本研究是回顾性研究，收集COPD合并肺癌患者206例，旨在探讨COPD合并肺癌的老年患者的临床特征、诊断和治疗的现状等。

方 法

1Study design

本文的研究对象来自于天津胸科医院呼吸科2008-2013年的COPD合并新诊断肺癌患者的住院数据，属于回顾性研究。（PS：如果想要发表高质量的临床研究论文，一般均需要开展多中心研究，而对于3分左右的文章，小医生们可以利用本院的临床数据进行研究分析）。每个纳入的研究都满足了机构审查委员会的要求，由于是回顾性研究，伦理委员会放弃了患者个人知情同意的需要。（ps：所谓的伦理学要求，在临床研究中，特别特别重要！几乎所有杂志都要求临床研究提供相应的伦理学证明，并且大部分研究也需要患者知情同意书！）

2Patients

本研究共纳入206例患者。并且在此部分需要定义怎样的COPD和肺癌患者。通常会通过一些纳入排除标准（PS：很多文章在描述研究对象的纳入过程时，画一张流程图，也称之为flow chart,或放于文中或作为附件。本文并未提供。）。

3Data collection

本研究回顾性收集患者病例以及影像学资料，包括基本临床信息、病理报告、肺功能检测和影像学资料等（PS：除了这一类直接收集病例和影像学等资料的方式，我们后续将为大家阐述病例对照研究和队列研究等方式，可以通过问卷调查、CRF等多种方式了解研究对象的人口学信息、生活方式、临床诊断或检查等）

另外，需要说明的是，此处作者一般详述了一些疾病或症状的定义（诊断标准）或者某种临床检测/诊断指标。

4Statistical analysis

本文的统计学方法相对简单。作者使用SPSS 22.0。连续变量采取Tukey’s post hoc test分析（方差分析中的一种，详见图1：方差分析SPSS软件截图）；分类变量采取Fisher精确值检验（较为保守的检验方法，可直接采取卡方检验）。相关性采取Spearman’s rank test（积差相关；Spearman相关又称秩相关，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法；Kendall's tau-b等级相关，用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况。）。

图1 方差分析SPSS软件操作

图2 Spearman相关SPSS软件操作

作者最后构建了一个包含4个变量的（包括年龄、性别、PRS、吸烟、BMI等）logistic回归模型，获得了每一个变量的OR值及其95%CI。该模型采取向前逐步Logistic回归(forward stepwise)。该模型十分简单，不适用于高分文章。在后续的案例操作中我们将会展示更多模型，以及衡量模型的拟合优度等，也可以进行内部、外部数据验证等。

结 果

了解了作者的套路后，看结果就相对简单了，下面我们以图表为导向，向读者介绍本文的简要结果。

表1是人口学特征的描述，简单明了。而且大家可能发现，与一些文章动辄占地一整页的table1相比，本研究纳入的流行病学因素相对较少。不过该部分还做了趋势卡方，我们稍后教大家如何利用SPSS进行趋势卡方计算。（以该研究为例，进行数据分析）

表2是患者的基本情况与治疗方式做的分析表。由于本文重点研究COPD合并肺癌患者的临床情况等与治疗方式关系的研究。故形成了表2。

表3进行了影响COPD合并肺癌患者治疗方式的单因素和多因素分析，最终进入模型的是四个变量（Age, COPD grade, Clinical staging, DLCO）。Logistic回归分析一般仅显示OR值，95%CI以及P值（表3为标准的多因素和单因素分析合并表示例）

该文不似高分杂志，并未列出不同模型的拟合优度等评价模型的指标。我们在之后的高分文章示例中将会为大家具体阐述。

总 结

该文多因素分析显示，年龄、COPD分级、临床分期和肺扩散功能是COPD患者接受肺癌治疗的独立因素。该文较为简单，也存在较多局限性，但仍可作为临床研究小伙伴的入门文献。我们可以通过后续方法学的不断深入，将会为大家展示更多不同类型的高分文章和具体课题设计和数据分析等操作。

P value for trend SPSS实操

对于分类变量趋势卡方检验，具体操作：SPSS软件—分析—描述统计—交叉表格，按照正常卡方检验方法进行勾选后，在结果中查看Linear-by-linear Association结果则可。我们用文中性别一栏截图示例。

图3 趋势卡方操作流程

图4 P value for trend结果

对于有序等级变量与定量资料之间的趋势性P值如何计算？

有多种方法：一种采取quantile (三分位，四分位，五分位均有)，本文未采取此方法，我们就不在赘述，遇到此类问题我们再阐述；另一种将原始数据直接放入模型中。

contrasts趋势检验也称 R*2列联表资料线性趋势检验，其目的是说明某一事件发生率是否随着原因变量不同水平的变化而呈线性趋势。contrasts 趋势检验在SPSS中可以实现，在列联表维数R较小的情况下，SPSS的Linear-by-Linear Association线性相关卡方检验的结果与SAS的Cochran–Armitage趋势检验结果基本一致。SPSS操作见下图：

方法1：SPSS软件—分析—比较平均值—平均值

方法2：SPSS软件—分析—比较平均值—单因素ANOVA

征 稿 启 事

「医学方」现正式向粉丝们公开征稿！内容须原创首发，与科研相关，一经采用，会奉上丰厚稿酬（300-2000元），详情请戳。

“医学方”始终致力于服务“医学人”，将最前沿、最有价值的临床、科研原创文章推送给各位临床医师、科研人员。返回搜狐，查看更多