【原】【1086.】為啥20分以上SCI論文如此鐘情P-interaction！

松哥精鼎統(tǒng)計(jì) 2020-10-23

展開(kāi)全文

緣起

公號(hào)后臺(tái)，Someone咨詢P for interaction，今日特寫(xiě)來(lái)分享。P for interaction顧名思義是交互作用的P，尤其在高分SCI論文中頻頻出現(xiàn)。為啥呢？因?yàn)楦叻终撐某肆⒁庵匾?，還有一個(gè)典型的特征，就是對(duì)數(shù)據(jù)的分析非常到位，一般SCI論文能夠刀刀見(jiàn)肉已經(jīng)不易，高分SCI論文，你會(huì)發(fā)現(xiàn)數(shù)據(jù)分析往往直至骨髓！

本文講解為啥要算交互作用的P呢？二是該如何算呢？

何為交互？

交互是A因素的作用在B因素不同水平下不同，說(shuō)的有點(diǎn)拗口！舉個(gè)例子，比如你參加一個(gè)學(xué)習(xí)班，你領(lǐng)導(dǎo)在和不在的情況下，你學(xué)習(xí)的狀態(tài)是不一樣的，是不是！

為啥交互？

如果大家看SCI文獻(xiàn)比較多的話，您會(huì)發(fā)現(xiàn)，大多數(shù)文章，在建立回歸模型（線性、Logsitic和Cox）時(shí)，基本不考慮交互作用的?？紤]交互是為了證明結(jié)果的一致性或發(fā)現(xiàn)新的亮點(diǎn)（人群）。

講到此時(shí)，松哥還希望大家了解一下生物醫(yī)藥建建模的三大目的：

1.發(fā)現(xiàn)風(fēng)險(xiǎn)因素；一群風(fēng)險(xiǎn)因素中，找到可能的風(fēng)險(xiǎn)；

2.驗(yàn)證風(fēng)險(xiǎn)因素；針對(duì)某個(gè)可以風(fēng)險(xiǎn)，進(jìn)行充分證明；

3.臨床風(fēng)險(xiǎn)預(yù)測(cè)；利用若干可能的風(fēng)險(xiǎn)因素，構(gòu)建一個(gè)預(yù)測(cè)效力最優(yōu)的模型，對(duì)臨床結(jié)局與診斷進(jìn)行預(yù)測(cè)。

那么請(qǐng)問(wèn)，交互作用（P for Interaction）主要是在那種建模類(lèi)型中出現(xiàn)呢？松哥告訴您，主要在驗(yàn)證風(fēng)險(xiǎn)因素模型中。

驗(yàn)證風(fēng)險(xiǎn)因素模型的構(gòu)建策略為抽絲剝繭，逐層加碼原則，如下為一篇比較典型的SCI論文交互作用的展示。您先橫屏看下，松哥后面解釋！

該文研究：Serum uric acid and prehypertension among Chinese adults；即血尿酸與高血壓前期的相關(guān)性研究。這是一個(gè)典型的驗(yàn)證性模型論文。一篇文章就是為了搞定一件事，就是血尿酸和高血壓前期到底有沒(méi)有關(guān)系。

其中：

X：血尿酸

Y：高血壓前期

Z：年齡、BMI、幾個(gè)生化指標(biāo)（可能混雜因素）

（1）作者將血尿酸(X)進(jìn)行五分位數(shù)分組，然后先將五分位數(shù)當(dāng)做無(wú)序多分類(lèi)，以Q1為參照，進(jìn)行回歸，同時(shí)校正相關(guān)風(fēng)險(xiǎn)因素，得到對(duì)應(yīng)OR和95%CI；發(fā)現(xiàn)相對(duì)于Q1，那些是有意義的分組。

（2）然后在把五分位數(shù)分組當(dāng)做等級(jí)變量，再次做回歸，便得到了P for trend。就是趨勢(shì)性檢驗(yàn)P值。發(fā)現(xiàn)是否存在隨著劑量增加而有增加或下降的趨勢(shì)。

（3）針對(duì)重要的影響因素（年齡、BMI和3個(gè)生化指標(biāo)），作者有進(jìn)行了分層分析，然后計(jì)算了這些因素與血尿酸(X)的交互作用。發(fā)現(xiàn)本次研究的重點(diǎn)因素（血尿酸）和其他因素之間是否存在交互作用。

如上3步，步步遞進(jìn)，讓血尿酸在高血壓前期中的作用步步為營(yíng)，數(shù)據(jù)挖掘的深入到位！

如何實(shí)現(xiàn)？

（1）如果Y是數(shù)值變量，那么要用線性回歸，SPSS中線性回歸是沒(méi)有直接設(shè)置交互作用選項(xiàng)，因此需要人為通過(guò)“compute”功能去計(jì)算一個(gè)交互作用項(xiàng)。

（2）如果Y是分類(lèi)變量，則建立Logistic回歸。在二項(xiàng)Logistic回歸中，可以直接選中兩個(gè)因素，放入模型，產(chǎn)生交互作用項(xiàng)。然而在多項(xiàng)Logsitc回歸和有序Logtic回歸中，沒(méi)有此項(xiàng)，要人為計(jì)算生成交互變量。