【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选

【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选 戳上面的蓝字“科研猫”关注我们哦!


本文作者:西红柿

责任编辑:馋猫


临床模型研究,说到底是做一个模型,那么模型应该如何纳入自变量,纳入哪些自变量,这都是至关重要的问题。线性回归,逻辑回归和Cox比例风险回归模型是被广泛使用的多元回归分析方法。我们在前面的几篇文章中解释过他们的统计学意义、应用及结果释义。但是我们很少讨论自变量筛选的方法,这些方法在数据分析和撰写论文时应用较为混乱,却十分重要。本集整理并总结了前沿的自变量筛选方法,我们来一观究竟。



小结
Take-home messages


我们已经对筛选方法和变量变换方法进行了总结。虽然事实上并没有绝对完美的方法,因此只能选择最贴切的方式。我们可以构建多个模型,并根据以前发表的,特别是影响因子较高的临床试验类文章,得出每个模型的客观结果。这是一种比较好的筛选方式。在构建预测模型的过程中,除了对所有可能的变量进行变量筛选外,还会有具体的考虑。例如,某些恶性肿瘤的TNM分期虽然对预后的价值不大,但因其易于在临床实践中应用而被广泛应用。我们如何评估模型的准确性和简洁性?虽说变量越多,模型的预测精度越高,但临床应用的难度也就会相应的增大。总之,我们在构建模型时应该选择好一个平衡点。



参考文献:Zhi-Rui Zhou, Wei-Wei Wang, Yan Li, et al. In-depth mining of clinical data: the construction of clinical prediction model with R.Annals of Translational Medicine.



更多科研新鲜资讯、文献精读和生物信息技

请关注科研猫公众号

【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选

科研猫原创出品,任何形式转载,均需获授权

上海辰明律师事务所提供版权法律支持



【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选
【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选

爱我就点个在看吧!

【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选

本篇文章来源于微信公众号: 科研猫

赞(0)
未经允许不得转载:第一SCI网 » 【临床研究】一个你无法逃避的问题:多元回归分析中的变量筛选