文献中常看到Pfortrend,到底

最近看到群里有人问“Pfortrend”的问题，其实医咖会推送过类似的文章，今天就和大家再分享一下。

提到趋势性检验，在医咖会的SPSS教程中，介绍过了Cochran-Armitage趋势检验，用于检验两个分类变量之间是否存在一定的变化趋势。但是我们在阅读文献时，也常常会看到文章结果展示的表格中，给出了Pfortrend的检验结果，如下表所示。

针对上表内容，首先复习一下我们前期介绍的有关回归模型中设置哑变量的内容，对于连续性变量，可以考虑将其转化为哑变量后带入到回归模型中，详见：想将连续变量转化为哑变量纳入回归模型，咋分组？

在本例中不难理解，研究人员将每一个自变量按照一定的切点分为3组，并以水平最低的一组作为参照，设置了2个哑变量带入到模型中，分别求出其对应的OR值及P值。同时在表格中每一个变量分组下又列出了一行Pfortrend的结果，那么问题来了，这个Pfortrend代表的是什么意义呢，它有什么作用呢？我们在实际的分析中怎样才能求得Pfortrend的结果呢？

我们将结合几篇发表的文献，来向大家介绍一下回归模型中趋势性检验的魅力。

研究实例一

JAMAOncology期刊（最新影响因子：24.）年10月在线发表了一篇文章《Dose-ResponseAssociationofCD8+Tumor-InfiltratingLymphocytesandSurvivalTimeinHigh-GradeSerousOvarianCancer》，研究人员探讨了高级别浆液性卵巢癌患者生存时间与CD8+肿瘤浸润性淋巴细胞（TIL）水平之间的剂量反应关系，部分结果如下表所示。

我们可以看出，研究人员将CD8+TIL按照其计数水平分为阴性Negative（计数为0）、低水平Low（1-2TILs）、中水平Moderate（3-19TILs）和高水平High（≥20TILs）共4组，在构建Cox回归模型时，以Negative组为参照组，其余3组设定为3个哑变量进入回归模型。

结果显示，在病理分型为高级别浆液性卵巢癌的患者中，设定CD8+TIL阴性组患者为参照（HR=1），低水平组、中水平组和高水平TIL组的患者死亡风险比值HR分别为0.86（0.75-0.99）、0.77（0.69-0.87）、0.57（0.49-0.65），提示与CD8+TIL阴性组患者相比，其余3组患者的死亡风险分别下降14%、23%、43%。

根据HR值的变化可以看出，从CD8+TIL阴性组到高水平组，HR值逐渐降低，提示随着CD8+TIL水平的升高，患者死亡风险呈现下降的趋势，那么这个变化趋势是否有统计学显著性呢？

研究人员在结果中同时给出了趋势性检验的结果PValueforTrend=4.2×10-16，提示CD8+TIL水平每增加一个等级，患者死亡风险呈现出的这种逐渐降低的趋势具有统计学显著性。

研究实例二

我们再来看一个研究实例加深一下对Pfortrend的理解。例如AmJClinNutr在年发表的一篇文章，《Carbohydratequalityandquantityandriskoftype2diabetesinUSwomen》，研究人员探讨了在美国女性中，各种营养素的摄入量与2型糖尿病发病风险的关联性。部分结果如下表所示。

研究人员将不同的营养素按照其摄入水平的5分位进行分组，在构建Cox回归模型时，以水平最低的1组为参照组，其余4组设定为4个哑变量进入回归模型。结果显示，对于水果纤维的摄入量，5分位分组的中位摄入水平分别为1.45、2.55、3.55、4.69、6.68g/d，随着水果纤维摄入水平的升高，研究对象2型糖尿病的发病相对风险RR值分别为1、0.93、0.91、0.82、0.73（Model1），RR值呈现一个下降的趋势，发病风险分别降低0、7%、9%、18%、27%。说明随着水果纤维摄入量的升高，研究对象发生2型糖尿病的风险呈现下降的趋势，趋势性检验P-trend0.，提示该下降趋势具有统计学显著性。

PforTrend的意义解读

通过以上两个研究实例，相信大家已经对Pfortrend有了一定的理解，Pfortrend是回归模型中线性趋势性检验的结果，简单来说，在构建回归模型时，例如最常用到的多重线性回归、Logistic回归以及Cox回归中，Pfortrend主要是用来检验自变量X的变化（一般是指转换后的哑变量的变化）与因变量Y的变化之间是否存在一定的线性变化趋势。

那么就会有同学问到，对于原始变量本身即为连续型变量时，为什么不将原始变量直接带入到模型中进行分析呢？为什么还要大费周折将其转化为哑变量，然后再做一遍趋势性检验呢？直接带入原始变量时所得的P值不是能更好的说明该变量与因变量之间的变化趋势么？

诚然，如果只是想把原始的连续型变量作为一个混杂因素进行调整的话，直接将它带入模型即可；但是，如果作为研究所

转载请注明：http://www.shijichaoguyj.com/wxjq/6337.html