今日要复现的是最最基础的影响因素分析文章,文章包括了① 基本情况表、②卡方检验** 、③多因 素 logistic回归**,复现过程将会详细截图讲解具体步骤,尤其是新手小白,请大家跟上脚步哦!
本文为常见的先单后多影响因素分析的文章------卡方检验+多因 素 logistic回归
案例文献是一篇基于2018年CHARLS公共数据库的一项横断面研究,旨在了解中国独居老人抑郁症状现况及影响因素。
**目的:**了解中国独居老人抑郁症状现况及影响因素。
方法:利用 2018 年中国健康与养老追踪调查数据(CHARLS)中 1 067 名≥60 岁的独居老人,依据调查问卷中的 CESD-10 抑郁量表来判断独居老人是否具有抑郁症状,通过 χ 2 检验、Logistic 回归分析独居老人抑郁症状影响因素。
结果:共纳入了4,920名患有BM的NSCLC患者,并随机分为两个队列(7:3),研究显示中国60岁以上独居老人抑郁症状检出率为 44.9% ,其中农村高于城市(P<0.001),男性低于女性(P<0.001)。 多因素 Logistic回归分析结果显示:与男性相比,女性(OR=1.772,95%CI:1.347~2.333)与独居老人抑郁症状的检出有关(P<0.05);与居住在城市相比,农村(OR=1.913,95%CI:1.410~2.595)与独居老人抑郁症状检出有关(P<0.05);与健康状态较健康相比,健康状态一般(OR=1.564,95%CI:1.102~2.220)和较不健康(OR=6.145,95%CI:4.169~9.058)与独居老人抑郁症状检出有关(P<0.05);与睡眠时长 7~9h 相比,睡眠时长 < 7h(OR-2.342,95%CI:1.702~2.302)与独居老人抑郁症状检出有关(P<0.05),而睡眠时长 >9h 与独居老人抑郁症状检出无关联(P<0.05)。
**结论:**独居老人抑郁症状与睡眠时长、居住地区、自评健康状况等因素存在关联,相关部门应加倍重视女性、农村、健康状况不佳及失眠的独居老人心理健康。
本文介绍了①基本情况 、②差异性分析(卡方检验) 、③多因素logistic回归,思路框架清晰,案例十分典型。下面我们分步介绍:
1.1 基本情况表+单因素分析表
首先,原文中进行了基线特征描述以及单因素卡方分析,对数据情况进行简单描述,以及筛选可能的影响因素。
1.2 多因素Logistic回归表
接着,将单因素卡方分析结果中的阳性结果,纳入多因素回归结果。
下面我们就通过风暴统计平台进行文章2个表格结果的复现!
风暴统计平台是由浙江中医药大学郑卫军教授基于R语言开发的统计分析平台,它具有以下优点:
-
结果输出简洁,直接生成三线表,支持word版下载!
-
平台是基于R语言 进行开发,结果准确性有保障!
-
全部菜单式操作,统计小白也可以轻松上手!
2.1 进入风暴统计平台
首先,浏览器搜索风暴统计,依次点击**"** 风暴智能统计" ------"logistic回归分析 "!进入分析界面后,根据提示,完成数据的导入与整理。
这里我们不再赘述数据的导入与整理过程,详细教程大家可以点击下方链接:
我们复现用到的数据集是根据原文献变量及纳排标准整理的,但是样本量有所出入,变量和原文保持一致,包含有:
2.2 基本情况表
数据打开后,在左侧目录栏里找到**"分组差异性分析"**------选好自己要的变量。
可以下载word或者excel格式结果!
结果就出现啦,左侧是原表1,右侧是风暴统计平台画出的结果,可以直接编辑。
2.3 单因素分析(卡方)
根据这个数据类型发现结局变量抑郁是二分类变量,其他自变量也都是分类变量,所以接下来的单因素分析只用到卡方检验。
同样还在**"分组差异性分析"** ------选择结局变量抑郁,以及要的自变量,就直接能形成表格了,按照上面的**"选择文档下载类型"**同样把word下载下来。
结果就出现啦,左侧是原表1,右侧是风暴统计平台画出的结果,可以直接编辑。
2.4 Logistic回归
接着来到**"logistic回归"**模块进行logistic回归分析!
只需要将我们前面卡方分析得出的阳性结果全部选入"自变量",抑郁选入"因变量",点击"多因素logistic回归"就可以查看结果啦!
结果就出现啦,左侧是原表2,右侧是风暴统计平台画出的结果,可以直接编辑。
以上就是我们本次logistic影响因素分析的全部操作流程啦!如果您在使用过程中出现报错,可以参考下方推文,排查一下问题所在哦!
详情请点击下方: