先为为连续型codice_，本身就工具箱七十二变的类型，因此本期内容我们继续来向大家参阅一下，在紧密结合复归框架时，连续型codice_还有哪些其他奇妙的忽略表现形式。
1、正态叠加
首先要提到的就是较为常用的正态叠加表现形式。我们都知道，在紧密结合频域复归时，必须做到一定的前提必须，其之中有一项即促请codice_需服从正态常用于或者类似正态常用于，如果不做到正态常用于的必须，往往会导致紧密结合的复归框架产生一定的偏倚，因此对于连续型codice_在去向透过正态性验证是十分必要的。
那么，当我们的数据资料档案常用于展现出非正态时，必须怎么办呢？此时，我们可以将更早的连续型codice_先为某种函数的叠加，使偏态档案正态化，从而做到复归框架紧密结合的必须。
根据数据资料本身常用于构造的相同，我们可以运用于相同的正态叠加函数，例如对更早连续型codice_开平方自取根号绝对值（Square Root）、自取阿达马（Ln X）、自取以10为底的对数（Log10 X）、自取倒数（1 / X）等等。
当然，必须请注意的是，如果对codice_透过了正态叠加，在结果之中对复归框架参数透过断言时，应按照叠加后的codice_得不到断言，或者可以根据叠加时应用于的函数联系，倒推更早自codice_对更早因codice_的畸变一般来说。
例如JACC出版物2016年发同上的一篇社论[1]，著者在比对时首先对数据资料透过了正态性验证（原文同上述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
结果显示troponin I、NT-proBNP、corin等各种因素展现出偏态常用于的特征，因此在描绘分析对象基线的资讯时著者也运用于了之中位数（上四分位数，下四分位数）的同上达表现形式，例如Troponin I的之中位水平为4.5（1.8，12.6）ng/ml。
随后著者运用于多重频域复归的方法，来分析受到影响corin水平的各种因素（原文描绘：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）
即分析其他部门首先对troponin I、NT-proBNP、corin等各种因素自取log10转变成为正态常用于，然后再进一步带到到多重频域复归之中透过分析。（结果著者尚未在文之中展现出）
随后著者又透过了Cox复归框架分析，虽然Cox复归对自codice_的类型未能类似于的促请，但是为了与多重频域复归之中codice_引进的表现形式保持一致，故著者对于troponin I、NT-proBNP、corin等各种因素依然运用于log10转变成后的表现形式确立框架，结果见下同上简述。
2、每忽略分开自适应的叠加表现形式
在晚期内容《一心将连续codice_转变成为容codice_确立复归框架，咋第一组？》之中，我们参阅到若如此一来将更早的连续型codice_引进框架，复归参数被断言为每忽略一个基本单位水平所引起的因codice_的忽略畸变，但有时这种忽略畸变显然是很很弱的。
因此，我们可以将连续型自codice_以一个原作好的分开间距，运用于等距第一组的方法，将其叠加为容codice_，然后再进一步引进到框架之中透过分析。这样第一组的好处在于，分析结果在具体的临床运用于之中非常容易患者断言和运用于。
例如我们确立的分析群体年岁为31-80岁，我们可以按照年岁每10岁一组透过划分，分为31-40、41-50、51-60、61-70、71-80共5个亚组，原作4个容codice_确立框架透过分析。
但是如果某一各种因素的变异全域很大，此时按照上述方法透过第一组时，就显然会被分为很多亚组，必须原作很多个容codice_确立框架，从而使得框架显得“过分”；又或者数据资料的变异全域很小，未能再进一步透过更小基本单位的第一组，此时就才会适合将其转变成为容codice_的表现形式。
那么，如果遭遇这种状况，应该对连续型codice_透过怎样的妥善处理呢？我们再进一步来看一篇JACC出版物2016年发同上的一篇社论[2]。
该分析Cox复归结果如下同上简述，我们注意到框架之中的多数codice_，著者都应用于到了“per”这样一个词，例如per 5% change、per 0.1 U、per 100 ml/min，等等，这里的“per + 忽略间距 + 基本单位”的表现形式，同上示的即为我们要参阅的，将连续型codice_按照每忽略分开自适应的表现形式透过叠加。
具体状况举其之中2个各种因素为例来透过指明。例如Oxygen uptake efficiency slope，在分析群体之中的略高于为1655 U，5%-95%群体的忽略全域为846-2800 U，由此可见数据资料的忽略全域是非常大的。此时如果带到更早连续型codice_，每减少1U，复归框架的HR绝对值显然就会很小，未能彰显具体的临床含意；如果叠加为容codice_，又显然会被划分变成很多组。
因此，著者将该codice_以每减少100 U的表现形式带到到框架之中，评价的是Oxygen uptake efficiency slope每减少100 U时，分析群体的死亡高风险会急剧下降9%（HR=0.91，95% CI：0.89-0.93）。
再进一步例如Peak RER这个各种因素，分析群体的略高于为1.08 U，5%-95%群体的忽略全域为0.91-1.27 U，数据资料振荡又非常小。此时如果带到更早连续型codice_，每减少1U，复归框架的HR绝对值显然就会很大，而且在临床含意的断言上，由于群体之中的数绝对值全域很小，如此一来忽略1U的母体状况并不常用，未能在临床基本上病人之中得到广泛运用于。如果叠加为容codice_，显然也未能再进一步透过细分。
因此，著者将该codice_以每减少0.1 U的表现形式带到到框架之中，实地考察的是Peak RER每减少0.1U时，分析群体的死亡高风险会急剧下降6%（HR=0.94，95% CI：0.86-1.04），但无生物学显著性。
断言了这种忽略表现形式的含意，那么在具体的比对之中，如何实现这种表现形式的叠加呢？似乎很有用，假如，如果我们一心要把该各种因素由每减少1个基本单位转变成变成每减少100个基本单位（忽略略微增大100倍），只必须将该更早codice_除以100消去框架无需；比方说，如果我们一心要把该各种因素由每减少1个基本单位转变成变成每减少0.1个基本单位（忽略略微较小10倍），只必须将该更早codice_乘以10无需。
3、每忽略一个置信发车的叠加表现形式
上面我们参阅了每忽略分开自适应的叠加表现形式，例如每忽略0.1、10或100个基本单位，但是我们常在读者史料时，还会见到另外一种忽略表现形式，即自codice_每忽略一个置信发车（per SD increase）的表现形式。那么这种忽略表现形式又是什么从哪里冒出来的呢？
我们再进一步来看一篇JACC出版物2016年发同上的一篇社论[3]（好吧，原谅小咖独宠JACC，再多努力争自取做到雨露均抹），Cox复归结果如下同上简述。
我们注意到，对于年岁和收缩压，著者都运用于了每减少1个置信发车的表现形式确立到复归框架之中，即年岁每减少1个置信发车，脊柱粥样硬化性心脏病（ASCVD）的发病高风险减少70%（HR=1.70，95% CI：1.32-2.19）；收缩压每减少1个置信发车，ASCVD的发病高风险减少25%（HR=1.25，95% CI：1.05-1.49）。
这里将连续型codice_叠加为per SD increase的表现形式带到框架之中，又有什么类似于的含意么？
我们都知道，置信发车是描绘一个codice_的所有注意到绝对值与均数的不等离散程度的指标，对于计量基本单位相同的codice_，置信发车就越，数据资料的离散程度就就越。在临床实践之中，我们常用置信发车来计算医学基准的全域。
假定测定的指标服从正态常用于，根据正态常用于曲线下占地指明了，均绝对值 ± SD发车内的占地为68.27%，均绝对值 ± 1.96 SD发车内的占地为95%，均绝对值 ± 2.58 SD发车内的占地为99%，也就是说在分之一4个置信发车的全域内，数据资料已经基本覆盖了95% 的样本。
因此，特别是对于罕见的非常规新指标，每减少1个基本单位时的临床含意并不是很明确的状况下，可以将其叠加为每减少1个SD的表现形式确立复归框架之中，由此可以指导患者根据自身具体的测量结果，看看自己是东南面群体常用于水平的几个置信发车全域内，进而来评估其对应的高风险会忽略多少。
比方说，实现这种表现形式的叠加也非常有用，可以通过以下两种方法：
1、在紧密结合复归框架之前，将更早的连续型codice_透过一个通用妥善处理，再进一步将一个通用后的自codice_带到到复归框架之中，所得到的复归系数即为自codice_每减少1个SD时对因codice_的受到影响（请注意这里只对自codice_透过一个通用妥善处理）。
2、如果尚未对更早codice_透过一个通用妥善处理，也可以如此一来把更早codice_带到到框架之中，得出尚未标化的复归系数（Unstandardized Coefficients），然后再进一步乘以该自codice_的置信发车，此时即为自codice_每减少1个SD时对因codice_的受到影响。
不过细心的同学会注意到，SPSS在反向尚未标化的复归系数（Unstandardized Coefficients）的同时也会反向一个通用复归系数（Standardized Coefficients），那么这个一个通用复归系数又是什么恶，它与上述尚未标化的复归系数，以及每减少1个SD的复归系数又有什么区别呢，后续的社论常会有参阅。
参考史料：
[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
