天坛临床研究公众号，推出一切与临床科研相关的干货，不要装作很忙的样子你关注我一下又如何！！！

有需要咨询者请点击我要咨询：我要咨询

(3) 变量间的关联性分析

在临床研究工作中，常常涉及探讨临床变量之间有无关联关系，比如疾病危险因素的的探讨、分析某个因素与疾病间的关系等。统计上通常包括两大类，相关分析与回归分析。如果分析的目的是研究两个或多个变量间的相关关系的方向和密切程度，即想表示一个变量是否随着另一个变量的增加而增加，或随着另一个变量的增加而减少的关系，则采用相关分析。如果分析的目的是研究两个变量或多个变量间的依存关系时，则需采用回归分析。

# 两个变量之间的相关性分析

-两个变量均为连续型变量

• 小样本并且两变量服从双正态分布: Pearson相关系数

• 大样本或两变量不服从双正态分布: Spearman相关系数

– 两个变量均为有序分类变量：Spearman相关系数

– 一个变量为有序分类变量，另一个变量为连续型变量：Spearman相关系数

# 两个变量之间的依存性分析

▶线性回归分析

-应变量(Y): 连续型变量正态分布；

-自变量(X): 连续型变量、有序分类变量或二分类变量；

-常用于研究两变量的依存关系。

•自变量为一个：直线回归

•自变量为多个：多重线性回归

▶Logistic回归分析

-应变量(Y): 二分类变量;

-自变量(X): 可以为连续型变量、有序分类变量或二分类变量；

-常用于疾病的危险因素研究。

•非配对的情况：非条件Logistic回归

•配对的情况：条件Logistic回归

▶生存分析-Cox 回归

-应变量(Y): 是否发生某结局和结局发生的时间（如；是否死亡和死亡发生的时间）；

-自变量(X): 可以为连续型变量、有序分类变量或二分类变量；

-常用于疾病预后的影响因素研究。

•用Kaplan-Meier方法估计生存曲线

•单个因素: Log-rank比较两条或多条生存曲线

•多个因素: Cox回归

例1：

▶目的：脑出血后3个月与1年不良预后(mRS = 3-6)的危险因素。

▶方法：收集年龄等人口学特征、疾病史、GCS等临床特征、及3个月与1年mRS等信息。

• 因变量：不良预后(mRS = 3-6) vs 预后良好(mRS = 0-2)

• 自变量：疾病史、GCS等

• 多元Logistic 回归模型.

例2：

▶目的：与单用阿司匹林相比，联用阿司匹林与氯吡格雷能否降低TIA和小卒中患者3个月卒中复发。

▶方法：5170例TIA和小卒中患者分成两组，分别给予单用阿司匹林和联用阿司匹林与氯吡格雷治疗，收集基线临床信息、 3个月卒中复发结局情况。

• 应变量: 卒中复发与否+ 从发病到复发的时间（天）

• 自变量: Clopidogrel +Aspirin  vs. Aspirin

• Cox 比例风险模型

生存分析:

• 3个月卒中复发率采用Kaplan-Meier方法进行评估

• 并绘制生存曲线。

• 研究各组间结局的差异采用 log-rank test进行比较.