1、文獻中常看到的Pfortrend，到底是個啥，該怎么操作實現(xiàn)?,用于檢驗兩個分類變量之間是否存在一定的變化趨勢。但是我們在閱讀文獻時，也常常會看到文章結(jié)果展示的表格中，給由了Pfortrend的檢驗結(jié)果，如下表所示。針對上表內(nèi)容，首先復(fù)習(xí)一下我們前期介紹的有關(guān)回歸模型中設(shè)置啞變量的內(nèi)容，對于連續(xù)性變量，可以考慮將其轉(zhuǎn)化為啞變量后帶入到回歸模型中，詳見：想將連續(xù)變量轉(zhuǎn)化為啞變量納入回歸模型，咋分組？在本例中不難理解，研究人員將每一個自變量按照一定的切點分為3組，并以水平最低的一組作為參照，設(shè)置了2個啞變量帶入到模型中，分別求由其對應(yīng)的OR值及P值。同時在表格中每一個變量分組下又列由了一行Pfor

2、trend的結(jié)果,那么問題來了，這個Pfortrend代表的是什么意義呢，它有什么作用呢？我們在實際的分析中怎樣才能求得Pfortrend的結(jié)果呢？今天我們將結(jié)合幾篇發(fā)表的文獻，來向大家介紹一下回歸模型中趨勢性檢驗的魅力。研究實例一JAMAOncology期刊（影響因子：16.56）2017年10月在線發(fā)表了一篇文章Dose-ResponseAssociationofCD8+Tumor-InfiltratingLymphocytesandSurvivalTimeinHigh-GradeSerousOvarianCancer，研究人員探討了高級別漿液性卵巢癌患者生存時間與CD8+腫瘤浸潤性淋巴細

3、胞(TIL)水平之間的劑量反應(yīng)關(guān)系，部分結(jié)果如下表所示。我們可以看生，研究人員將CD8+TIL按照共計數(shù)水平分為陰性Negative(計數(shù)為0)、低水平Low(1-2TILs)、中水平Moderate(3-19TILs)和高水平High(>20TILs)共組，在構(gòu)建Cox回歸模型時，以Negative組為參照組，其余3組設(shè)定為3個啞變量進入回歸模型。結(jié)果顯示，在病理分型為高級別漿液性卵巢癌的患者中，設(shè)定CD8+TIL陰性組患者為參照(HR=1),低水平組、中水平組和高水平TIL組的患者死亡風(fēng)險比值HR分別為0.86(0.75-0.99)、0.77(0.69-0.87)、0.57(0.49

4、-0.65),提示與CD8+TIL陰性組患者相比，其余3組患者的死亡風(fēng)險分別下降14%、23%、43%。根據(jù)HR值的變化可以看由，從CD8+TIL陰性組到高水平組，HR值逐漸降低，提示隨著CD8+TIL水平的升高，患者死亡風(fēng)險呈現(xiàn)下降的趨勢，那么這個變化趨勢是否有統(tǒng)計學(xué)顯著性呢？研究人員在結(jié)果中同時給由了趨勢性檢驗的結(jié)果PValueforTrend=4.2X-1K6,提示CD8+TIL水平每增加一個等級，患者死亡風(fēng)險呈現(xiàn)生的這種逐漸降低的趨勢具有統(tǒng)計學(xué)顯著性。研究實例二我們再來看一個研究實例加深一下對Pfortrend的理解。例如AmJClinNutr在2015年發(fā)表的一篇文章，«C

5、arbohydratequalityandquantityandriskoftype2diabetesinUSwomen，研究人員探討了在美國女性中，各種營養(yǎng)素的攝入量與2型糖尿病發(fā)病風(fēng)險的關(guān)聯(lián)性。部分結(jié)果如下表所示。研究人員將不同的營養(yǎng)素按照其攝入水平的5分位進行分組，在構(gòu)建Cox回歸模型時，以水平最低的1組為參照組，其余4組設(shè)定為4個啞變量進入回歸模型。結(jié)果顯示，對于水果纖維的攝入量，5分位分組的中位攝入水平分別為1.45、2.55、3.55、4.69、6.68g/d,隨著水果纖維攝入水平的升高，研究對象2型糖尿病的發(fā)病相對風(fēng)險RR值分別為1、0.93、0.91、0.82、0.73(Mod

6、el1),RR值呈現(xiàn)一個下降的趨勢，發(fā)病風(fēng)險分別降低0、7%、9%、18%、27%o說明隨著水果纖維攝入量的升高，研究對象發(fā)生2型糖尿病的風(fēng)險呈現(xiàn)下降的趨勢，趨勢性檢驗P-trend<>PforTrend的意義解讀通過以上兩個研究實例，相信大家已經(jīng)對Pfortrend有了一定的理解，Pfortrend是回歸模型中線性趨勢性檢驗的結(jié)果，簡單來說，在構(gòu)建回歸模型時，例如最常用到的多重線性回歸、Logistic回歸以及Cox回歸中，Pfortrend主要是用來檢驗自變量X的變化(一般是指轉(zhuǎn)換后的啞變量的變化)與因變量Y的變化之間是否存在一定的線性變化趨勢。那么就會有同學(xué)問

7、到，對于原始變量本身即為連續(xù)型變量時，為什么不將原始變量直接帶入到模型中進行分析呢？為什么還要大費周折將其轉(zhuǎn)化為啞變量，然后再做一遍趨勢性檢驗?zāi)?？直接帶入原始變量時所得的P值不是能更好的說明該變量與因變量之間的變化趨勢么？誠然，如果只是想把原始的連續(xù)型變量作為一個混雜因素進行調(diào)整的話，直接將它帶入模型即可；但是，如果作為研究所關(guān)注的影響因素的話，那么從統(tǒng)計學(xué)和實際臨床意義的角度考慮，直接帶入原始的連續(xù)型變量往往也存在一些不足：1.我們在介紹有關(guān)回歸模型中設(shè)置啞變量的內(nèi)容時已經(jīng)提到，為什么我們有時需要將連續(xù)型變量轉(zhuǎn)化為啞變量，是因為當(dāng)自變量以連續(xù)型變量的形式引入模型時，其意義解釋為該自變量每增加

8、1個單位，所引起的因變量Y的變化（B）,或結(jié)局發(fā)生風(fēng)險的變化（OR/HR），但實際上這種變化效應(yīng)有時是很微弱的，并沒有太大的臨床意義，因此需要對連續(xù)型變量進行適當(dāng)?shù)霓D(zhuǎn)化。2.如果直接將原始的連續(xù)型變量帶入到回歸模型中，具前提是已經(jīng)假定該連續(xù)型自變量與因變量之間存在著一定的線性關(guān)系。但是，當(dāng)自變量與因變量之間的相互變化關(guān)系不明確時，以連續(xù)型變量帶入模型會遺漏一些很重要的信息。例如上述研究實例二中，研究人員在分析蔬菜纖維攝入量與2型糖尿病發(fā)病風(fēng)險的關(guān)聯(lián)性時，結(jié)果顯示隨著蔬菜攝入量的升高，2型糖尿病發(fā)病風(fēng)險RR值分別為1、1.01、1.04、1.06、0.98,P-trend=0.78(Model1

9、),提示蔬菜攝入量和2型糖尿病發(fā)病風(fēng)險之間的線性趨勢不具有統(tǒng)計學(xué)顯著性，但是從RR值的變化中我們可以推測，兩者之間可能存在“拋物線(倒U字型)”的關(guān)系，而此時如果僅僅是帶入原始的連續(xù)型變量，就無法從結(jié)果中看由這樣的變化關(guān)系。PforTrend的實現(xiàn)了解了回歸模型中趨勢性檢驗Pfortrend的重要意義，那么我們在構(gòu)建模型進行統(tǒng)計分析時，應(yīng)該如何求得Pfortrend的檢驗結(jié)果呢？其實很簡單，我們還是回到今天介紹的兩個研究實例中，看看大牛們都是怎么分析的。一、等級變量轉(zhuǎn)換在研究實例一中，研究人員將CD8+TIL按照共計數(shù)水平分為陰性Negative(計數(shù)為0)、低水平Low(1-2TILs)、中

10、水平Moderate(3-19TILs)和高水平High(>20TILs)共4組。研究人員按照此分組標準，將CD8+TIL轉(zhuǎn)為為等級變量，分別賦值為0、1、2、3,隨后將該等級變量再次帶入到回歸模型中，所求得的該等級變量對應(yīng)的P值即為Pfortrend的檢驗結(jié)果。這個方法是我們最常用到的方法，但是該方法有一定的局限性，因為賦值為0、1、2、3的前提，是假定每個分組內(nèi)相鄰兩組之間的間距是相等的，但是多數(shù)情況下無法滿足這一等距的條件，因此我們需要用到第二種方法。二、組內(nèi)中位數(shù)轉(zhuǎn)換在研究實例二中，研究人員在表格的標注中已經(jīng)明確指由：Testfortrendbasedonvariablecont

11、ainingmedianvalueforeachquintile。在AnnInterMed期刊(影響因子：17.14)2017年8月份發(fā)表的一篇文章AssociationofCoffeeConsumptionWithTotalandCause-SpecificMortalityAmongNonwhitePopulations»中也提至U:Weperformedtestsforlineartrendbyenteringthemedianvalueofeachcategoryofcoffeeconsumptionasacontinuousvariableinthemodels。即此時不再將原始的連續(xù)型變量賦值為0、1、2、3,而是用每組的中位數(shù)進行重新賦值，然后將重新賦值的變量以連續(xù)型變量的形式帶入到模型中，所求得的該變量的P值即為Pfortrend的檢驗結(jié)果。通過本期內(nèi)容的介紹，相信大家已經(jīng)對Pfortrend有了一定的了解，如果在以后閱讀文獻的過程中再次遇到Pfortrend時應(yīng)該就不會感到陌生了吧。是不是有種躍躍