发现特殊人群是科研的亮点:交互作用检验 P for Interaction |
您所在的位置:网站首页 › 交互作用分析怎么解释 › 发现特殊人群是科研的亮点:交互作用检验 P for Interaction |
1.练习时可以打开易侕软件-分析项目-打开现有项目-练习用的分析项目:选择第二行后缀为demo的项目 2.选数据分析-交互作用检验模块 3.变量HBP(是否高血压)放在应变量处 4.变量BMI两分组放在暴露变量处 5.勾选Cox模型生存分析,选择时间变量AGE 6.设置sex为效应修饰因子 7.模型1调整变量为Passive smoke和Occupation(也可以不放调整变量),查看结果,直接得出不同调整变量模型下交互作用的p值和HR等结果。 统计学方法描述可以参考SCI论文中的写法: 需要写interactions were tested,统计分析用的R和易侕软件。注意:2018年2月18日后易侕软件的R更新到了R3.4.3版本,写文章时可以写Data were analyzed with the use of the statistical packages R (The R Foundation; http://www.r-project.org; version 3.4.3 2018–02-18) and EmpowerStats (www.empowerstats.com; X&Y Solutions Inc.). 在易侕软件输出的项目文件上点击,可以查看到原始的R程序,对于R语言爱好者这是一个学编程的途径。 在易侕软件输出的htm项目文件上点右键,可以查看到.lst文件,是原始的R输出的结果和方程。有了易侕软件的辅助,再不需要花时间从R的结果中摘录数字制表,可以节省研究者的时间。 交互作用检验有两种方法,一是对交互作用项回归系数的检验(Wald test)。这个方法比较直接,但如果所研究的暴露因素是多分类指标,方程中就有多个交互作用项时,这时候方程不能给出一个整体的交互作用检验结果,就需要采用似然比检验方法。似然比检验(Log likelihood ratio test)比较两个回归模型,一个有交互作用项。具体原理和公式可以参考《流行病学数据分析与易侕统计软件实现》交互作用检验章节的内容。 交互作用检验小结 适用范围: X和Y可以是分类变量也可以是连续变量。 做交互作用检验的变量可以是二分类或多分类变量,如果原始数据是连续变量需要转换为分类变量,例如年龄(岁)需要转换为年龄组。 各种研究类型都可以做:RCT、队列、病例对照、横断面等。 生存分析也可以做。好处: 交互作用P值不显著,表明不同层结果一致,结果可靠 交互作用P值显著,表明有特殊人群,可能是文章的亮点运用易侕软件发表的交互作用相关SCI论文 [2]Fan F, Yuan Z, Qin X, et al. Optimal Systolic Blood Pressure Levels for Primary Prevention of Stroke in General Hypertensive AdultsNovelty and Significance[J]. Hypertension, 2017,69(4):697-704. [3]Yang J, Wang Y, Zhao Q, et al. Association of serum uric acid with increased risk of cancer among hypertensive Chinese[J]. Int J Cancer, 2017,141(1):112-120. [4]Zhao M, Wang X, He M, et al. Homocysteine and Stroke Risk: Modifying Effect of Methylenetetrahydrofolate Reductase C677T Polymorphism and Folic Acid Intervention[J]. Stroke, 2017. [5]Zheng C, Liu W, Zeng F, et al. Prognostic value of platelet-to-lymphocyte ratios among critically ill patients with acute kidney injury[J]. Critical Care, 2017,21(1). [6]Liu Y, Kong X, Wang W, et al. Association of Peripheral Differential Leukocyte Counts with Dyslipidemia Risk in Chinese Patients with Hypertension: Insight from the CSPPT[J]. J Lipid Res, 2016. [7]Liu Y, Kong X, Wang W, et al. Association of peripheral differential leukocyte counts with dyslipidemia risk in Chinese patients with hypertension: insight from the China Stroke Primary Prevention Trial[J]. J Lipid Res, 2017,58(1):256-266. [8]Li L, Li P, Yang J, et al. Lipid levels and new-onset diabetes in a hypertensive population: the China Stroke Primary Prevention Trial[J]. Scientific Reports, 2017,7(1). [9]Wu J, Geng J, Liu L, et al. The Relationship between Estimated Glomerular Filtration Rate and Diabetic Retinopathy[J]. Journal of Ophthalmology, 2015,2015:1-8. 返回搜狐,查看更多 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |