探索性影响因素研究（传统单因素多因素分析）

探索性影响因素研究，即探索对某个临床结局（事件）有影响的关联因素，属于病因学的范畴，探索对结局有影响的可能原因。

所谓”探索性”，是指研究开始没有固定某些感兴趣的影响因素，而是在一堆可能的因素里，探索性挖掘可能有意义的独立影响因素。

主要特点：

准备数据

首先务必按照下面的格式准备数据（网站上可下载，下载后在此基础上修改）：

下载csv样例数据（右击另存为）

影响因素分析

下一步就是影响因素分析啦：

选择风格

这里提供了两种分析风格，风格一，速度很快，且功能强大，一开始推荐先用风格一进行测试建模。最重要的是提供一键进行缺失数据的多重填补（MI）。研究表明，MI 是目前学术界最为推荐的影响因素分析的缺失值处理方法，比其他缺失数据处理方法要好，但是实现起来非常麻烦。所以这里我们实现了一键自动填补和合并功能。

选择结局变量

系统根据结局变量的类型来选择分析方法。二分类变量，系统会选择 Logistic 回归，如果是连续性变量，系统会选择一般线性回归。如果是生存变量 Time 和 Status 的组合，系统会采用 Cox 回归。如果是计次计数变量，系统会选择 Poisson 回归，当然如果是率或者百分比，也会采用 Poisson 回归，将分子设置为应变量，将分母设置为 offset。

选择影响因素变量

根据提示选择结局变量和影响因素变量，最后点击”生成/更新影响因素分析表”即可。这里要注意的是，如果上传的数据 Excel 文件里把连续性变量设置成了字符型，如年龄设置成了字符型，需要在前面”选择字段”功能里改回成 numeric, 如果按照分类变量 factor 放进影响因素分析，就会出现大量的分类，会出错。同理，如果把 ID 号也作为分类变量 factor 放进影响因素，服务器容易卡顿死机。

亚组合并

在分类变量里，有些亚组人数很少，或者有些亚组发生的事件数很少，会导致 OR/HR 值及其可信区间非常大或者为 0，inf 的情况，最好把它和其他相邻的亚组合并。

例如 字段 Stage 下面有四个亚组：I 期，II 期，III 期，IV 期，有时候 I 期的患者只有两三个人，导致回归分析的 OR/HR 值或可信区间为零或巨大，这时可以把 I 期和 II 期合并，改名为 ” I - II 期”，增加亚组样本量后再进行分析。修改的方法：回到”导入数据” 页面，选择 “数据标签批量替换” ，然后把 Stage 变量下面 I 期和 II 期 的文本标签都改为 ” I - II 期” 即可。

哪些变量入选多因素模型

单因素和多因素分析时同时自动完成的。事先可以规定哪些变量从单因素模型入选多因素模型，可以选择全部都进入，或者部分筛选进入。一般可以全部都纳入多因素。但如果因素太多，十几个几十个，那就要筛选一下变量了，放入模型的变量数不应该超过 样本量 N/20，或者发生的事件数（较少人数的取值为发生事件）/10。我们的经验是放 10 个以下就可以了。 如果只放部分单因素变量进入多因素，可以点”选项2”，自行选择哪些变量纳入多因素分析，这时候主要是参考历史研究以及研究者的临床经验。另外也可以选逐步回归，StepAIC，然后系统会自动用backward法筛选纳入多因素的变量组合，筛选的标准是让模型的 AIC 最小。需要注意的是，这里的逐步回归，不是根据 P 值纳入多因素模型，而是根据 AIC 值（有些论文中用 P值<0.1等方式筛选变量，属于10年前的统计学，已经淘汰，目前不被主流统计学界认可）

当然，最好的方法可能是 lasso 回归选择变量功能，这里我们郑重推荐另一个APP：“自动筛选单因素进入多因素模型变量” 的模块。大家可以在 www.mstata.com 网站进入 Mstata 医学统计机器人，在”影响因素研究” 菜单下可以找到，里面包括了逐步回归、最佳子集、lasso、岭回归、弹性网络等多种变量筛选方法，以及对多重共线性的判定。在另一个APP中完成变量筛选后，可以用筛选出来的变量，回到本APP这里，选择2，手工填入要进入多因素模型的变量，即可完成变量筛选。

缺失数据多重填补（Multiple imputation）

缺失数据的填补主要是基于基线数据进行填补，我们没有把结局变量纳入进来，因为结局变量的填补方法往往要结合具体的研究设计。

多重填补的原理是，基于其他未缺失的基线变量，对某些缺失的变量进行填补，并同时用同样的方法生成N套不同的数据，每套数据分别做回归分析，然后把回归分析的结果进行合并，得到一个结果。

所以这里需要设置生成多少套填补数据，以及随机种子数。每次只要输入相同的种子数，就能得到一样的结果，如果种子数不同，结果会有微小的差别。

多重插补之后的结局如下：

第一列是单因素分析的结果，第二列是多因素分析的结果，第三列是在多因素分析的基础上，进行缺失值多重填补之后的结果。

连续性变量拆成分类变量

连续性变量需要拆成分类变量的场景有：

  1. 本身就是一个分类变量，如 I 期，II 期，III 期，IV 期等，只不过用了数字1，2，3，4来表示，这可以在前面筛选变量的界面直接把它设置为分类变量即可。
前面如果忘记了，或者不方便，这里提供了一个功能，可以设置唯一取值数小于多少个水平的变量，全部转换成分类变量。例如只有5个取值 （比如只有数字1-5可取）以下的变量，全部批量转换成分类变量；

  1. 本身是连续性变量，例如年龄、血糖等等，但需要转换成 低、高的二分类变量，或低、中、高的三分类变量，或Q1，Q2，Q3，Q4的四分位数分类变量，这里也提供了一个自动化转换工具，可以根据患者数量，平均拆分成N个组。

    如上图，对于只能取值6以下的变量，统统变成分类变量。

如上图，将blood和occurrence两个连续性变量，切成三等分的分类变量

结果如下：

例如上图，blood 和 occurrence 被切成了 低、中、高三个亚组。

另外也可以勾选显示分组的界值点：

结果如下：

显示了切割分界点的界值。

多大支持切割成20组，因为更多分组没有太大医学价值。

如果需要更强大的分组功能呢，例如自定义切割点，如<10岁，>65岁等，或者用K-means 聚类分组等，可以去本站的 数据预处理模块，选择”数据离散化” 模块进行复杂的分组操作。

生成森林图

需要森林图的话，需要用风格二进行分析，分析完之后，到森林图页面即可生成：

生成生存曲线

另外，如果您选择的是生存结局，用的Cox回归，也可以顺便批量生成生存曲线，当影响因素分析完成后，点击”批量生成图形”，就把所有变量分组的生存曲线瞬间生成了。

下载word文件

最后进入”下载word文件”

生成文字版的报告。