作为连续型数两组，本身就自带七十二变的特性，因此本期内容我们继续来向大家参考一下，在紧密结合重返大体概念时，连续型数两组还有哪些其他神奇的改变型式。
1、正态叠加
首先要提到的就是较为常见的正态叠加型式。我们都明白，在紧密结合给定重返时，必需保证一定的前提条件，其里有一项即要求数两组需屈服正态特有种或者类似正态特有种，如果不保证正态特有种的条件，一般来说都会导致紧密结合的重返大体概念产生一定的偏倚，因此对于连续型数两组在事前来进行正态性检查和是十分必要的。
那么，当我们的统计数据统计数据特有种描绘出非正态时，必需怎么办呢？此时，我们可以将零碎的连续型数两组作某种实例的叠加，使偏态统计数据正态化，从而保证重返大体概念紧密结合的必需。
根据统计数据本身特有种结构上的各有不同，我们可以采行各有不同的正态叠加实例，例如对零碎连续型数两组平方根取根号最大值（Square Root）、取ln（Ln X）、取以10为底的对数（Log10 X）、取倒数第（1 / X）等等。
当然，必需同样的是，如果对数两组来进行了正态叠加，在结果里对重返大体概念实例来进行详述时，应按照叠加后的数两组给予详述，或者可以根据叠加时常用的实例关系，倒推零碎自数两组对零碎因数两组的effect大小不一。
例如JACC学术期刊2016年公开发同上的一篇评论[1]，所作在统计深入科学研究时首先对统计数据来进行了正态性检查和（原意同上述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
结果显示troponin I、NT-proBNP、corin等因素所描绘出偏态特有种的特质，因此在所述科学研究单纯基线统计数据时所作也采行了里位数（上四分位数，下四分位数）的同上达型式，例如Troponin I的里位程度为4.5（1.8，12.6）ng/ml。
随后所作采行多重给定重返的步骤，来深入科学研究严重影响corin程度的因素所（原意所述：Multiple linear regression ysis was applied to determine factors influencing corin levels. Levels of troponin I, NT-proBNP, and corin were normalized by log10 transformation）
即科学研究其他部门首先对troponin I、NT-proBNP、corin等因素所取log10裂解为正态特有种，然后如此一来带出到多重给定重返里来进行深入科学研究。（结果所作没在文里描绘出）
随后所作又来进行了Cox重返大体概念深入科学研究，虽然Cox重返对自数两组的类型没有类似的要求，但是为了与多重给定重返里数两组转用的型式大相径庭，故所作对于troponin I、NT-proBNP、corin等因素所过去采行log10裂解后的型式设为大体概念，结果见下同上上图。
2、每改变大致相同自适应的叠加型式
在前期内容《想将连续数两组裂解为弄数两组设为重返大体概念，咋分两组？》里，我们参考到若从外部将零碎的连续型数两组转用大体概念，重返实例被详述为每改变一个其单位程度所引起的因数两组的改变effect，但有时这种改变effect显然是很微小的。
因此，我们可以将连续型自数两组以一个旧版好的大致相同较宽，采行等距分两组的模式，将其叠加为弄数两组，然后如此一来转用到大体概念里来进行深入科学研究。这样分两组的好处在于，深入科学研究结果在单单的诊疗应用里较难病症理解和应用。
例如我们设为的科学研究许多人年龄两组为31-80岁，我们可以按照年龄两组每10岁四两组来进行细分，包含31-40、41-50、51-60、61-70、71-80共5个亚两组，旧版4个弄数两组设为大体概念来进行深入科学研究。
但是如果某一因素所的基因突变区域不小，此时按照上述步骤来进行分两组时，就显然都会被包含很多亚两组，必需旧版很多个弄数两组设为大体概念，从而使得大体概念显得“臃肿”；又或者统计数据的基因突变区域非常大，很难如此一来来进行更小其单位的分两组，此时就不如此一来最简单将其裂解为弄数两组的型式。
那么，如果遭遇这种具体情况，应该对连续型数两组来进行怎样的处置呢？我们如此一来来看一篇JACC学术期刊2016年公开发同上的一篇评论[2]。
该科学研究Cox重返结果如下同上上图，我们断定大体概念里的极少数两组，所作都常用到了“per”这样一个字词，例如per 5% change、per 0.1 U、per 100 ml/min，等等，这里的“per + 改变较宽 + 其单位”的型式，同上示的即为我们要参考的，将连续型数两组按照每改变大致相同自适应的型式来进行叠加。
指明并举其里2个因素所为例来来进行详述。例如Oxygen uptake efficiency slope，在科学研究许多人里的人均为1655 U，5%-95%许多人的改变区域为846-2800 U，由此可见统计数据的改变区域是十分大的。此时如果带出零碎连续型数两组，每缩减1U，重返大体概念的HR最大值显然就都会非常大，很难体现单单的诊疗意义；如果叠加为弄数两组，又显然都会被细分形同很多两组。
因此，所作将该数两组以每缩减100 U的型式带出到大体概念里，评价的是Oxygen uptake efficiency slope每缩减100 U时，科学研究许多人的丧命效用都会回升9%（HR=0.91，95% CI：0.89-0.93）。
如此一来例如Peak RER这个因素所，科学研究许多人的人均为1.08 U，5%-95%许多人的改变区域为0.91-1.27 U，统计数据涨落又十分小。此时如果带出零碎连续型数两组，每缩减1U，重返大体概念的HR最大值显然就都会不小，而且在诊疗意义的详述上，由于许多人里的数最大值区域非常大，从外部改变1U的个体具体情况并不常见，很难在诊疗大部分病人里获取应用。如果叠加为弄数两组，显然也很难如此一来来进行细分。
因此，所作将该数两组以每缩减0.1 U的型式带出到大体概念里，勘查的是Peak RER每缩减0.1U时，科学研究许多人的丧命效用都会回升6%（HR=0.94，95% CI：0.86-1.04），但无统计学一致性。
理解了这种改变型式的意义，那么在单单的统计深入科学研究里，如何实现这种型式的叠加呢？其实很最简单，假如，如果我们一切都是把该因素所由每缩减1个其单位转换形同每缩减100个其单位（改变幅度变小100倍），只必需将该零碎数两组除以100代入大体概念方可；同样，如果我们一切都是把该因素所由每缩减1个其单位转换形同每缩减0.1个其单位（改变幅度变大10倍），只必需将该零碎数两组乘以10方可。
3、每改变一个正态特有种的叠加型式
上面我们参考了每改变大致相同自适应的叠加型式，例如每改变0.1、10或100个其单位，但是我们常常在阅读史籍时，还都会碰见另外一种改变型式，即自数两组每改变一个正态特有种（per SD increase）的型式。那么这种改变型式又是什么从哪里冒出来的呢？
我们如此一来来看一篇JACC学术期刊2016年公开发同上的一篇评论[3]（好吧，饶恕小咖独宠JACC，下次努力争取做到雨露均好似），Cox重返结果如下同上上图。
我们断定，对于年龄两组和收缩压，所作都采行了每缩减1个正态特有种的型式设为到重返大体概念里，即年龄两组每缩减1个正态特有种，动脉粥样硬化性心脏病发（ASCVD）的病症效用缩减70%（HR=1.70，95% CI：1.32-2.19）；收缩压每缩减1个正态特有种，ASCVD的病症效用缩减25%（HR=1.25，95% CI：1.05-1.49）。
这里将连续型数两组叠加为per SD increase的型式带出大体概念里，又有什么类似的意义么？
我们都明白，正态特有种是所述一个数两组的所有观察最大值与均数的平均给定某种程度的指标，对于计量其单位大致相同的数两组，正态特有种越大，统计数据的给定某种程度就越大。在诊疗实践里，我们常用正态特有种来计算医学参考最大值的区域。
断言测定的指标屈服正态特有种，根据正态特有种曲面下范围就其，均最大值 ± SD线路内的范围为68.27%，均最大值 ± 1.96 SD线路内的范围为95%，均最大值 ± 2.58 SD线路内的范围为99%，也就是说在至少4个正态特有种的区域内，统计数据已经大体延展了95% 的样本。
因此，特别是对于罕见的十分规原先指标，每缩减1个其单位时的诊疗意义并不是很指明的具体情况下，可以将其叠加为每缩减1个SD的型式设为重返大体概念里，由此可以聘请病症根据自身单单的观测结果，就让自己是位处许多人特有种程度的几个正态特有种区域内，进而来分析其并不大致相同的效用都会偏离多少。
同样，实现这种型式的叠加也十分最简单，可以通过以下两种模式：
1、在紧密结合重返大体概念早先，将零碎的连续型数两组来进行通用处置，如此一来将通用后的自数两组带出到重返大体概念里，所获取的重返系数即为自数两组每缩减1个SD时对因数两组的严重影响（同样这里只对自数两组来进行通用处置）。
2、如果没对零碎数两组来进行通用处置，也可以从外部把零碎数两组带出到大体概念里，断定没标化的重返系数（Unstandardized Coefficients），然后如此一来乘以该自数两组的正态特有种，此时即为自数两组每缩减1个SD时对因数两组的严重影响。
不过细心的同学都会断定，SPSS在输入没标化的重返系数（Unstandardized Coefficients）的同时也都会输入通用重返系数（Standardized Coefficients），那么这个通用重返系数又是什么鬼魂，它与上述没标化的重返系数，以及每缩减1个SD的重返系数又有什么区别呢，早先的评论里都会有参考。
参考史籍：
[1] J Am Coll Cardiol. 2016 May 3;67(17):2008-14
[2] J Am Coll Cardiol. 2016 Feb 23;67(7):780-9
[3] J Am Coll Cardiol. 2016 May 31;67(21):2480-7
相关新闻
相关问答
