最新一期，《美国流行病学杂志》，荷兰Utrecht University大学的研究团队，基于4个人群队列分析，探讨了孕产妇玩手机的频率是否影响孕期时长和新生儿体重。
上一篇“孕妇玩手机影响孕期长短和新生儿体重吗？《美国流行病学》杂志揭示最新发现”中，老郑对该论文进行了科普性的介绍。本篇着重对该论文的统计学方法进行讲解，与大家一起共勉进步！
01--总体概况
该研究是队列研究，且是4个队列的汇总分析。暴露因素是孕产妇使用手机的频率，分为未使用、低频率、中频率、高频率，具体分布如下。该研究的结局变量较多，包括定量数据的Birth weight、定性数据的Low birth weight、High birth weigh、Preterm birth、Postterm birth等，还包括生存时间数据Gestational age at birth。
02--论文统计策略
队列研究探讨暴露因素与结局的关系，常用的方法是采用回归分析的方法，剔除混杂因素。因此，根据他们的结局特征，预计将采用线性回归、logistic回归和COX比例风险模型进行评价。其主要的混杂因素包括以下文字介绍的变量：
03--统计方法解读
我们结合该文的英文表述，来看看本文的分析策略。特别注意：多学习论文的统计学表达！特别提醒：优秀英文文章，统计学方法讲得非常详细，请保持耐心！
第一段
这段话说明什么？数据需要进行整理，最重要的是缺失数据填补。本文采用的方法是MICE，也就是多重填补方法。
第二段：
数据填补完了之后，就是一般的统计描述和统计推断。它的统计描述方法是均数和构成比，差异性比较有卡方、Fisher确切概率法，和Wald方法。诸位，这段文字所介绍的方法，是医学统计学最常用的。因此，请记住，这段文字的表述方法。
第三段：
在这段文字中，你们看到几个关键词吗？multiple linear regression models、Cox proportional hazards models、logistic regression。这三个词语就是上文提到的线性回归、COX回归和logistic回归方法。除了介绍不同结局指标的一些回归方法之外，这段文字还介绍了，为了符合回归分析条件所做的一些工作：线性回归的正态性问题和COX回归方法等比例问题。最后，还介绍了暴露因素的对照组是谁，怎么定义的。
第四段
本段文字是核心的统计学内容。本论文是4个队列结果汇总分析，因此采用的是meta分析的随机效应模型。随机效应模型也分为两个方法，第一将暴露因素设置对照组，也就是暴露因素进行哑变量设置计算OR值或者HR值；第二，将暴露因素作为连续性变量纳入分析，这样的P值是趋势性检验的结果。诸位，趋势性检验，中文论文不多见，但在英文论文里很常见，所以请了解下。
第五段
Sensitivity analysis？敏感性分析 ？什么鬼？我怎么没有见过！没有见过！但是，如果你有兴趣写医学SCI论文，敏感性分析是标配。
所谓的敏感性分析，它的意思是，论文做了一些统计学分析，但这些统计学方法本身带有一定的偏性，我们想看看偏性有多大。比如，本文就做了6点敏感性分析。前几点如下：
1）论文为了探讨多重填补的影响，因此做了一个全完整记录的统计分析。也就是他们剔除了所有缺失信息的对象，再做个结果，看看和多重填补结果差别大不大，如果差别很大，说明多重填补的结果不是那么可靠。
2）作者把暴露因素从分四组变成分两组，看看是否也有统计学差异。如果分四组可以证明暴露因素与出生结局的关系，说明结果是可靠的。
3）我们说低出生体重可能不仅是暴露因素带来的，也可能是早产儿带来的，所以这里把人群限制在非早产儿，看看低出生体重和暴露因素因果关联系是否存在。
4） 。。。。。
你现在有点明白了吗？敏感性分析，就是看看论文的主要结果是不是具有稳定性，受不受数据质量与统计学方法的影响。
敏感性在国内杂志的论文几乎很少见到。顶级的医学SCI论文中，敏感性分析却往往是标配。所以学习医学统计学，还是要了解下敏感性分析方法。不懂别急，诸位多学习几篇文献，慢慢就能领悟它的精髓了。
第六段
最后一段介绍统计软件。本论文应用的是R语言。其中，这里面有个R语言包是“tableone”。还记得么，我在公众号也提过这个包的强大功能：三行情书! 爱上R语言的最大理由之一：R语言分分钟形成规范“三线表”。请坚持看完，必有体会！
04--总结
总结下这篇顶级论文的统计学套路。它的文章主要包括了以下统计学方法：
第一， 数据整理，包括缺失值填补
第二， 统计描述和差异性比较
第三， 回归分析方法
第四， meta分析方法
第五， 标敏感性分析。每篇《美国流行病学杂志》专著几乎都有。
第六， 统计软件。
点击关注我们
如果觉得《统计方法如何表达：来自文章“孕产妇玩手机影响孕周期和新生儿体重吗？”》对你有帮助，请点赞、收藏，并留下你的观点哦！
