|
一、一般性定义 Trend test，检验给出p for trend值。 一般性定义：一般用于检验在两组等级资料内部构成之间的差别是否具有显著性以及两组变量间是否有相关关系等。 二、医学统计中的应用 （1）P for trend 可用于检验线性趋势 以logistic回归为例，对自变量进行四分数分组，得到1、2、3、4一共四个分组。在这四个分组中，可能其中某一组的OR值有意义，但在整个分组之间，随着组数的升高，OR值不一定有升高或者降低的趋势。此时若做趋势性检验，可能会出现p<=α或者p>α的情况，因此我们可以说明，当某一分组的检验结果p有意义时，可能只是一个随机的结果，并不能代表整个组与因变量有真实的关联。在此可以计算出每一个自变量与因变量检验的p for trend值，做出meta分析中常用的森林图（实际操作方法已在上一篇文章中给出）。森林图可以看出初步的趋势，为之后探明剂量反应关系做出铺垫。 （2）趋势性检验的具体实现形式 一共存在三种方法，依次为将自变量作为连续型变量代入模型；将自变量四分位数分组后，将分组数1、2、3、4代入模型；将自变量四分位数组后，将每一分位组的中位数赋值进入模型。 以上三种方法，若要探明详细的自变量与因变量的关系，即自变量每变化一个单位，因变量变化的程度时，推荐使用1、3两种方法。在这里请注意，可以先用第2或3种赋值方法做一个初步的线性检验，用estimate值作为正向或负向的一种估计，若为线性，则用第一种方法再次检验，初步探明一种剂量反应关系。 （3）趋势性检验的局限与不足 P for trend只是一种粗略的检验，即使检验出的p值有意义，自变量与因变量之间也会存在非线性关系，因此后续需要做出RCS（限制性立方样条图）做出进一步的解释与推测，后续文章将会给出具体做法，需要用到SAS或者STATA软件进行操作。 （4）举例说明 pic-1 (以上为非真实数据，同学们勿杠精喔)。 我们可以看出，每一分组中，Q2组比Q1组相比，Q2与产生Y结局的风险大小不具有统计学意义；而Q3、Q4组与Q1组相比，其与产生Y结局的风险大小具有统计学意义，分别为Q1组的1.6和2.2倍。且P for trend<0.05,即可以初步说明，X的升高与Y结局出现的风险呈正相关趋势，随着X的升高，Y风险逐渐升高，但是否真正存在线性的剂量反应关系，仍需要做RCS图进行检验，下图给出一个图供大家初步学习。 pic-2 谢谢大家！！！欢迎大家批评指正！！！ 作者：渡边心吾 https://www.bilibili.com/read/cv2816882 出处： bilibili |
|
|
