医学研究数据管理与统计分析6SPSS软件应用五课件.ppt

绘图 PLOTS * 本结果为ENTER法拟合的模型结果 * P 值 风险比 HR HR的可信区间 EXP（B）即为HR Question: 该例如果采用逐步回归法，如何构建模型？ * 条件Logisticl回归模型 流行病学中常采用1：1配对病例对照研究设计，该资料需采用条件Logistic回归模型分析，SPSS的logistic回归分析方法中无直接的分析模块。 若只有1个自变量可采用非参数检验法中相应模块分析（McNemar）。 多因素需借助COX模型来拟合。 * 1：1配对病例对照研究 例：采用1：1配对病例－对照研究方法分析胃癌危险因素。 * 例10-2-5.sav 因变量：state(1=病例，0＝对照) 自变量： X1：蛋白质摄入（0，1，2，3） X2：不良饮食习惯（0，1，2，3） X3：精神因素（0，1，2） 1：1配对病例对照研究 * COX回归模型需要有时间变量，因此在数据库中应新建一虚拟时间变量 outcome,病例＝1，对照＝2，可取1-100间数字，只要对照病例即可。 虚拟生存变量：即病例与对照的分组变量，要求病例＝1，对照＝0 配对号：拖入strata分层选项中 此处自变量作为连续性变量纳入模型 如果需作哑变量处理，则点击”分类” * 利用COX回归模型进行1：1配对病例对照研究资料分析的结果 Q：你会解释该结果吗？ * 重复测量资料的方差分析 可以用一般线性模型（General Linear Model）的Repeated Measures过程实现重复测量资料的方差分析，并用Multivariate过程实现组间的两两比较。 * SPSS其它一些内容（1） 重复测量资料的方差分析 重复测量：如观察某药物疗效，在用药2周、4周、6周、8周分别测量相应的疗效指标。 为何不用普通方差分析？ *因为可能存在资料的独立性问题 如果重复测量数据间不存在相关性（符合Huynh-Feldt条件），则多元分析与一元分析的结果一致。 * 球形检验 重复测量资料的方差分析（1） 例：观察Anxiety和Tension对实验结果Trial1-4有无影响 * ID Subject Anxiety Tension Trial 1 Trial 2 Trial 3 Trial 4 1 1 1 1 18 14 12 6 2 2 1 1 19 12 8 4 3 3 1 1 14 10 6 2 4 4 1 2 16 12 10 4 5 5 1 2 12 8 6 2 6 6 1 2 18 10 5 1 7 7 2 1 16 10 8 4 8 8 2 1 18 8 4 1 9 9 2 1 16 12 6 2 10 10 2 2 19 16 10 8 11 11 2 2 16 14 10 9 12 12 2 2 16 12 8 8 Anxiety 2.sav * 改为4，因为有4次重复测量， 然后Click Add ① ② ③ ④ ⑤ * ⑥ ⑦ 只分析主效应 球形检验结果 P＝0.097，说明4次重复测量数据满足一元方差分析的条件。在下面的分析中可以不进行校正 * 组间效应的方差分析结果 可以看到Anxiety和Tension均无统计学意义 * 重复测量资料的方差分析（2） 也可采用混合线性模型来分析 但数据录入格式与前例有所不同 长型数据 * Anxiety.sav * ① ② * 说明个体间的随机效应大小不同 ③ ④ ⑤ 可以看到Anxiety和Tension均无统计学意义。与前述方法结果一致。 * 数据的导入 从 Epidata数据库导入数据 * SPSS其它一些内容（2） 导出为2个文件*.SPS和*.txt文件 * 双击*.SPS，SPSS软件自动打开该文件 显示如下信息 去掉此处* * 保存新生成的*.sav数据库 * * SPSS软件应用（五） 医学研究数据管理与分析 常用回归与生存分析比较 常用回归与生存分析比较 传统方法能否用于分析随访资料？ 除了生存结局作为判定标准以外，生存时间延长也认为有效。 如果将两者均作为应变量拟合一般多元回归模型，则由于时间分布不明（肯定不呈正态分布，在不同情况下的分布规律也不同），拟合一般多元回归模型极为困难。 * 存在失访 随访资料存在大量失访，原因包括： 失去联系（病人搬走，电话号码改变） 竞争性风险（死于其他原因） 整个研究终止 显然，将失访数据无论是算作死亡还是存活似乎都不大合理，剔除失访资料也会损失大量信息。 * 生存分析的主要研究内容 （1）描述生存过程 研究人群生存状态的规律 研究生存率曲线的变动趋势 （2）分析生存过程的影响因素及结局预测 了解哪些因素会影响生存过程 对生存结局加以预测 * 常用术语 失