如何分析真实世界研究数据”系列（七）
回归分析，无论是线性、logistic、还是COX回归，自自变量的变量类型不受限制，可以是定量数据、也可以是二分类、无序多分类、或者有序多分类数据。那么问题来了，当自变量是定量数据的时候，回归分析怎么处理？
估计懂一点回归分析的朋友们会蒙。自变量是定量数据不是最好处理吗？直接放入模型不就得了，分类数据才麻烦呢！是不是这样呢？
一、研究案例
一项基于孕妇的出生队列，研究希望探讨低出生体重婴儿的影响因素。结果变量为是否娩出低出生体重儿，为二分类的结果，考虑的影响因素有产妇妊娠前体重、产妇年龄、种族、是否饮酒、早产次数、是否患高血压等。
统计分析方法：是否发生低出生体重为应变量，其余是自变量，可构建logistic回归开展影响因素分析。
二、定量自变量的直接纳入法分析
本案例有不少是定量数据，包括产妇年龄、产妇体重、本次妊娠次数、随访次数等。那么开展logistic回归时，是不是把定量数据直接放入回归模型就完事了呢？
从理论上来讲，回归分析时，自变量是定量数据，模型解释起来最直接，最容易理解、最容易解释。根据公式：
自变量X对Y的影响，可以表现为X每增加一个单位，Y改变的量。这里也只有X是定量数据时，才能说增加或者减少。
比如开展年龄与结局的单因素回归分析，直接年龄这一变量时，发现年龄对出生结局的影响存在，年龄越大，出生结局越差（OR=1.083，P=0.003）。该结果可以解释为：年龄每增加1岁，风险系数增加0.083倍。
类似的是产妇早产次数。本次妊娠前早产次数的影响是OR=2.680，P<0.001; 说明妊娠前早产次数越多，本次低出生儿的可能性越大。早产次数每增加1次，风险提高1.68倍！
看起来操作简单、理解起来容易，但这里我告诉诸位，自变量是定量数据时，回归模型最难建！
为什么？
当自变量是二分类变量时，回归操作显然最简单！
当然自变量是无序二分类变量时，操作方法同样直接，直接设置哑变量即可！
当自变量是有序多分类变量时，一般也设置哑变量居多。
但当自变量是定量数据时，情况变得较为复杂。定量自变量纳入回归模型的方式有不少， 其中包括直接放入法、转成有序多分类方法、转为二分类法、转成多分类后哑变量操作法。其它的考虑还包括，数据是不是和结局变量存在着线性关系？转为分类数据，到底按照什么原则来转换呢？转为几类呢？哑变量设置时，对照组是谁呢？
真心累！
三、关键问答
现在，郑老师以问答的形式，解决几个关键疑惑！
Q1：回归分析中，定量自变量的分析首选是不是直接以定量的形式纳入回归方程，比如年龄、早产次数？
郑老师：主要研究指标（关键自变量）不推荐，其它指标推荐。
关键自变量不推荐的原因如下：
第一，很多定量数据与结局的关联性不是线性关系，而上述介绍X每增加一个单位Y改变的量，就毫无意义！X每增加一个单位，Y改变的量是一个平均值，只有在线性关系上，才有价值。
第二，很多自变量像年龄这样，即便是线性关系成立，一个单位年龄改变的量（一岁）很小，没有任何的临床意义。
Q2：回归分析中，定量数据的转成二分类合适还是多分类？
郑老师：比如年龄可否转成（<30，>=30）二分类资料？早产数可否转成（0次，=>1次）？
这种方法不是说有错，但是过于简单粗暴，会损失很多信息，不值得推荐，特别是主要研究指标，一般可转为有序多分类变量，比如早产次数转换成0次、1次、2-3次、3次及以上。由于早产次数越多，人群数量越少，因此往往是不等间距转为有序多分类变量。
Q3：回归分析中，转换成多分类数据可以不设置哑变量分析吗？现在有一个自变量为随访次数，数据分布如下，请问如何进行转换分析？
郑老师：毫无疑问，孕产妇随访次数的数据，最好还是转为多分类的数据。由于3、4、5、6次过少，推荐转为0次、1次、>=2次三分类。
转换后的自变量随访次数1，仍然有两种操作思路：
一方面，可以继续按照定量数据的思路来进行，直接纳入有序多分类自变量进入模型。那么就是早产次数每增加一个级别，低出生体重改变的量，也就是说从0次到1次，从1次到2次及以上，平均减少风险1-0.574，或者42.6%。
但是，这里需要警告的是：第一，0次，1次，2次及以上，随着随访次数的增加，与结局的线性关系是否成立；第二，由于该等级资料级别不等距，等级每增加1次的说法是否合适？
鉴于上述两个需要警惕的问题，很多时候我们可以设置对照组，进行哑变量分析。比如将0次作为对照，分别让1次与0次比较、2次及以上与0次比较得到的以下结果：
这样的结果较容易解释，也无可挑剔。
Q4：综上所述，回归分析中定量自变量分析的正确姿势是什么？
郑老师: 经过裹脚布一样又长又臭的铺垫后，现在公布定量自变量分析的正确姿势：
第一，定量数据，如果非关键指标，可以直接作为定量数据进行分析，省却转换麻烦。
其次，关键指标定量自变量推荐进行多分类转换，转换界值一般是具有临床意义的界值。如果没有，也可以按照四分位数界值进行转换。
第三，转换为有序多分类后，要从两个角度开展分析，一方面，设置哑变量进行分析；另一方面，开展趋势性检验，探讨自变量X对Y的线性影响（下一篇文章着重进行介绍）
第四、如果数据本身就是有序多分类的指标，同样可以按照第三点进行。
本讲就到这里，下一讲介绍趋势性检验。
“如何分析真实世界研究数据”系列更多文章
