哈佛大学医学院 陈常中 2012 年 11 月

Mark.chen@empowerstats.comChangzhong_chen@dfci.harvard.edu

流行病学分析思路

假设

课题设计

资料收集

假设

现有数据

数据分析

资料提取

明确的目的：检验假设

实例讨论

明确的假设

在一篇文章里只说一件事…… Methods: …… to investigate 1652 mother-infant pairs …….

Cord blood concentrations of Mn, birth weight, birth length, head circumference and NBNA (Neonatal Behavioral Neurological Assessments) were tested…….

Results: …….. High level group (≥75th percentile, ) of Mn was associated with lower birth length and lower NBNA scores…… Mn was the only factor inversely correlated with NBNA ……, important contribution factors for Mn exposure were ……. Occupation ……

科研假设

肥胖 高血压

要回答的问题：

X 对 Y 有没有独立作用？独立作用的大小到底是多少？

X 与 Y 之间是什么样的关系？X 对 Y 有没有作用？

什么因素影响 X 与Y 之间的关系？影响 X 对 Y 的作用？

如何提高论文的科学价值：比较下面这些结论

4. 在控制了其它因素作用下，体重指数每增加 1kg/m2 ，收缩压增加 1mmHg ， 95% 可信区间： 0.7-1.3mmHg

1. 胖子与瘦子两组相比，收缩压有显著差别， P<0.005

2.体重指数与收缩压非常显著相关， P<0.0001

3. 体重指数每增加 1kg/m2 ，收缩压增加0.01mmHg ， 95% 可信区间： 0.007-0.013mmHg ， P<0.00001

回归方程

原来你也能做我的工作，不会抢我的饭碗吧？哈哈！

• 给出回归系数，即危险因素作用（效应）的大小，用多元回归方程能得出“独立作用”的大小

• 可以替代 t 检验 / 方差分析 / 卡方检验等

文献中的回归分析应用

http://dx.doi.org/10.1016/j.envres.2012.11.002

分析流程

IV 、多元模型： 模型比较，调整与控制 危险因素作用大小的确定

I 、人群描述

II 、单因素分析： 曲线拟合，线性模型，分段模型

III 、分层分析： 混杂、交互作用

数据信息中的“亮点”

• 非直线性的关系：阈值效应与饱和效应 （实例分析 I)

• 交互作用（效应修饰因子） （实例分析 II ）

Yu, et al.Environmen. Res.

2012.11.002

阈值效应与饱和效应

我今天前 3 小时工作，后 1 小时机器坏了休息，还按 4 小时计算我每小时产出。也好，以后我每干 3小时都可以休息 1 小时！哈哈…！

X 对 Y 的作用有没有分段效应呢？

JAMA. 2008 May 7;299(17):2027-36 hcy.cnkme.com

ACEI 与叶酸联用降低心脑血管事件 19%

交互作用让我跟 F 小姐搭档，比跟 M 先生搭档，我的产出要高出一倍，这个糊涂的领导怎么就看不出来呢？

哪些因素会影响所分析的 X 对 Y的作用呢？

论文中要明确的问题

没有偏性？

没有混杂？

DDE 与 自然流产研究• 病例：第一次怀孕结局为自然流产• 对照：第一次怀孕结局为活产， 无自然流产史

• 测血清 DDE 水平

活产 ——〉哺乳 ——〉排泄 DDE

Ann Epidemiol 2001; 11(7):491-496

混 杂找个“替罪羊”还不容易，就栽赃给“他”吧？没人能查出来！

哪个才是真正的危险因素？

Am J Epidemiol 2001;153:1206–12. Science News: 2001 June 20

调整与控制Y= β0 + β1*X1+ β2*X2+ β3*X3+ β4*X4+ ……

既然你做的不计了，那就把你的加到我身上吧，这样我的业绩就更高了，嘿嘿！

可不能把你干的坏事算到我的头上！哈哈！

X 对 Y 的作用有没有包含其它因素的作用在内呢？

结局变量 : Y2 β （ 95% CI ） p 值

单因素分析

X1 0.30 (-0.28, 0.87) 0.311

X2 0.47 ( 0.36, 0.59) <0.001

X3 0.41 ( 0.13, 0.68) 0.004

X4 3.32 ( 0.37, 6.27) 0.028

X5 5.22 ( 2.91, 7.53) <0.001

多因素分析

0.11 ( -0.42, 0.65) 0.679

0.47 ( 0.36, 0.58) <0.001

0.28 ( 0.01, 0.55) 0.044

2.30 ( -0.59, 5.19) 0.119

4.81 ( 2.60, 7.02) <0.001

X1 : 0.11 ( -0.42, 0.65) 0.679

X2 : 0.47 ( 0.36, 0.58) <0.001

X3: 0.28 ( 0.01, 0.55) 0.044

X4: 2.30 ( -0.59, 5.19) 0.119

X5: 4.81 ( 2.60, 7.02) <0.001

多因素回归方程的比较

0.47 ( 0.36, 0.57) <0.001

0.28 ( 0.01, 0.55) 0.046

2.28 ( -0.60, 5.17) 0.122

4.93 ( 2.80, 7.06) <0.001

0.47 ( 0.36, 0.58) <0.001

0.36 ( 0.11, 0.61) 0.005

4.77 ( 2.65, 6.90) <0.001

方程一 方程二 方程三

研究人群

适合用来检验你的假设吗？

分层分析实例讨论

被动吸烟 --- 〉是否痛经

跟踪 387 妇女， 1492 个月经周期

Environmental Health Perspectives. November 2000; 108(11):1019-22.

例：被动吸烟与痛经关系

被动吸烟 月经周期 % OR P

无 370 25 1.0

低 373 25 0.9 .49

中 376 27 1.1 .67

高 373 31 1.1 .54

你如何下结论？ 下一步怎么做？

被动吸烟 与 痛经

被动吸烟 月经周期 % OR P

无 145 9 1.0

低 160 10 1.1 .84

中 160 14 2.1 .15

高 160 17 2.4 .07

趋势检验 : OR=1.4, P<=0.03

没有痛经史妇女中：被动吸烟与痛经

检验 X Y

有 X （ X=1 ）

(A) X + f + d Y(B) a + b + c Y(C) d + e + f Y

通路 （ A ）存在吗？

无 X （ X=0 ）

(A) X + f + d Y(B) a + b + c Y(C) d + e + f Y

如果每个人都没有 d ， … ？如果每个人都有 a 、 b 、 c, … ？

要回答的问题：

X 对 Y 有没有独立作用？独立作用的大小到底是多少？

X 与 Y 之间是什么样的关系？X 对 Y 有没有作用？

什么因素影响 X 与Y 之间的关系？影响 X 对 Y 的作用？