在科学研究中,经常遇到分类的结局,主要是二分类结局(阴性/阳性;生存/死亡),研究者可以通过logistic回归来探讨影响结局的因素,但很多时候logistic回归方法无法使用。如比较两种手段治疗新冠肺炎效果(比如瑞德西韦和安慰剂组),可能在1个月的效果分别是95%和90%,两者率的比较,在统计学上可能没有差异。
这时候,我们还可以从发生率发生的速度来分析,探讨影响发生速度的因素。这便是Cox回归基本思维。
COX回归分析的常用的软件还是SPSS,但是SPSS的单因素分析十分繁琐,需要逐个纳入变量,并且分析结果还需要自己整理为规范的三线表格式,R语言的一些R包可以简化最终的分析结果,并且达到批量分析的目的,但是因为需要一些代码基础,具有一定的门槛。
因此,这里为大家介绍一下由浙江中医药大学的郑卫军教授基于R语言开发的免费公开统计分析平台!
2步法!解决多种COX回归策略!
浏览器搜索风暴统计,点击“风暴智能统计——生存分析——生存分析全套”,完成数据的导入与整理后,就可以直接开始COX回归分析啦!
1.COX回归两步法解决
第一,选入变量,包括生存结局变量、生存时间自变量、定量自变量、分类自变量
第二,选择自变量的筛选方式,包括P阈值,回归方法。
P阈值决定了单因素分析时,P值小于多少会进入多因素回归,一般为0.05,在变量过少时,也可以放宽要求,0.1,0.2也是有的。
回归方法有先单后多(选"否"),双向逐步回归,向前逐步回归,向后逐步回归,根据P<0.05筛选。
选择完成后,直接实时给出COX回归的分析结果,呈现出简洁的三线表格,包括β值,SE值,Z值,P值,HR值及95%置信区间!
2.两种常见分析策略
下面再给大家介绍两种常见的COX回归分析策略——先单后多法、逐步回归法!一站式解决,菜单式操作,小白轻松上手!
2.1 开展先单后多方法分析
根据研究需要,如果需要开展先单后多的自变量筛选方式,那么“是否开展逐步回归分析”选择“否”。P阈值自行选择,当选择不限制时,选入的全部变量都将纳入多因素回归分析。
2.2 开展逐步回归方法分析
逐步回归方法,平台也提供了多种选择:双向逐步回归,向前逐步回归,向后逐步回归以及考虑到有时P值大于阈值的变量在逐步回归时也会留在模型中,新增了根据P<0.05的原则开展逐步回归!
注:先单后多与逐步回归是两种不同的自变量筛选方式,先单后多主要根据单因素P阈值进行筛选;逐步回归则是通过变量的逐个纳入与剔除,以AIC值最小作为最优模型选择准则。因此有些变量P值大于预设的阈值但仍保留在逐步回归模型中也是正常的哦,想要避免这种情况的发生,可以选择“根据P<0.05筛选”的逐步回归!
3.下载结果
完成回归分析后,平台给出了多种结果展示,仅展示单因素回归结果,仅展示多因素回归结果,单因素+多因素显示在同一张表格中!
然后也可以选择小数位数,默认情况下,P值为3位小数,其他统计量为2位小数。指定小数位数后,P值与统计量的小数位数将会统一。调整完成后,下载最终的三线表结果!
4.查看R语言分析源码
目前风暴统计平台还会给出R语言输出结果,方差膨胀因子(VIF)。