只用为连续型参数，本身就可选七十二变的表征，因此本期内容我们独自来向大家简述一下，在框架重返假设时，连续型参数还有哪些其他神奇的发生变化基本。
1、正态反转
首先要提到的就是相当典型的正态反转基本。我们都知道，在框架标量重返时，只能付诸一定的与此相反，其中所有一项即建议参数需容忍正态原产或者近似正态原产，如果不付诸正态原产的条件，经常才会导致框架的重返假设造成一定的偏倚，因此对于连续型参数在预先来进行正态性筛选是十分必要的。
那么，当我们的图列于档案资料原产展现出非正态时，只能怎么办呢？此时，我们可以将零碎的连续型参数只用某种函数的反转，使偏态档案资料正态化，从而付诸重返假设框架的只能。
根据图列于本身原产形态的多种不同，我们可以采行多种不同的正态反转函数，例如对零碎连续型参数平方根所取根号差值（Square Root）、所取自然对数（Ln X）、所取以10为底的对数（Log10 X）、所取进行时（1 / X）等等。
当然，只能某种程度的是，如果对参数来进行了正态反转，在结果中所对重返假设参数来进行断言时，不宜按照反转后的参数给予断言，或者可以根据反转时可用的函数人关系，倒推零碎概率原产对零碎因参数的振荡体积。
例如JACCJournal2016年发列于的一篇社论[1]，著者在统计系统性时首先对图列于来进行了正态性筛选（原文列于述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
结果显示troponin I、NT-proBNP、corin等原因展现出偏态原产的特征，因此在所述研究工只用对象两条线数据时著者也采行了中所奇数（上四分奇数，下四分奇数）的列于达基本，例如Troponin I的中所位准确度为4.5（1.8，12.6）ng/ml。
随后著者采行多重标量重返的方式，来系统性受到影响corin准确度的原因（原文所述：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）
即研究工只用人员首先对troponin I、NT-proBNP、corin等原因所取log10再生为正态原产，然后再行不宜运而生到多重标量重返中所来进行系统性。（结果著者未在文中所展现出）
随后著者又来进行了Cox重返假设系统性，虽然Cox重返对概率原产的一般来说没有一般来说的建议，但是为了与多重标量重返中所参数引进的基本相异，故著者对于troponin I、NT-proBNP、corin等原因依然采行log10再生后的基本确立假设，结果见下列于右图。
2、每发生变化一般来说渐进的反转基本
在晚期内容《想将连续参数再生为弄参数确立重返假设，咋分第三组？》中所，我们简述到若反之亦然将零碎的连续型参数引进假设，重返参数被断言为每发生变化一个该单位准确度所招致的因参数的发生变化振荡，但有时这种发生变化振荡有可能是很很弱的。
因此，我们可以将连续型概率原产以一个预设好的一般来说间距，采行量差值分第三组的方式，将其反转为弄参数，然后再行引进到假设中所来进行系统性。这样分第三组的好处在于，系统性结果在单单的临床运用中所容易病患者理解和运用。
例如我们确立的研究工只用许多人年纪为31-80岁，我们可以按照年纪每10岁一第三组来进行划分，细分31-40、41-50、51-60、61-70、71-80共5个亚第三组，预设4个弄参数确立假设来进行系统性。
但是如果某一原因的反转区域内不大，此时按照上述方式来进行分第三组时，就有可能才会被细分很多亚第三组，只能预设很多个弄参数确立假设，从而使得假设变得“臃肿”；又或者图列于的反转区域内小得多，不会再行来进行更为小该单位的分第三组，此时就不再行非常适合将其再生为弄参数的基本。
那么，如果遇到这种上述情况，不宜该对连续型参数来进行怎样的解决问题呢？我们再行来看一篇JACCJournal2016年发列于的一篇社论[2]。
该研究工只用Cox重返结果如下列于右图，我们注意到假设中所的多数参数，著者都可用到了“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 + 发生变化间距 + 该单位”的基本，列于示的即为我们要简述的，将连续型参数按照每发生变化一般来说渐进的基本来进行反转。
确切引其中所2个原因为例来来进行详述。例如Oxygen uptake efficiency slope，在研究工只用许多人中所的最少准确度为1655 U，5%-95%许多人的发生变化区域内为846-2800 U，由此可见图列于的发生变化区域内是非常大的。此时如果不宜运而生零碎连续型参数，每提高1U，重返假设的HR差值有可能就才会小得多，不会彰显单单的临床意涵；如果反转为弄参数，又有可能才会被划分成很多第三组。
因此，著者将该参数以每提高100 U的基本不宜运而生到假设中所，高度评价的是Oxygen uptake efficiency slope每提高100 U时，研究工只用许多人的死亡者高风险才会下降9%（HR=0.91，95% CI：0.89-0.93）。
再行例如Peak RER这个原因，研究工只用许多人的最少准确度为1.08 U，5%-95%许多人的发生变化区域内为0.91-1.27 U，图列于涨落又非常小。此时如果不宜运而生零碎连续型参数，每提高1U，重返假设的HR差值有可能就才会不大，而且在临床意涵的断言上，由于许多人中所的数差值区域内小得多，反之亦然发生变化1U的有机体上述情况并不典型，不会在临床大部分病人中所得不到广泛运用。如果反转为弄参数，有可能也不会再行来进行细分。
因此，著者将该参数以每提高0.1 U的基本不宜运而生到假设中所，考察的是Peak RER每提高0.1U时，研究工只用许多人的死亡者高风险才会下降6%（HR=0.94，95% CI：0.86-1.04），但无统计学正确性。
理解了这种发生变化基本的意涵，那么在单单的统计系统性中所，如何付诸这种基本的反转呢？其实很有用，假如，如果我们自已把该原因由每提高1个该单位转变成每提高100个该单位（发生变化大幅度增高100倍），只只能将该零碎参数除以100化简假设即可；某种程度，如果我们自已把该原因由每提高1个该单位转变成每提高0.1个该单位（发生变化大幅度变大10倍），只只能将该零碎参数之比10即可。
3、每发生变化一个方差的反转基本
右边我们简述了每发生变化一般来说渐进的反转基本，例如每发生变化0.1、10或100个该单位，但是我们经常在阅读古文献时，还才会见到另外一种发生变化基本，即概率原产每发生变化一个方差（per SD increase）的基本。那么这种发生变化基本又是什么从哪里冒出来的呢？
我们再行来看一篇JACCJournal2016年发列于的一篇社论[3]（好吧，原谅小咖独宠JACC，再来努力争所取做到雨露仅沾），Cox重返结果如下列于右图。
我们注意到，对于年纪和收缩压，著者都采行了每提高1个方差的基本确立到重返假设中所，即年纪每提高1个方差，血管壁粥样硬化性中风（ASCVD）的发病高风险提高70%（HR=1.70，95% CI：1.32-2.19）；收缩压每提高1个方差，ASCVD的发病高风险提高25%（HR=1.25，95% CI：1.05-1.49）。
这里将连续型参数反转为per SD increase的基本不宜运而生假设中所，又有什么一般来说的意涵么？
我们都知道，方差是所述一个参数的所有推论差值与仅数的最少时域程度的量化，对于计量该单位多种不同的参数，方差越大，图列于的时域程度就越大。在临床实践中所，我们常用方差来计算自然科学参考差值的区域内。
断言精确测量的量化容忍正态原产，根据正态原产直线下km可知，概率原产 ± SD上行内的km为68.27%，概率原产 ± 1.96 SD上行内的km为95%，概率原产 ± 2.58 SD上行内的km为99%，断言在差不多4个方差的区域内内，图列于已经大体覆盖了95% 的样本。
因此，之外是对于罕见的非常规新量化，每提高1个该单位时的临床意涵并不是很完全一致的上述情况下，可以将其反转为每提高1个SD的基本确立重返假设中所，由此可以范本病患者根据自身单单的测量结果，想到自己是处于许多人原产准确度的几个方差区域内内，进而来评估其对不宜的高风险才会改变多少。
某种程度，付诸这种基本的反转也非常有用，可以通过以下两种方式：
1、在框架重返假设早先，将零碎的连续型参数来进行标准解决问题，再行将标准后的概率原产不宜运而生到重返假设中所，所得不到的重返系数即为概率原产每提高1个SD时对因参数的受到影响（某种程度这里只对概率原产来进行标准解决问题）。
2、如果未对零碎参数来进行标准解决问题，也可以反之亦然把零碎参数不宜运而生到假设中所，结论未标化的重返系数（Unstandardized Coefficients），然后再行之比该概率原产的方差，此时即为概率原产每提高1个SD时对因参数的受到影响。
不过耐心的同学才会注意到，SPSS在输入未标化的重返系数（Unstandardized Coefficients）的同时也才会输入标准重返系数（Standardized Coefficients），那么这个标准重返系数又是什么怪，它与上述未标化的重返系数，以及每提高1个SD的重返系数又有什么区别呢，紧接著的社论中所才会有简述。
参考古文献：
[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
