因素包括患者的基本情況、患者病情、患者入院治療、用藥的各種特征、出院后行為、飲食、以及就診特征，可能各因素都會(huì)影響生存結(jié)局。

生存結(jié)局因因素應(yīng)該可以構(gòu)建COX回歸模型。構(gòu)建COX回歸模型時(shí)，是要同時(shí)把所有自變量（也就是原因變量）納入回歸方程嗎？

當(dāng)然不能，理由如下：

（1）這些因素作為自變量放在一起，各個(gè)變量的復(fù)雜的關(guān)系，比如共線性問題，會(huì)導(dǎo)致模型構(gòu)建失敗

（2）任何一個(gè)回歸模型，基于有限樣本量構(gòu)建，樣本量和納入模型自變量息息相關(guān)，太多變量而樣本量不夠時(shí)，同樣模型構(gòu)建失敗

（3）回歸分析探討影響因素，后期是為了構(gòu)建預(yù)測(cè)模型，自變量個(gè)數(shù)也不能太多。為什么，預(yù)測(cè)模型是為了后期預(yù)測(cè)患者結(jié)局，需要采集模型所有的自變量的指標(biāo)值，測(cè)定指標(biāo)需要成本，自變量個(gè)數(shù)越多，則預(yù)測(cè)成本越高。

因此，必須篩選為數(shù)不多、合適的變量進(jìn)入回歸模型。總的來說，我用一個(gè)形容詞來說回歸模型構(gòu)建的理念：“大道至簡(jiǎn)”。模型不要太復(fù)雜！

篩選自變量的方式，估計(jì)很多做過回歸分析的比較熟悉。首先單因素回歸，然后P值<0.05的放入模型中，或者在此基礎(chǔ)上，采用逐步回歸法篩選自變量。這個(gè)99%懂回歸分析人士的選擇，本人以往接受的教育也如此。

但是現(xiàn)在告訴你們，這種方法已經(jīng)不是主流的方法了！

《歐洲流行病學(xué)》雜志把篩選自變量的方法分為兩類，一類是理論驅(qū)動(dòng)方法，另外一類是數(shù)據(jù)驅(qū)動(dòng)方法，先單因素再多因素或者逐步回歸法是數(shù)據(jù)驅(qū)動(dòng)的一類方法，但不是其中的最主流的方法。

具體來說，現(xiàn)在常見的篩選自變量方法有四種：

“Among those, 146 studies (50%) reported using prior knowledge or causal graphs for selecting variables, 34 (12%) used change in effect estimate methods, 26 (9%) used stepwise approaches, 16 (5%) employed univariate analyses, 5 (2%) used various other methods and 107 (37%) did not provide sufficient details to allow classification (more than one method could be employed in a single article)”

1）首選方法，是因果關(guān)系網(wǎng)絡(luò)方法，更多的寫法是有向無環(huán)圖（Directed Acyclic Graph，DAG）方法，也就是理論驅(qū)動(dòng)的方法。根據(jù)變量與變量的因果關(guān)系篩選進(jìn)入回歸模型的自變量。如果理論上不存在因果關(guān)系? 別進(jìn)來！

2）其次是，效應(yīng)改變法原理，這才是數(shù)據(jù)驅(qū)動(dòng)的首選方法，自變量篩選中，根據(jù)自變量對(duì)研究結(jié)局影響是否足夠大，來篩選自變量。比如當(dāng)一個(gè)變量納入回歸模型后，對(duì)重要變量效應(yīng)值的影響不到10%，那么就認(rèn)為是多余，刪掉！

3）排在第三的是逐步回歸法，逐步回歸可以處理多重共線性，也是不錯(cuò)的。

4） 第四才是先單因素后多因素的方法。

所以本人在這里希望能夠通過本系列文章來革新當(dāng)前構(gòu)建回歸模型的理念和方法。

綜合四大自變量篩選的方法，我認(rèn)為可以采用"嚴(yán)進(jìn)寬出" 的理念進(jìn)行自變量篩選。

嚴(yán)進(jìn)寬出（或者本人視頻說的嚴(yán)進(jìn)嚴(yán)納）的方法基本理念是，即在納入自變量的時(shí)候需要嚴(yán)格納入，在排除自變量的時(shí)候，沒有多大意義的別放在最終模型中來。其中嚴(yán)進(jìn)采用理論驅(qū)動(dòng)法，寬出采用數(shù)據(jù)驅(qū)動(dòng)法。常見的組合是，在研究多個(gè)影響因素時(shí)，采用DAG+數(shù)+逐步回歸法；在控制混雜時(shí)，采用DAG+效應(yīng)改變法。

本篇就到此結(jié)束。下一篇我將介紹最難理解的DAG的方法。

“如何分析真實(shí)世界研究數(shù)據(jù)”系列：

1“如何分析真實(shí)世界臨床研究數(shù)據(jù)”系列文章開啟！敬請(qǐng)關(guān)注。

2.真實(shí)世界數(shù)據(jù)分析(1): 為什么是回歸方法

點(diǎn)擊關(guān)注我們