关于连续型变量不显著是否要取cut-off

相关实验：基于 SPSS 的数据管理与基础运算

Kepler98

2023-02-22

前辈们好，我最近在做一个基于公开数据库的队列研究。探究的是X（连续变量）和结局Y（二分类）之间的关系。打算使用的统计方法是常规的COX回归分析。但是在分析中遇到了一些问题：

当X作为连续性变量纳入model时，单因素显著、多因素不显著。逐个回归后发现年龄一旦加入模型中，X就不显著了。VIF提示没有明显共线性。针对年龄分层发现在某一层中显著，其他层不显著。相乘交互作用不显著。X和年龄有显著负相关，但是相关系数只有0.1左右。我不知道这种情况是说明X本来就不是一个危险因素还是年龄在其中起到混杂作用呢？如果继续把X当作连续变量分析的话要如何做呢？
把X分成四分位后做KM曲线发现Q1比其他三个显著更容易发生Y事件。我是不是应该用ROC等方法确定cut-off值，然后按照cut-off二分类纳入model中呢？
连续不显著，变成cut-off之后显著，这种分析方法在一些比较好的杂志会接受吗？总感觉是一种退而求其次的解释方法，结果不一定稳健。

欢迎前辈们指点交流！

4 个回答

huarenqiang5

2023-02-23

有帮助

连续型变量不显著，变成cut-off后显著的分析方法杂志社能够接受。

dxyc42u

2023-02-22

有帮助

一些好的期刊不接受cut-off，还是不要取了

loveliufudan

2023-02-22

有帮助

1.当X作为连续变量时，在多因素回归中不显著，但在年龄分层中某一层显著，这种情况可能是年龄在其中起到混杂作用。这种情况下，你可以考虑使用调节或交互作用来探讨年龄是否在X和Y之间起到了调节作用。如果你想继续把X当作连续变量进行分析，你可以考虑进一步调整其他可能的混杂变量，或者进行其他的敏感性分析，例如剔除异常值或采用不同的统计模型等。

2.当把X分成四分位后做KM曲线发现Q1比其他三个显著更容易发生Y事件时，你可以考虑使用ROC曲线或其他方法来确定cut-off值，然后按照cut-off值把X二分类纳入模型中。这种方法可能更适合探索X和Y之间的非线性关系。

3.当连续变量不显著，变成cut-off后显著，这种情况下，你可以考虑使用其他的统计方法，例如逻辑回归或非参数方法，来探究X和Y之间的关系。此外，你可以进行多种敏感性分析来确保结果的稳健性，例如调整其他可能的混杂变量、使用不同的cut-off值、采用不同的统计模型等。